泸州市数据局每周工作简报第8期(2024年10月28日—11月1日)

文摘   2024-11-03 15:33   四川  


数字泸州


>>10月31日,市人大常委会党组书记、主任鞠丽率队前往数字泸州投资集团有限公司走访调研,通过现场查看、座谈交流等方式了解企业经营情况及存在问题。



鞠丽主任对数字泸州投资集团有限公司提出的问题进行了一一回应,并表示现场无法立刻解决的问题,将适时召集相关部门研究,帮助协调解决。


>>11月1日,四川化工职业技术学院党委书记刘志勇带队考察调研“城市大脑”项目。考察组听取了关于泸州市数字经济发展情况介绍,并通过观看演示,详细了解泸州市“城市大脑”项目建设情况和城市数字驾驶舱、城市体检评估、酒城招商数智云平台、城市“云眼共治”、渣土车治理、危化“安全链”和数字孪生示范应用等场景打造情况。市发展改革委总工程师肖昌燕陪同参加。


>>10月30日,市数据局发布《泸州市数据局关于公开征集数据领域专家库成员的公告》,公开征集数据领域专家,组建我市数据领域专家库,旨在进一步发挥专家在专业领域的优势和智囊作用,提升我市数据领域政策研究、决策咨询、评审评价等工作的科学性、规范化和专业化水平,加快形成数字人才集聚效应,更好支撑数字经济发展。

>>11月1日,市数据局与市自然资源和规划局举行泸州市城市大脑应用场景数据对接洽谈会。会上,市数据局介绍了城市大脑建设的有关情况,双方就时空规划专题的数据安全和数据更新、共享机制等方面的内容展开深入交流。此次洽谈将促进城市大脑项目的数据资源共享与更新,确保数据安全,优化应用场景功能。

>>截至11月1日,泸州市数据资源管理服务平台已归集全市295家单位数据,向社会开放数据集13942个,库表交换数据量44.53亿余条,接口调用13243万余次。



数据瞭望



>>10月28日,国家数据局在山东济南召开会议,学习贯彻《中共中央办公厅、国务院办公厅关于加快公共数据资源开发利用的意见》,开展政策宣传解读,推进工作经验交流,部署贯彻落实工作。


会上,国家数据局宣布启动“国家数据局重点联系示范场景”建设任务。从当前开始到2025年底,国家数据局将会同有关行业主管部门,指导各地数据管理部门,大力推动供需对接、部省协同,每季度发布一批重点联系的数据应用示范场景,培育形成一批企业、群众可感可及的应用成果,打造一批可复制、可推广的开发利用模式。

>>20241028日,全国数据标准化技术委员会成立大会暨第一次全体委员会议在京召开。国家数据局党组书记、局长刘烈宏出席成立大会并讲话。



刘烈宏指出,数据标准是数据工作体系的重要组成部分,面对新形势新情况新要求,要守正出新、锐意进取,切实做好数据标准化工作,扎实开展数据标准建设。要着力构建数据标准化工作的良好生态,加强理论学习,加快标准制定,注重标准推广实践,密切团结专家,深化国际合作,把全国数标委建成共商合作、共促发展、共享成果的工作交流平台。要发挥人才荟萃、智力密集的优势,多出标准,出好标准,为数据标准化工作和我国数据事业发展贡献力量。


>>10月30日,全国数据标准化技术委员会围绕数据治理、数据流通利用、数字化转型、数据技术、数据基础设施等重点领域提出了2024—2025年拟制修订的37项重点标准项目,旨在发挥标准在规范数据基础设施建设、促进数据资源高质量供给、推动数据高效有序流通、引领数据技术迭代创新、形成多元数据融合应用新格局的基础和支撑作用。



数据观察



>>2024人工智能十大前沿技术趋势展望发展

近日,2024年世界科技与发展论坛“人工智能治理创新,为培育科技治理生态构建国际信任基础”主题会议在京举办,世界机器人合作组织理事长、中国科学院院士乔红在会议上发布了2024人工智能(AI)十大前沿技术趋势展望。


1.小数据和优质数据
大量的无效数据不仅消耗了计算资源,也给模型可靠训练带来挑战。在此背景下,小数据和优质数据的价值越来越重要。小数据更注重数据的精度和相关性,从本质上减少人工智能算法对数据的依赖和不确定性,增强网络可靠性。建设多样性的数据集不仅能够从理论基础上支撑不同技术路线的AI发展,还为解决通用人工智能的瓶颈问题提供新的可能。

2.人机对齐
只有AI的输出结果与人类价值观相符,才能确保AI模型的能力和行为与人类意图保持一致。仅依靠数据和算法并不足以实现人机对齐,这意味着在设计奖励机制时,不仅要考虑任务的效率、效益和效果,还需要考虑行为是否符合人类的伦理标准。

3.AI使用边界和伦理监督模型
当前AI系统的合规性、安全性和伦理问题越发突出,建立一个AI监督模型框架尤为必要。其主要目的是通过制定明确的标准和规范,确保所有AI系统在开发和使用过程中遵循既定的原则,从而减少AI在制度没有确定的情况下被过度使用所带来的风险。

4.可解释性模型
在保障有效性的前提下,提高可解释性,有助于减少对公共资源的消耗,增强用户对AI系统的信任度,并促进其在关键领域的应用。例如在医疗健康领域,一个具有高可解释性的AI诊断系统能够让医生更容易理解其判断依据,减少不必要的检查和治疗程序。

5.规模定律
基于海量参数和训练数据的大规模预训练模型能够有效提高人机交互和推理能力,增强可完成任务的多样性和丰富性。目前规模定律依然有效,不仅体现在语言模型上,也在图像处理、语音识别等多个领域中得到了验证。

6.全模态大模型
全模态大模型可处理和理解文本、图片、音频、数据表格等多种类型的数据输入,并根据任务需求生成多种类型的输出。例如引入通常用于捕捉三维空间信息的3D点云数据模态,对于机器人的导航和避障尤其重要。

7.人工智能驱动的科学研究
使用大模型、生成式技术等来提高科学研究中提出假说、试验设计、数据分析等阶段的效率和准确性。科学家们可以利用AI技术进行实时的试验监测和调整,快速反馈试验结果,动态优化试验设计和假设。

8.具身小脑模型
传统大模型可以协助机器人处理决策、任务拆解和常识理解等慢通道反应任务,但不适合做强实时性和高稳定性的机器人规划与控制快通道反应任务。具身智能(人工智能在物理世界的进一步延伸,一般是指可以感知、理解物理世界并与其形成互动的智能系统)小脑模型可以通过多模型投票等集成学习方法,结合机器人本体结构与环境特性选择合理的模型控制算法,确保机器人在理解自身本体约束的前提下,完成高动态、高频、鲁棒的规划控制动作,使智能机器人更加满足现实世界的精细操作与实时控制需求。

9.实体人工智能系统
实体人工智能系统是将具身智能赋能于物理世界中的实体对象,使传统设备能够突破其原有的功能限制,实现更高水平的智能化操作。人形机器人是实体人工智能系统的终极表现形态,它不仅具备多模态感知和理解能力,能够与人类自然互动,还可以在复杂环境中自主决策和行动,并有望在未来应用到更多复杂的工作场景中。

10.世界模拟器
世界模拟器能提供沉浸式的高仿真体验,为使用者带来更加丰富和多样化的游戏世界,可应用于教育、娱乐等领域,还可以创造更多超级数字场景。在机器人领域,这种技术还可用于构建大规模、标准化的多模态机器人行为数据集,提高机器人本体设计、仿真训练和算法迁移的能力。(来源:光明日报)



数据科普



>>数字产业化 vs 产业数字化


数字产业化和产业数字化是数字经济的两个重要组成部分,它们既有联系又有区别。

数字产业化即数字经济核心产业,是指为产业数字化发展提供数字技术、产品、服务、基础设施和解决方案,以及完全依赖于数字技术、数据要素的各类经济活动。

主要包括电子信息制造业、软件和信息技术服务业、通信业、互联网行业等。例如,智能手机的生产属于电子信息制造业,办公软件的开发属于软件和信息技术服务业,移动通信服务属于通信业,电商平台的运营属于互联网行业。

产业数字化是指传统产业应用数字技术所带来的生产数量和效率提升,其新增产出构成数字经济的重要组成部分。

具体涵盖农业数字化、工业数字化、服务业数字化等各个领域。比如,利用物联网技术实现农业生产环境的实时监测和智能控制属于农业数字化;通过工业互联网实现工业设备的互联互通和协同生产属于工业数字化;借助在线旅游平台为游客提供个性化的旅游服务方案属于服务业数字化。




END



泸州发改发布
泸州发改委
 最新文章