ZD至顶网CIO与应用频道 01月10日 北京消息:全球领先的信息技术研究和顾问公司Gartner认为,面对日新月异的技术与社会变革,政府的首席信息官对于推行智慧城市和开放式数据项目有着强烈意愿和紧迫感。如果管理得当,这种转变将会让政府处于社会技术创新的核心位置。
随着个人技术与社交网络逐渐渗透到个人生活的方方面面,与此同时,政府与各企业正在不断加大对IT基础设施与治理的投资。因此那些支撑居民、社区与企业创新与协作、并最终提供有用解决方案以满足公民需求的各种开放平台应运而生。
据Gartner预测,到2019年,在百万级人口的城市中,50%的居民将通过自愿分享其个人数据而从智慧城市计划中受益。居民所产生数据的数量与类别将继续随着个人电子消费设备与物联网的应用激增而同步增长。通过政府与企业合作,居民将会体验到因分享数据而带来的部分收益。不过,随着超级连接的发展步伐不断加快,居民将越来越意识到其“生活数据”的巨大价值,并将主动交换数据,以获得“即时”价值。
人们对于效率与便利的需求正在加速推动数据分享。例如,通过各种接触点参与其中的复杂性已成为居民与政府开展互动的重要障碍之一。诸如“我有资格投票吗?”之类的简单问题就会让居民卷入复杂的流程与规则以及访问各种网站。
因此,居民转而用交流平台,例如网站中的虚拟个人助手(virtual personal assistants)与消息机器人(messaging bots)来摆脱使用传统的应用和网站。政府也在适应这种变化。例如,犹他州公共安全部通过私人语音助手Amazon Echo提供驾驶员驾照考试;新加坡正在与微软就其“会话即平台”(conversation as a platform)计划而展开协作,围绕一系列公共服务而开发聊天机器人(chatbots)。
上述情况所带来的结果——即居民、政府及所在城市进行互动而生成的机读数据量快速增加,进而为搭建开放式数据门户网站创造了巨大机会,从而在此基础上提升效率、改进居民体验、推动创新以及为政府机构创收。
城市中的开放式数据门户网站并非新鲜事物,但当前的许多门户网站只具备有限的机器可读性,因而商业价值受到限制。当数据得到有效收集和管理,以生成宝贵的实时数据流而非后期生成的统计数据或报告时,整个城市才能变得真正“智慧”。
目前,一些城市已经着手创建数据市场,尤其是在考虑来自物联网的数据流不断增加的情况下。哥本哈根数据交易所(Copenhagen Data Exchange)便是先行者之一,它率先将居民与数据相连接,提供在线城市记录,以及借以查看信息的一系列滤镜。
打造真正市场的下一关键步骤在于展现并统筹这些数据,以实现更多以业务为导向的收益。Gartner预测到2020年,20%的地方政府机构将通过数据市场从增值开放式数据中赢利。用户体验的自动化与扩大化将成为货币化的关键,从而让居民与企业发现并准备数据,确定运营模式,并在其社区或组织机构内部加以分享。
依照具体使用案例,用户将可以选择多种方式为数据访问“支付费用”。普通居民则凭借数据民主的概念就可以参与进来,并通过提供自身数据换取免费访问;而商业使用则可能需要与数据所有人分享收入,或者购买许可证以访问丰富的数据源。
如需了解更多内容,Gartner客户可阅读研究纪要:《2017年预测:政府首席执行官在逆境与机遇之间寻求突破》(Predicts 2017: Government CIOs Are Caught Between Adversity and Opportunity)。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。