
随着智慧城市建设对于区域数据丰富度的需求加深,数字孪生技术也开始全面普及,该技术旨在帮助决策者立足特定时间点建立起一套可行的区域计算机模型,随后利用实时数据不断加以更新。这些模型可用于支持各类项目,展示交通流量变化以及现有基础设施能否抵御气候变化影响等。目前,拉斯维加斯、波士顿、洛杉矶以及得克萨斯州加尔维斯顿在内的多个美国城市都已经拥有或正在规划数字孪生项目。
哥伦比亚大学数据科学研究所土木工程与工程力学副教授Sharon Di表示,数字孪生的基础在于“城市中无处不在的数据收集点”,同时借助强大的计算机模拟技术帮助决策者以前所未有的深度理解城市的过往与当前状况。
作为纽约市数字孪生项目团队成员,Di解释道“从某种意义上讲,建立数字孪生的过程就类似于运营一座数字城市。”纽约项目利用街边传感器与西哈林区无线测试平台收集到的数据,借此进行实时交通管制以缓解拥堵。Di指出,数字孪生提供的“实时响应”能帮助研究人员知悉交通信号的微小调整如何产生广泛影响,因此能够在紧急状况下更好地控制疏导信号。
其他多座城市也在利用数字孪生方案测试交通、能源消耗及新基础设施开发等方面的可能性。咨询公司安永在2021年5月发布的报告中预测,数字孪生在建筑和房地产领域的普及有望帮助商业地产和基础设施所有者将能源消耗降低达50%,同时将运营成本削减约35%。
奥兰多数字孪生则将眼光放得更广、更远,计划建立起真实世界的全息形象,其中将涵盖市区完整地形、移动基础设施与建筑物。Giuliani表示,这种种“令人惊叹”的要素也将成为奥兰多城市吸引力的一部分,帮助地产开发商们无需驾车浏览就快速了解当地情况。“这一幕只在科幻电影里出现过,从现实层面来讲可以算是前无古人的创举。”
Giuliani还强调,这套模型仍处于早期开发阶段,但未来的版本将包含更多数据并提供开放后端,允许各类用户运行自己关注的数据场景。
Giuliani最后总结道,“我们希望构建一套生态系统,帮助我们的开发商、房地产公司、银行、公共事业、市政当局乃至其他合作伙伴随意使用自己的公共或私有数据。这将是一套集可视化场景规划与设计方案效果评估于一体的数字孪生体系,也代表着城市建设与发展的最新形态。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。