至顶网CIO与应用频道 04月11日 北京消息:联合国宣布与Tableau Software(纽交所代码:DATA)达成合作协议,Tableau将为联合国在全球范围内193个成员国的工作人员提供顶级的可视化分析服务。
2017年12月,联合国秘书长安东尼奥·古特雷斯 (António Guterres) 在海牙为人道主义数据中心(Centre for Humanitarian Data)揭幕时,强调了数据科学在帮助应对灾难方面的重要性。这表明,数据在处理社会发展问题、应对危机时发挥着决定性的作用,并且提供了多种创新解决方案。
“准确的数据是良好政策和决策的生命线,” 古特雷斯先生说,“在人道主义紧急情况下,让众多的人道主义机构获取并分享数据是复杂和耗时的,但绝对是至关重要的。”
与Tableau的合作可以帮助联合国在应对危机时,及时获得易于理解的信息。联合国助理秘书长兼联合国首席信息官Atefeh Riazi说: “数据的有效使用,可以帮助我们更深入地了解社会政治不稳定、自然灾害、气候变化等问题,并加强我们的决策能力,提高预测水平,帮助我们在下一轮危机到来之前先发制人。”
Riazi女士强调: “与Tableau的战略伙伴关系提升了全球联合国办事处的可视化分析能力,我们可以借此更好地使用数据。联合国守护着世界上独一无二的数据库,存储着世界社会经济与政治历史的大量数据。向公众开放这些数据,并且与合作伙伴通力协作,能够帮助我们优化决策,帮助联合国更好地开展工作。”
Tableau是第一家与联合国签署全球框架协议的美国软件公司。此项协议使Tableau成为整个联合国体系的可视化分析标准软件,并简化了联合国附属机构的技术引进流程。
“联合国工作的范围、复杂程度及其重要的影响力,使得简单易懂的数据和见解变得尤为重要”Tableau首席执行官Adam Selipsky指出,“促进和平正义,消除贫困,确保每个人拥有平等的权利,是我们共同的愿景。我们已经看到了数据在消除分歧等方面发挥的作用。我们很荣幸成为联合国的战略合作伙伴,帮助全世界的联合国员工为全人类创造更美好的未来。”
在对Tableau的技术能力与企业地位进行了全面详尽的考察后,Tableau被设立为联合国全球可视化分析的标准软件。此项协议以联合国多个机构的工作为基础,这些机构此前已经使用Tableau来获得洞察以应对一些全球范围内的严峻挑战。联合国难民事务高级专员办事处(UNHCR),世界卫生组织(WHO)和国际原子能机构(IAEA)在内的众多机构,已经在使用Tableau来帮助改善地区人民的生活。此项里程碑式的协议帮助联合国体系下的众多机构,不论是在总部、区域办公室或者在开展国家任务时,都能够使用处于行业领先地位的Tableau软件。
2015年以来,Tableau的慈善机构Tableau基金会已经和联合国相关机构开展合作,以推动数据创新并为世界各地的弱势群体提供支持。作为联合国可持续发展目标中的一部分,Tableau基金会与联合国世界粮食计划署(WFP)合作,向超过80个国家的决策者提供实时的食品安全监测分析,帮助缓解饥饿与贫困问题。
此外,Tableau基金会还与联合国人道主义事务协调办公室(OCHA)合作,优化人道主义数据交换系统(HDX),提升备灾救灾方面的数据获取效率。
“我为联合国在全球数据变革中发挥的作用感到自豪,与此同时,我很期待与我们来自世界各地的伙伴通力合作,发挥作用。”Riazi女士说。Tableau期待与联合国及其他科技集团建立战略合作伙伴关系,以支持联合国实现其伟大目标。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。