
现代社会的一个真相是,成功的企业都要借助使用数据来支撑。然而,这个道理不仅仅适用于企业。政府机构也和企业一样同样需要数据,这可能影响着数百万人口。为了管理本世纪海量的数据流,政府机构设立了首席数据官(CDO)来塑造和制定数据策略。
今年在美国麻省理工学院举行的首席数据官CDO论坛上,美国运输部(DoT)的CDO Daniel Morgan谈了自己作为政府CDO的一些看法。
将数据与技术结合起来
首先谈到的是CDO对政府机构意味着什么,Morgan解释说,他有三个主要的理念:改善数据治理,增强与用户的互动,改善技术实现。他表示,与用户互动很重要,因为开放数据策略是当务之急。此外,技术实现意味着将现代化的工具与政府机构对接上,这样就可以最大限度利用数据。
Morgan称自己的工作是一项团队运动,因为开放数据策略假定了数据统筹和展现的方式都是开放的。他还提到,与其他人协作来确保系统实施了恰当的控制措施来确保数据安全。
责任和数据领导力
说到美国运输部和该部门收集的数据。Morgan把它形容为一个大杂烩,说他们收集和使用各种数据--从飞机航班到车辆召回,再到车祸信息。他们利用这些数据来了解技术如何改善公共安全。
"有很多慢速移动的数据,但也有实时的操作,"他说。
Morgan还花了点时间谈论开放数据政策的好处。现在企业正在利用数据来支撑应用和业务流程。他解释说,这是关键--了解这些应用可以为社区提供帮助,创造就业就会。他表示,这要比数据变现以收回成本更重要。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。