要说到数据分析什么最重要这个话题的话,很容易引发热力的讨论。但是对于道富银行前高级副总裁、数据治理负责人David Blaszkowsky看来,最重要的事情很容易被日常生活中的琐事冲淡并忽略:你企业机构内的数据文化。你可以灌输和试图强制执行数据收集相关的很多规则,但如果你的企业机构没有一种真正相信数据重要性的文化,那么最终会以失败而告终。
这意味着企业机构需要真正了解他们在数据方面的目标和任务是什么。"如果从一开始你就考虑数据应该是什么、应该意味着什么、你希望如何使用数据、收集和维护数据的方式会带来怎样的影响等等一系列问题的话,那么事情就会容易很多了,"Blaszkowsky这样表示。你可以有很多精良的分析系统,但是归根结底是数据本身以及你打算如何利用这些数据。今年在美国麻省理工学院举行的首席数据官CDO论坛上,Blaszkowsky接受采访时这样说。
利用分析找出风险
当被问及如何预测未来的金融灾难时,Blaszkowsky强调说,你无法有把握地预测这种事,但是你可以在风险因素出现的时候发现它。
"首先,找出能够识别风险的分析类型,然后对进行这些分析所需数据进行标准化,"他说。但是,在灾难过后有效清理是一个随着时间推移要学习的事情。Blaszkowsky的策略是一种为灾难做准备的好方法,此外还要部署好系统以防不幸的事情发生。
MIT CDOIQ研讨会的演变
作为参加多多届麻省理工学院CDOIQ研讨会的人,Blaszkowsky看着这个活动不断壮大,人们提出的问题也从"我们如何找到数据?"延伸到更实际的案例。
他每年都参加这个会议的另一个原因就是他希望与公共的、私人的以及学术部门之间分享信息和最佳实践,"这种分享成果是惊人的,"他补充说。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。