至顶网CIO与CTO频道 08月10日 编译:在COVID-19疫情之后,各大机构开始采用一系列措施,希望通过远程办公以及远程客户交互等多种途径借数字化技术之力让生活重回秩序。如今,公共部门也开始针对COVID-19疫情做出自己的响应。7月下旬,纽约市宣传启动“纽约市恢复数据合作伙伴”计划,由市政社区、各非营利组织以及私营组织协同合作,推动纽约市从COVID-19的影响下恢复过来。这可能也是全球市政层面首个通过数据共享,支持COVID-19冲击之下社会与经济复苏的公私合作伙伴计划。
Kelly Jin是现任纽约市首席分析官,同时担任市长数据分析办公室主任。Jin女士在公共部门数据与分析领域拥有丰富的经验,此前曾担任Laura and John Arnold基金会数据驱动司法与结果驱动型政府建设总监——这是一家致力于健康、刑事司法、公共金融以及教育行业的慈善机构。在此之前,她还曾在白宫及波士顿市担任数据与分析职位。
Jin认为,纽约市提出的新倡议堪称私营-公共部门数据与分析协作的新模式,有望在应对COVID-19带来的健康与经济危机方面发挥重要作用,同时也有助于推动全市范围内的恢复工作。Jin和她的助手Adrienne Schmoeker,与市长政策与计划办公室联合公布了此项计划,并邀请到11位合作伙伴参与,其中包括LinkedIn以及Zillow纽约分部的品牌StreetEasy。
此项恢复数据合作伙伴计划的核心目标,在于提供对数据的免费访问,借此帮助纽约市了解“市民因COVID-19受到哪些影响”并“为公平恢复原有秩序提供规划与政策决策依据”。纽约市长Bill de Blasio在宣布这项计划时表示,“在我们着手从COVID-19疫情下恢复过来,并建设一座更加公平的城市时,最重要的前提在于根据数据、事实以及所有纽约民众的真实生活经历做出决策。”De Blasio还指出,此项合作伙伴计划将“利用合作伙伴组织提花的数据,帮助我们确定并支持最需要帮助的本地产及社区。”他同时呼吁全市公共与私营组织为此而努力。
Jin与Schmoeker强调称,数据共享、透明性以及数据协作这一基本原则,正是恢复数据合作伙伴计划的核心。Jin指出,“此项举措希望通过数据共享,将整座城市的力量集中起来。”他们提到,数据库中将包含丰富的信息与指标,具体涵盖房地产市场指标、就业与雇用活动、疾病指标、关于财务需求及紧急程序的数据、以及周边社区的人口流量等。他们正在对这些信息进行组织与分析,希望将精力集中在受影响最严重的领域与集群身上,充分理解这些传统数据来源往往有所忽略的领域及群体。
LinkedIn公共政策负责人Nick DePorter指出,“随着我们工作与生活方式的巨大变化,领导者必须能够获得比以往更详尽、也更具动态属性的数据……只有这样,才能为所有纽约人带来公平且迅捷的经济复苏政策。”GovLab联合创始人Stefaan Verhulst评论称,“数据协作效率低下会导致响应时间过长,使相关机构错失挽救生命、恢复经济的机会窗口,同时也导致市政持续缺乏对未来威胁的准备能力。”纽约市儿童委员会执行主任Jennifer March总结道,“COVID-19大流行对于纽约市儿童、家庭及社区的健康与福祉产生了深远的负面影响……而可靠的数据收集与分析能力,将为疫情之后的恢复工作提供重要的指导与依托。”
好文章,需要你的鼓励
新创公司Germ为Bluesky社交网络推出端到端加密消息服务,为用户提供比现有私信更安全的聊天选项。经过两年开发,该服务本周进入测试阶段,计划逐步扩大测试用户规模。Germ采用新兴技术如消息层安全协议和AT协议,无需手机号码即可实现安全通信。用户可通过"魔法链接"快速开始聊天,利用苹果App Clips技术无需下载完整应用。
这项研究由哈佛大学团队开发的创新框架,解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束,使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明,该方法在多个真实数据集上既保障了隐私,又显著提升了模型公平性,为医疗、金融和政府等领域的数据协作提供了实用解决方案。
高通公司宣布正在与领先的超大规模云服务商进行深度合作谈判,开发专用于数据中心的CPU产品。CEO阿蒙表示,公司正在开发通用CPU和推理集群产品,预计2028财年开始产生收入。同时,高通面临三星在高端智能手机市场的竞争压力,三星计划在2026年推出采用2纳米工艺的新款Exynos处理器。高通Q3财报显示营收增长10%至103.5亿美元,净利润增长25%。
Meta AI研究团队开发的ALOHA系统是一种低成本开源的双臂机器人远程操作平台,旨在使机器人学习更加民主化和普及化。该系统结合了价格亲民的硬件设计和先进的行为克隆学习算法,使机器人能够从人类示范中学习复杂技能。研究表明,ALOHA系统展示了强大的泛化能力,能够在新环境中应用所学技能,如打开不同类型的瓶子。系统的开源性质鼓励全球研究者参与并推动机器人学习领域的发展,尽管仍面临成本和精确力控制等挑战。