2023年没有给政府领导者和高管任何喘息的机会。全球动荡、地区冲突和地方压力加剧了随数字化转型而来并且有望通过数字化转型解决的巨大挑战,但同时也创造了塑造新一代数字政府的良机。政府首席信息官深知自己所被寄予的厚望。他们不但需要证明自己的数字化投资不止是一项战术性投资,还需要证明能够在变幻莫测的环境中提高业务能力并完成领导层的优先事项。
Gartner公司发布了2023年十大政府行业技术趋势,这些趋势可以指导公共部门领导者加快转型成为后数字政府并坚持专注于任务目标。政府首席信息官应考虑以下技术趋势(见图一)对其组织的影响,并运用洞察为能够提高业务能力的投资提供充分的理由、完成领导层的优先事项并创建一个更适合未来的政府组织。这适用于所有地域、层级或部门的政府组织。
图1:Gartner 2023年重大政府行业技术趋势
自适应安全
Gartner预测到2025年,75%的政府首席信息官将直接负责IT以外的安全问题,包括运营和任务关键型技术环境。随着企业数据、隐私、供应链、网络物理系统(CPS)与云的融合,政府必须采取综合全面的安全措施。首席信息官应将自适应安全与更广泛的数字创新、转型、国家安全和弹性目标相关联。
云端遗留系统的现代化
为了实现IT基础设施和应用的现代化,提升政府服务的弹性,领先的政府正在抓紧解决系统与数据存储的遗留与孤立问题。首席信息官可以通过自适应采购策略确定能够使用“服务化”交付模式加强内部资源和处理业务优先事项的领域。Gartner预测到2025年,超过75%的政府将使用超大规模云服务提供商来运行一半以上的工作负载。
主权云
变化莫测的全球局势以及对数据隐私和政府过度干预的担忧正在增加对主权云的需求。政府越来越想要限制外部司法机构和外国政府对数据和基础设施的访问。Gartner预测到2025年,超过35%的政府遗留应用将被在低代码应用平台上开发并由融合团队维护的解决方案所替代。
超自动化
Gartner的预测到2026年,把业务流程自动化作为优先事项的政府组织将从2022年的35%上升至60%。超自动化计划帮助政府的业务和IT流程提供无缝的联网公民服务。首席信息官必须保持自动化计划与当前优先事项的一致性,在推动数字化转型的同时优化运营成本。
决策智能AI
Gartner预测到2024年, 60%的政府AI和数据分析投资将直接影响实时运营决策和结果。决策智能AI为政府提供快速、准确、规模化的早期决策能力。首席信息官必须做好广泛使用AI的准备,确保决策点的数据可用性并制定有效的治理原则。
数据共享方案化
政府机构和部门之间的临时数据共享已不足以满足从数据和分析中获取价值的需求。Gartner预测到2023年末, 50%的政府组织将建立正式的数据共享责任机制,包括数据结构、质量和及时性标准。首席信息官在制定数据共享计划时应侧重于增值和任务目标。
全面体验(TX)
到2026年,政府全面体验(TX)方法将使流程模糊性降低90%,同时将客户体验(CX)和员工体验(EX)满意度提升50%。全面体验通过实现传统上孤立、互不相干的客户体验、员工体验、多重体验(MX)和用户体验(UX)领域之间的协同性和一致性推动政府转型。首席信息官可通过映射、可视化和重新设计公民与员工旅程,减少体验中的摩擦点。
数字身份生态
Gartner预测到2024年,超过三分之一的国家政府将为公民提供移动身份钱包。政府正在新型数字身份生态中承担新的责任,希望能够确保跨行业和国界的信任、创新与采用。为了实现这一目标,政府必须让具有高可信度的数字身份变得容易获得并为各最终用户和服务提供商目标群体带来价值。
案件管理即服务(CMaaS)
政府依托作为可组合的产品和服务,可在政府各个项目、垂直领域和级别之间共享的设计和开发案例管理解决方案整合各项服务。Gartner预测到2024年,使用可组合的案例管理的机构落实新功能的速度将比同行快80%。首席信息官应展示如何实现更好的结果、合作或项目整合。
可组合的政府应用
政府可以使用可组合的架构成功解决系统和数据存储的遗留与孤立问题,采用模块化的应用架构以及快速发展的自动化和机器学习实现持续的改进与现代化。
Gartner的客户可以在报告“2023年重大政府技术趋势展示”中了解更多信息。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。