今年在美国麻省理工学院举行的首席数据官CDO论坛上,巴布森商学院教授、MIT数字业务中心研究院、Deloitte Analytics高级顾问Tom Davenport谈到了将数据转变为信息,并给CDO们提出了一些建议。
Davenport将自己的演讲题目从《分析的四个时代》改为《信息的四个时代》。他解释说,他认为,让那些不直接接触数据分析的人们意识到分析的重要性--就是把数据转变为信息,这件事情本身就是很重要的。
"基于此,我把演讲主题改为了《信息的四个时代》,以拓宽它的含义,让人们意识到整个世界都在发生变化,不仅仅是数据分析,"他这样解释说。
与C级高管取得统一
"我在雅虎上证实了我的猜测,Usama Fayyad是全球首位CDO,"Dvenport这样表示。"我看了看Usama所做的事情,很多是关于数据产品的,他们选择了'我们可以创建什么有趣的数据产品'这个方向,所以我认为,我们看到在硅谷有很多我称之为大数据时代2.0的公司说,这不仅仅是从数据中做内部决策,还有我们能够在数据方面为客户提供些什么。不仅仅是数据访问,还有真正提供价值的东西。这意味着数据加上分析。"
Davenport给CDO的建议是,在进攻和防守间取得平衡。"防守是作为CDO本性中一个很微秒之处,因为如果你成功了,防止数据泄漏、隐私问题和安全问题的发生,那么没有人一定会把功劳归功于你,后者甚至不知道你的工作是奏效的,"他说。"但如果你失败了,这显然就是你的问题,对你的事业来说是糟糕的。"
他建议CDO用进攻来补充防守,参与到像分析、增加信息价值、实现产品数字化这样的活动中。他还建议与其他与企业数据有关联的C级高管面前保持统一战线。
人类与机器
Davenport谈到了自己的新书《只有人类才需要适应:智能机器时代的赢家与输家》,关于未来人类的工作被机器取代的事情,他稍微乐观一些,他提到了两点原因:一个是对于使用这些技术的人们来说,还会有很多就业机会。
"如果你希望跟上潮流,学习新技术的话,我认为还是有很多机会的,"他说。
另外一方面,就是技术通常是一个缓慢的转变过程。他解释说,如果你跟上技术发展的步伐,给智能机器增加价值,那么你就是安全的。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。