从太空任务到气候变化研究,NASA广泛的工作内容每天都会产生大量数据。为此,NASA CIO Jeffrey Seaton深信要想从这座信息宝库中解锁出更具价值的洞察见解,就必然绕不开基于量子物理学效应而实现超强算力的量子计算机。
然而,虽然近年来关于量子计算机的宣传炒作不绝于耳,但这类设备的具体价值实现或者还要再等上几年。在本周福布斯召开的CIO Next线上峰会中,当被问及量子计算何时才能真正对NASA日常工作有所帮助时,Seaton给出了较为保守的回答——“我猜还要五年以上。”
Seaton于2020年5月出任代理CIO,并在今年1月被正式任命为NASA CIO。Seaton在实习生期间就曾帮助NASA设计用于太空环境下执行组装操作的机械臂;凭借着长达30年的NASA供职生涯与持续关注,他在高性能计算领域可谓经验丰富。
自从接任技术高管、有权分配每年超过20亿美元的预算资金以来,Seaton肩上的压力也随之提升,他需要切实改善65000名NASA全职政府雇员与承包商们所使用的软件与硬件组合。而他的一大首要任务,就是为研究人员们赋予更多计算能力。正因为如此,他才强调NASA需要试验量子技术。此外,量子计算也是释放内部数据力量、提升应用处理水平的一条重要探索路线。
Seaton表示,“从历史上看,我们有过不少数据孤岛。卓越的孤岛也是孤岛,其典型特征就是数据间的彼此隔绝。”他和他的团队一直在扩大研究人员们的原始数据访问范围,同时保障安全以避免信息落入坏人之手。他们还为研究人员提供更强大的机器学习及其他应用算法方案。
Seaton乐观地认为,目前这项战略将给NASA带来巨大收益。“也许我们工程小组的数据可以同安全和任务保障组的数据关联起来,共同创造出前所未有的发展机会。”
中心对中心
虽然打通团队间屏障、实现各部门数据交互的目标并不像把宇航员送上月球那么复杂,但同样是一项对智力与执行力要求极高的挑战——相信拥有过企业管理经验的CIO们都能体会到其中的难处。
与其他私营企业的CIO们一样,Seaton还需要把握好一个最佳平衡点——一端是整个组织内的技术标准化,另一端则是各部门对于最契合自身需求的软件和硬件组合的固守坚持。NASA中的“部门”实际就是其遍布美国本土的九处大型研究中心,每处中心专门从事不同的研究领域。Seaton曾在NASA位于弗吉尼亚州的兰利研究中心度过了多年职业生涯,并在担任中心CIO时处理过NASA中央IT团队提供的技术服务质量低下问题。
Jeffrey Seaton, NASA CIO
现在,他已经成为NASA中央团队的负责人,同时也需要对机构之内成千上万雇员及承包商们负责。Seaton希望NASA能在运营层面实现更高的一致性,同时建立良好方法以衡量内部“客户”对于所获得服务的质量感受。
在本次CIO Next在线峰会上,Seaton坦言整个过程同样充满了摩擦;但他同时强调,自从担任兰利研究中心CIO至今,整个世界已经发生了显著变化。“我们尽量小心谨慎,确保只关注那些真正有意义的整体解决方案。但整个背景秩序正在膨胀,市面上也已经存在能够满足员工们大部分需求的出色工具。借助这股力量,我们可以集中精力解决少数极端情况。”
网络与太空
NASA面临的网络威胁范围也在不断扩大。由于同太空相关活动及未来飞机设计等研究领域紧密相关,NASA一直是众多国内外黑客的首要攻击目标。过去一年左右时间里,NASA技术团队发现针对内部员工的网络钓鱼攻击开始猛增,黑客们试图抓住远程办公这波潮流诱骗员工泄露访问凭证、进而入侵到NASA的内部系统当中。
因此,网络防御工作仍是Seaton及其团队的重点关注方向,也是NASA制定整体执行规范与标准时的核心考查对象。新方案包括使用AI驱动型安全软件以阻止可疑电子邮件,并坚持定期更新代码以部署能够消除已知漏洞的软件“补丁”。此外,NASA还要持续培训员工以避免被攻击者所蒙蔽。Seaton强调,“面对糟糕的人为决策,再好的技术也无法独力保障安全。”
尽管不断膨胀的网络威胁给关键任务软件的可靠性保障带来了巨大压力,但这位NASA技术负责人仍对自己和团队成功达成使命的能力保持着乐观态度。
在线上峰会中,Seaton回忆说十年之前,随着技术的易用性提升与快速普及,曾经有不少文章断言CIO这个角色会很快消亡。但他指出,这类问题在于当时的技术领导者仍过于关注基础知识,而在高级项目中却没能充分给予配合。
自那时以来,整个世界发生了翻天覆地的变化,IT团队也开始真正有机会肩负起对组织具有深远影响的任务。Seaton最后总结道,“担任CIO真的是一种激动人心的体验。”
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。