7月23日,由中国计算机用户协会网络应用分会主办、西北民族大学和紫光旗下新华三集团协办的“新型智慧校园专题研讨会暨西北民族大学智慧校园建设成果展”在兰州成功召开。众多教育行业专家、全国高校的信息化领导,在会上探讨了教育信息化2.0时代下的智慧校园建设未来发展方向。
新华三集团副总裁、科教文卫事业部总经理傅强
新华三集团副总裁、科教文卫事业部总经理傅强认为,教育信息化建设新时期,就是要以应用为驱动带动教育向智慧化方向发展,利用云计算、大数据、人工智能等新技术手段,推进智慧教育模式的变革,让教育信息化2.0加速落地。
教育信息化2.0时代面临三大转变
2018年4月,教育部对外印发了《教育信息化2.0 行动计划》,标志着我国正式迈入以服务和数据为中心的教育信息化2.0时代,信息化技术将在教育理念更新、模式变革、体系重构等方面发挥出重要作用。
在新华三看来,在教育信息化2.0时代,要实现三大转变:从专用资源向大资源转变;从提升学生信息技术应用能力,向提升信息技术素养转变;从应用融合发展,向创新融合发展转变。
教育数字大脑 让教育更具“智慧”
作为持续服务我国教育领域的数字化解决方案提供商,新华三针对未来教育发展特点,确定了两个教育行业的解决方案发展方向:一是智慧的大脑,二是智慧的场景。
在新华三看来,2.0阶段的教育信息化必须着眼于帮助高校创建属于自己的“教育数字大脑”——即一个由业务能力平台、数字基础设施、主动安全、统一运维四大模块所构成的智能数字化平台,融合覆盖校园服务、治理、教学、科研与人才培养等场景化智慧应用,并推动学校高效运行与成长的能力中心。
通过全面融合自身的智能数字化平台与生态伙伴的教育场景化智慧应用,新华三 “教育数字大脑计划”将数字思维与能力充分融入高校的教学、管理与人才培养行为中,更好驱动教育变革的发生发展。
新华三智慧校园方案领跑教育信息化
新华三在业界率先推出教育云、无线城域网、教育大数据平台等教育信息化产品与方案,并在教育信息化2.0时代 “以应用驱动”打造智慧教育场景化解决方案,引领创新探索。傅强表示,打造相关解决方案,必须针对学校教育教学中的实际存在的问题,让信息化手段成为提升教育教学质量的生产要素。
此外,在“融合平台、无界生态”的生态战略指引下,新华三集团正在搭建教育信息化2.0的生态链新模式,通过主动集成的方式,实现了由教育行业ISV基于新华三开放平台,开发场景化智慧教育解决方案,帮助教育用户解决更多的痛点。
目前,新华三已经积累了丰富的场景化方案和智慧校园成功案例。在西北民族大学,新华三通过智慧校园解决方案,以数据为核心,消除数据孤岛,校园一站式网上办事大厅、校园移动平台、20+大数据智慧应用大大简化了办公审批流程和办事效率,提升了师生的幸福感与获得感。
此外,新华三还为清华大学提供校园云、无线覆盖、高性能计算、毕业生画像等信息化服务;为山东大学三地八校区提供了校园网服务,创新应用基于SDN的全新一代网络架构,并向未来的智能化运维逐步演进;开展数字化工作助力学校管理和服务改善,如毕业生画像、智慧学工等。
在中南大学、北京航空航天大学、西北工业大学、中国石油大学、山东师范大学、新疆农业大学、重庆第二师范学院、河北软件职业技术学院、许昌职业技术学院等院校,新华三通过为其构建数字化平台与应用,帮助学校加速智慧校园的建设进程。
随着教育信息化2.0的持续深入发展,新华三将携手更多战略合作伙伴,持续为高校提供先进的技术与方案,加快高校智慧校园建设,共绘教育信息化2.0新蓝图。
好文章,需要你的鼓励
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。