ZD至顶网CIO与应用频道 01月10日 北京消息:全球领先的信息技术研究和顾问公司Gartner认为,面对日新月异的技术与社会变革,政府的首席信息官对于推行智慧城市和开放式数据项目有着强烈意愿和紧迫感。如果管理得当,这种转变将会让政府处于社会技术创新的核心位置。
随着个人技术与社交网络逐渐渗透到个人生活的方方面面,与此同时,政府与各企业正在不断加大对IT基础设施与治理的投资。因此那些支撑居民、社区与企业创新与协作、并最终提供有用解决方案以满足公民需求的各种开放平台应运而生。
据Gartner预测,到2019年,在百万级人口的城市中,50%的居民将通过自愿分享其个人数据而从智慧城市计划中受益。居民所产生数据的数量与类别将继续随着个人电子消费设备与物联网的应用激增而同步增长。通过政府与企业合作,居民将会体验到因分享数据而带来的部分收益。不过,随着超级连接的发展步伐不断加快,居民将越来越意识到其“生活数据”的巨大价值,并将主动交换数据,以获得“即时”价值。
人们对于效率与便利的需求正在加速推动数据分享。例如,通过各种接触点参与其中的复杂性已成为居民与政府开展互动的重要障碍之一。诸如“我有资格投票吗?”之类的简单问题就会让居民卷入复杂的流程与规则以及访问各种网站。
因此,居民转而用交流平台,例如网站中的虚拟个人助手(virtual personal assistants)与消息机器人(messaging bots)来摆脱使用传统的应用和网站。政府也在适应这种变化。例如,犹他州公共安全部通过私人语音助手Amazon Echo提供驾驶员驾照考试;新加坡正在与微软就其“会话即平台”(conversation as a platform)计划而展开协作,围绕一系列公共服务而开发聊天机器人(chatbots)。
上述情况所带来的结果——即居民、政府及所在城市进行互动而生成的机读数据量快速增加,进而为搭建开放式数据门户网站创造了巨大机会,从而在此基础上提升效率、改进居民体验、推动创新以及为政府机构创收。
城市中的开放式数据门户网站并非新鲜事物,但当前的许多门户网站只具备有限的机器可读性,因而商业价值受到限制。当数据得到有效收集和管理,以生成宝贵的实时数据流而非后期生成的统计数据或报告时,整个城市才能变得真正“智慧”。
目前,一些城市已经着手创建数据市场,尤其是在考虑来自物联网的数据流不断增加的情况下。哥本哈根数据交易所(Copenhagen Data Exchange)便是先行者之一,它率先将居民与数据相连接,提供在线城市记录,以及借以查看信息的一系列滤镜。
打造真正市场的下一关键步骤在于展现并统筹这些数据,以实现更多以业务为导向的收益。Gartner预测到2020年,20%的地方政府机构将通过数据市场从增值开放式数据中赢利。用户体验的自动化与扩大化将成为货币化的关键,从而让居民与企业发现并准备数据,确定运营模式,并在其社区或组织机构内部加以分享。
依照具体使用案例,用户将可以选择多种方式为数据访问“支付费用”。普通居民则凭借数据民主的概念就可以参与进来,并通过提供自身数据换取免费访问;而商业使用则可能需要与数据所有人分享收入,或者购买许可证以访问丰富的数据源。
如需了解更多内容,Gartner客户可阅读研究纪要:《2017年预测:政府首席执行官在逆境与机遇之间寻求突破》(Predicts 2017: Government CIOs Are Caught Between Adversity and Opportunity)。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。