
5月16日,由国家发展和改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会和天津市人民政府共同主办的第二届世界智能大会于天津梅江会展中心举行。本届世界智能大会以“智能时代:新进展、新趋势、新举措”为主题,在探讨人工智能产、学、研、用的同时,区块链成为大会热词,阿里巴巴董事局主席马云、浪潮集团董事长兼CEO孙丕恕、中国工程院院士邬贺铨都不约而同的看好区块链技术。
阿里巴巴董事局主席马云在谈及区块链技术的时候表示,“我个人非常看好区块链,阿里巴巴已经有几年在进行区块链的研究,在阿里巴巴刚开始投入区块链的时候,我那时候根本没明白什么是区块链,但听说这东西能够解决数据的安全和隐私,阿里巴巴就开始投入区块链。”
图:阿里巴巴董事局主席马云在第二届世界智能大会现场
但马云也强调,区块链不是泡沫,但是,今天的比特币是泡沫。区块链必须是一个解决方案,是解决在进入数据时代的隐私和安全的解决方案。
浪潮集团董事长兼CEO孙丕恕认为,区块链技术可以保证大数据发展质量。
“一个商品的生产到使用有三个过程,第一是生产,第二,流通、检测,在这个过程中,互相是不通的,连不到一起。利用区块链的技术,从生产的源头到使用环节把数据进行打通,老百姓扫个码,就能知道这个产品是什么流程,怎么造出来的,是真是假。现在很多人能喝得起茅台,可是他们并不知道自己喝到的是不是真茅台,区块链技术能够推动中国工业质量的提升。”
无独有偶,学术界对于区块链也十分关注,中国工程院院士邬贺铨提到,消费者在淘宝、京东购物,每一个商品是一次交易,实际上后台跟产品供应方、金融方都是有关联的,每一个区块会复制到所有的关联节点,并且前一个区块跟后一个区块通过前后的分布式记账,在没有诚信的环境上保证交易的不可抵赖,区块链未来在生产环节,在工业互联网里头会得到应用。
图:第二届世界智能大会智能合约与产业区块链培训讲座
实际上,第二届世界智能大会组委会对于区块链技术也非常关注。在大会的培训环节,由至顶网和科技行者主办了智能合约和产业区块链培训讲座,针对区块链目前人才匮乏的情况,进行现场授课,帮助期望使用区块链的企业解决实际难题和挑战,为区块链的人才培养储备蓄能,获得了现场观众的认可,并为在世界智能大会上学习到智能合约和区块链的知识表示赞赏。
我前几天给阿里巴巴员工做证婚,我讲了一个例子,我们蚂蚁金服有一个工程师,他在相亲的简历上写,自己是工程师,写代码的码农,结果没有人点开他的简历看他是谁,女孩子对他没兴趣,后来他把简历改成我是区块链工程师,一下子收了360多封求爱信。
区块链现在是一个热名词,首先,区块链不是泡沫,但是,今天的比特币是泡沫。比特币只是区块链一个很小的应用。
我们并不对区块链技术进行深刻的理解和了解,今天的区块链不是五年以后的区块链,更不是十年以后的区块链,区块链不是一个巨大的金矿,区块链在我认为,至少在阿里巴巴内部,区块链必须是一个解决方案,是解决在进入数据时代的隐私和安全的解决方案。
要把它作为一个给社会带来创造价值的东西,它才有可能变成财富。而今天很多进入区块链的人,把它认为这是将来挣钱的东西,那基本就完了,你首先要想到,它可以解决在数据时代什么问题?它给企业、给政府、给消费者,给社会带来什么独特的价值,这个才有前途可言。
我个人非常看好区块链,阿里巴巴已经有几年在区块链的研究,并且阿里巴巴刚开始投入区块链的时候,我那时候根本没明白什么是区块链,但我听说这东西能够解决数据的安全和隐私,阿里巴巴就开始投入区块链,今天全球区块链专利技术最多的公司是阿里巴巴。
投入做区块链,是因为阿里巴巴没办法,别人搞的网络的信息传播,包括社交媒体,不需要区块链,我们做这个互联网金融,我们在阿里巴巴交易平台几万亿的交易额,几十万亿的交易额,没有区块链是要死人的。阿里巴巴必须要有区块链,但是,我们没去想过这玩意儿可以变成比特币赚钱。
我自己觉得,区块链不是泡沫,区块链必须是一个对社会、对数据、对老百姓、对政府、对企业的一个解决方案。如果你扎扎实实做下去,一定会带来回报。但是今天的区块链变成热名词,实际上,不是每个企业都可以从事区块链技术的。现在,有很多人在买卖区块链的东西,这也是比较令人担忧的。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。