2020年“疫“始,北疆高校以信息化为武器,奋战在抗疫第一线,支撑了高校返校复课。战“疫“过程中,信息技术也成为了校园师生沟通、校园管理的纽带,走到了校园教学、管理、科研、服务的感知层面。
近期,在华为Σco时间——重构校园“新”内核,筑蒙新“基“遇”线上直播会议上,华为中国政企智慧校园解决方案总监董峰与三盟科技股份有限公司大数据产品总监罗龙分别分享了华为智慧校园实践以及校园“教育大脑”—AI+大数据智慧校园整体解决方案。一起研讨面向新基建的后“疫“情时代,如何利用云计算、人工智能、物联网、大数据等高新技术激活沉淀的校园数据资产,发挥数据价值,促进高校整体数字化转型,以智慧校园建设带动科研和人才培养,构筑内蒙新基建下的人才生态和产业支撑。
数字校园向智慧校园转型进行时
《国务院关于印发国家教育事业发展“十三五”规划的通知》谈到,支持各级学校全力推动信息技术与教育教学深度融合,鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈。为推动个性化学习和针对性教学,学校积极建设智慧校园,综合利用互联网、大数据、人工智能和虚拟现实技术探索未来教育教学新模式。
在数字校园的建设过程中,从传统的信息化建设到新一代信息技术创新应用的建设过程中,数字校园面临信息、业务、数据孤岛等挑战。数字校园向智慧校园转型就是要打通业务孤岛,实现互联互通,来打造基于大数据的智慧教学环境、智慧教学资源、智慧校园管理、智慧校园服务以及信息安全体系等。
面对数字校园向智慧校园转型的数字化挑战,华为联合合作伙伴基于自身实践和行业经验积极有序的推动智慧校园的建设。
智慧校园建设需要顶层设计
“自己的降落伞自己先背着跳一回,华为通过自身实施数字化改造,把所有的风险和困难都经历一遍,以便后续为客户提供更好的价值服务。” 董峰表示,基于华为自身数字化转型的成功经验,华为凭借ICT行业引领能力和顶层咨询规划能力,成功落地“云中苏大”等校园案例。
华为在信息化领域的经验和能力可以为学校智慧校园的建设提供顶层设计,通过系统谋划,从全局的角度,对各个高校的信息化建设进行统筹规划,形成“一盘棋”的整体战略思维,提出更加规范、有序、全面推进智慧校园建设的纲领性文件,保障智慧校园的建设从战略到执行有序、高效,不偏离轨道。
三盟科技为智慧校园打造“教育大脑”
三盟科技结合新一代信息技术融合人工智能技术AI、大数据技术AIoD、 物联网技术AIoT、人脸识别技术AIoF四大核心技术,推出“教育大脑”智慧校园系列产品,全面提高高校在环境建设、教学和管理领域的应用服务水平。
罗龙表示,“教育大脑”作为校园核心决策中心,实现新一代信息技术与教学能力、学生安全和校园管理与社会服务的高度融合。结合人工智能、物联网等先进技术自动识别潜在风险点,实现安全事件提前预警、教学资源实时推送、管理行为精准预测,通过联动和专业分析,构建涵盖校园智慧教学环境、智慧教学资源、智慧校园管理、智慧校园服务等的一体化校园建设。
通过建立校园大数据平台,整个校区数据治理基本完成、业务系统烟囱消失、数据准确性和一致性问题得到解决,实现全校数据共享和决策,为高校提供教育教学智能一体化平台,融合多种教学场景,为学校展现教育教学全过程真实面貌,从而极大提高学校教学质量。
通过新一代人脸识别、人工智能等技术,建立大数据BI系统,实现全校态势感知和实时监控,为智慧校园的建设,积极发挥大数据预测预警的功能,从而提高了校园安全管理水平。
我们可以看到,基于华为智能校园整体解决方案,通过三盟教育大脑的落地,能够实现了对智慧校园“新”内核的重构,助力智慧校园从校园安全到教学质量、校园管理等全方位的提升。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。