美国海军长久以来一直在贯彻执行IT基础设施与资源集中化这项重要工作,而且现在距项目启动时已经过去了十二年。具体负责相关事务以提高军队执行效率、实现积极影响的是海军架构、标准与情报部门副助理秘书James Meng。在上周于麻省理工学院举行的年度信息质量大会上,theCUBE的两位主持人Jeff Kelly与Dave Vellante就相关话题对他进行了现场采访。
“美国海军机构规模相当庞大,”Meng解释称,其需要执行覆盖全球的二十项任务指令。“该部门的工作主要在于帮助军方完成这些任务。鉴于跨类型执行的高度复杂性,从历史角度看每一项任务都拥有彼此独立的流程与体系。随着我们在当今业务环境下不断取得进展,单单完成任务已经不足以满足客户需求。我们需要切实提高执行的整体效率。”
美国海军在业务执行领域划分出五大功能类型:采购规划、财务管理、人力资源与储备、基础设施安装——包括航道、飞机跑道、其它设施——以及物料管理。“每一种功能类型都保持独立运行,”Meng指出,因此不能像企业那样从业务角度加以审视与掌控。“如果不能像管理企业那样对其进行操作,那么我们就只能从直觉角度出发,而这样的处理方式显然不够可靠。”
“如果大家希望通过宏观视角确保执行战略任务的高效方式,在这样的情况下恐怕很难找到足以确切解决问题的平衡点,”Meng表示。他同时解释称,公司面临的核心挑战在于如何满足美国海军在执行集中化方面提出的需求。目前网络安全、情报与数据科学已经成为关注的核心重点,但美国海军并不具备足够的资源、特别是人力资源来打理这方面事务。正如Meng所强调,“我们需要在处理这类事务的过程中不断学习。”
“我们需要利用自己拥有的业务数据打造出具备可操作性的商务智能体系。我们希望尽可能降低业务系统组件的重复性;只有深入参与,我们才能推动整个海军业务体系朝着正确的目标不断前进,且保证在此期间不会引发任何业务中断,”Meng指出。
他的主要努力目标之一在于“让整个军事体系意识到,数据属于真正的海军资产构成。数据并非本地所有、本地消费型资源。事实上,数据属于本地管理但整体消费这一类型,”Meng解释称。海军方面在这条道路上已经前行了近十二年,他们迈出的第一步是采用一系列ERP系统,而且在过去七年当中“我们开始对所有产品、服务乃至功能流程加以进一步分类,”他指出。在这一流程当中,国会预算则是不可忽视的第三个维度。
数据标准化是专为美国海军制定的一项特殊工作目标。“数据标准化处理的根本诉求在于将数据转化为可资操作的情报信息,”Meng表示。“我认为最需要强调的一点是,通过对能力放大的关注强化任务执行效率。永远、永远不要偏离这一核心目标。数据科学项目始终紧紧围绕着提升任务效能这一关键,整套机构的存在意义从根本上讲是为了成功完成此类任务。”
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。