南非特别调查组(SIU)成立于1996年,是一家值得信赖的反腐败、诉讼调查和诉讼机构,负责追回经济损失并纠正不法行为。但是,随着成立时间日久,也出现了技术过时与效率低下的问题。像SIU这样的机构无法容忍这样的问题。
首席信息官Tumelo Zwane明白新兴技术能够如何简化SIU的工作,因此她和她的团队最近着手更新该部门的通信和协作技术。Zwane表示,该项目于2022年初启动,并指出SIU当时仍在使用GroupWise,这是一个支持电子邮件、即时消息和文档管理的平台。虽然还有不少组织在使用GroupWise,但许多组织已选择离开该平台并迁移到更新的技术。
她表示:“从技术的角度看,GroupWise已经无法满足我们的需求,也缺乏我们正在寻找的功能。”这就是他们决定将所有600名用户迁移到微软的原因。此举是SIU更广泛的数字化转型和云迁移战略的一部分,该战略始于大约四年前,旨在将其更广泛的技术堆栈标准化。但是正如她所指出的,他们并没有完全使用云,而是采用了混合策略,因为数据主权法律和治理结构决定了他们可以/不可以在云端存储哪些信息。
进行迁移
当然,这并非易事,特别是考虑到该机构正在处理的数据量就更是如此。她表示:“绝大多数人都把他们的邮箱作为存档工具,这意味着我们的一些用户的邮箱体积非常庞大。”
虽然SIU与托管服务提供商(MSP)就迁移的配置方面进行了合作,并且该合作伙伴为他们提供了指导,但他们最终还是自己进行了实际的迁移。她表示:“我们有想要实现的内部时间表和目标,在我们向市场寻求帮助时得到的回复比我们预想的时间要长得多。”“所以我们对不同需求和最佳方法和途径进行了一些研究和测试,并成功地实现了先决条件,然后自己迁移了所有的内容。”这要求她将她的团队拆解为不同的职能部门,然后提高成员的技能,让他们专注于特定的任务,这样如果用户遇到问题,团队中的某个人就可以提供帮助并解决问题。
在内部完成一切的做法对于确保SIU的运行连续性和组织的可持续性非常重要。她表示:“这是在培养我们自己的人才和能力,让我们在未来能够更自如也更自信地开展类似的项目。”
凡事预则立
首先,他们建议业务部门存档并备份特定数据,以免在切换过程中丢失任何数据。此外,他们还必须考虑在不影响用户访问电子邮件的时间段内进行迁移。因此,他们不得不在夜间完成大部分的工作。
但是时间并不是他们面临的唯一问题。该部门还必须面对不断停电的问题——这是南非电力公司采用的一种方法,通过暂时关闭特定区域的配电来减少能源需求。这显然让数据传输过程变得更加复杂。她表示:“如果你正在迁移大量数据,这时候停电了,你就必须重新开始。”为了应对这种状况,他们密切关注停电计划,以确保数据传输不会中断。她补充表示:“这需要大量仔细的规划和同步资源才能把握好时机”,并且承认这是一个主要但可控的障碍。
事后看来,除了让用户在这段旅程的每个阶段都更积极地参与之外,Zwane的做法没什么可调整的。她表示:“在整个过程中,我们发送了很多信息,但是如果让我再做一次,我会用信息轰炸他们,因为他们并不总是会按照我们的要求行事。”她还补充表示,在迁移前的两到三个月,SIU进行了广泛的培训,但是到了真要行动的时候,有些人还是说自己没得到充分的培训。她表示:“所以我们别无选择,只能又进行了一轮培训。”“让你的用户跟上是非常重要的。沟通和变化管理会让局面大不相同。”
在Zwane看来,迁移带来的最大好处之一是它创建了一个更全面、更具有数字化能力的SIU,他们现在在一个更敏捷的平台上运行,该平台在公共和私营部门广泛使用,这意味着他们的通信工具和协议不再落后于他人。她表示:“微软的平台改变了组织的运作方式,它创造并提高了我们的生产力和效率。”“这缩短了我们调查的周转时间,并确保我们能够更有效地响应我们的任务。”
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。