至顶网CIO与CTO频道 04月07日 人物访谈(文/王聪彬):我们知道线上有着各种各样的数据,在线下也不例外。线下世界主要有人和场两方面数据,人的角度包括人所处的位置流动性等;场的角度包括地区人群属性、密度、流动性,与其他地区相关联性等。
也正是这些线下世界的数据,在年初这场突如其来的疫情中起到了关键的作用,利用空间大数据和AI位置智能技术,武汉维智空间科技有限公司(以下简称“维智科技”)联合中华预防医学会、中科院等开发了疾控AI分析平台(WDCIP),实现了回溯历史轨迹,寻找紧密接触人群,预测高危传播区域,以及协助进行病毒传播动力模型分析。在国家疾控中心(CDC)、上海疾病预防控制中心、南昌疾控中心、四川卫健委以及珠海、青岛等地方政府/公共安全系统等都已经开展深入合作。
而对于大众的生活和出行,维智科技也发布了一款小程序“维智生活通”,其基于全国小区,商场,门店,园区楼宇的疫情风险指数,评估预测周边门店的健康状态,提供精准疫情风险提示,让大家日常生活可以更安全、更放心。
这些就是线下数据带来的功用,线下数据不仅仅为抗击疫情、复工复产做出了巨大的贡献,其还可以帮助实体产业更有效、更科学化、更精细化的管理和运营,当然这一切都是在云上无感知的发生。
用数据赋能实体经济
成立于2017年的维智科技专注于线下场景感知与大数据智能,与手机、车机和物联网建立起数亿独立终端连接,重新定义人、场、物的位置关系,为智慧零售、商业服务以及场景营销等行业客户,提供智慧选址、用户行为分析、近场推荐、客户拉新等服务。
维智科技在LBS服务上具备了两大特色,第一、数据覆盖各类型场景;第二、数据全、维度丰富。其数据源来自多家第三方数据,包括地图数据、人口数据、门店数据、门店经营数据等。
这些数据围绕线下场景可以产生一系列的应用赋能实体经济,帮助企业和品牌商了解城市潜力、门店潜力以及探知未入驻的空白区域,为企业和品牌商的商业拓展,提供准确的商业环境信息以及覆盖人群分析。
维智科技副总裁裘靖宇举了一个例子,维智科技为一家知名连锁咖啡品牌提供包括周边竞品、人群特征、人群密度、人群属性、交通情况、社交情况等丰富的多元的线下数据,让其可以实时制定和调整经营策略。
维智科技副总裁裘靖宇
随着疫情逐渐趋于稳定,在这个百废待兴的时期,连锁品牌的当务之急便是快速知悉各个门店所在地区的风险情况,并尽快调整门店运营策略在规避风险的同时提高营业额。维智科技希望可以通过数字化和智能化的手段帮助线下门店焕发生命力,例如通过数据了解哪些门店需要维持、关闭,或者开新店,同时帮助加强营销,吸引消费者。
而且在复产复工过程中,中国连锁经营协会发布“安心消费”公约,维智科技也基于自身的智慧客流管理为参与企业免费提供门店周边风险分析和复工复产的数字化的报告。
无感知的云上体验
“当数据汇总在一起后,就会焕发出新的生命力。”裘靖宇表示,当数据在一张图上的时候,数据间的关联关系就显现出来,这个信息就可以更好地帮助企业进行决策。
对于维智科技而言,数据的消耗是非常大的,在进行产品开发、技术具备、大规模数据收集时,第一个选择就是公有云。因为性能、稳定性、可靠性等优势也让维智科技在成立之初就选择了AWS,目前使用了包括:Amazon EC2、Amazon S3、Amazon EMR、Amazon RDS、Amazon ElastiCache、Amazon Elasticsearch Service等服务。
维智科技AWS架构图
在经过一个月的测试和对接,维智科技就迅速地迁移到AWS上,迁移过程也非常平滑。AWS的服务给裘靖宇最大的感觉就是“无感知”,用最小的运维力量实现所有业务产品的发布、运行上线的监控服务。
同时,AWS也为维智科技在疫情期间推出的疾控AI分析平台(WDCIP)、维智生活通、百万安心门店项目提供了稳定的支撑。像疾控AI分析平台的功能就是基于大量大数据分析所构建,这对云平台的弹性、可扩展性及功能和服务都有很高的要求。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。