巴塞罗那市议会首席信息官Nacho Santillana Montal通过一系列以人工智能、实时数据分析和流程数字化为中心的创新技术项目,寻求实现智慧城市的概念。
作为巴塞罗那市议会的首席信息官,Nacho Santillana Montiel完成了一系列创新项目,其中包括将各种新兴技术融入市议会和加泰罗尼亚公民的日常生活中。
他表示:“该项目通过解决老年人孤独等新出现的问题,兑现对社会的承诺。道德和社会责任是决策和实施新解决方案的基本要素。”
在这些解决方案中AI脱颖而出,AI集成在所有市政服务中,以及定义部署这些系统的工作方法和协议中,以确保其使用是符合法律、道德和技术标准的,此外还启动了算法公共注册中心和外部顾问委员会来准备算法影响方面的研究。
奠定基础
去年,市政数据办公室(Municipal Data Office,OMD)成立了,负责巴塞罗那市议会及其相关实体的数据的管理、质量、治理、分析和传播,还作为组织和规划社会学研究、监测舆论、统计生产以及对城市和感兴趣的环境进行社会经济分析的主要系统,允许发布高频数据并发展基于证据的公共政策。OMD还包括了一系列通过CityOS平台(主要市政数据存储库)交付的应用集成。
巴塞罗那还创建了他们自己的数字孪生,以检查城市是否满足所谓“15分钟城市”的要求,即从首都任何地方步行到达公共服务、设备和设施(如地铁站、充电站、公交车站)、医疗机构和绿地等任何地点不会超过15分钟。该项目是与巴塞罗那超级计算中心、国家超级计算中心(BSC-CNS)合作的第一阶段,在市信息研究所(IMI)和巴塞罗那地区(BR)的支持下,对某些项目或公共政策的影响进行模拟和预测。
巴塞罗那市议会实施的技术举措中,除了消除老年人和残疾人孤独感的聊天机器人,还有通过Bizum(西班牙各地普遍使用的支付系统)支付罚款和税款;巴塞罗那公墓服务的数字化;实时监控儿童游乐区,提高可见性;Zoobot聊天机器人,让巴塞罗那动物园对于那些有特定需求的参观游客更具包容性。
这些项目和其他项目使得巴塞罗那成为欧洲公认领先的数字城市,该市的优先事项包括数字权利和包容性、利用新兴技术促进城市创新、以及把数据作为一项公益服务。因此,巴塞罗那在过去两年中担任了欧洲城市数字论坛主席国,所做的贡献对于提高城市在欧洲立法举措(例如Digital Services Law、Governance Law Data、短期租赁数据交换、Data Act和人工智能法等等)中的参与度和持续影响力是至关重要的。
具有包容性的方法
对于Santillana来说,市议会数字化转型之所以如此重要,一部分原因在于采用了整体性的方法。“该项目满足了社区的实际和情感需求,特别是老年人和残疾人,其特点是关注人口的多样性,数字解决方案的实施旨在确保普遍可及性,保证所有公民都能从市政服务中受益。”
他还强调了适应社区和技术环境不断变化需求的能力。“实施的灵活性让我们能够不断调整,以确保随着时间推移我们的相关性和有效性,总而言之,这些因素都让该项目变得独一无二,不仅解决了市政管理的效率问题,而且还显着改善了公民的生活质量和社会福祉,凸显了对道德、包容性和社会创新的非凡承诺。”
对于Santillana来说,项目成功的关键,包括从一开始和整个过程中都考虑到了用户的需求和体验,优先考虑信息的安全和隐私,新技术的引入需要一个适应阶段,因此,对员工和公民的培训和支持是至关重要的。
他说:“这些项目反映了巴塞罗那市议会对创新、包容性以及通过数字技术的战略应用不断提高公民生活质量的承诺,行政效率、普遍可及性以及对社会福祉的关注,这些让巴塞罗那成为地方政府数字化转型的一个参考点。”
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。