作为一座大型城市的CDO,与普通CDO是决然不同的。Sam Edelstein作为纽约雪城的CDO,证明了自己是给非典型的CDO,不仅是他现在的职位,而且还有他获得这个职位的职业历程。
在取得信息管理硕士学位之前,Edelstein曾经作为报社记者、在韩国当过英语老师、在华盛顿当作社交媒体经理。在取得硕士学位之后,Edelstein开始为在雪城市长办公室的Office of Innovation(由彭博慈善基金会资助)担任分析协调员。今年在美国麻省理工学院举行的首席数据官CDO论坛上,Edelstein接受了采访。
数据和城市的基础设施
基础设施会产生很多数据点。例如,记录每个漏水点、坑洞和下水道堵塞的数据,这些都是孤岛数据。Edelstein将这些标记为没有被合并的数据,但是最近,他开始查看重叠的数据。
过程是这样的:假设有一条路需要重铺,在修路之前,他会查看最近五年这条路上任何关于漏水的记录。这样,Edelstein就可以避免因为一些反复出现的问题而在完成铺路之后还要维修。
开放数据的价值
Edelstein谈到了联邦和各州开放数据的用途。New State Portal是可搜索的,记录了交通之类的信息。当作城市规划的时候,这些数据可能是很有用处的。
"如果他们在我们的城市中做了这种调研的话我会很高兴的。"Edelstein这样评论说,当这些数据公布的时候,应该以一种"数据驱动的方式",作为"关键数据集"首先发布。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。