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
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。