
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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。