由泰伯网主办的“WGDC2018地理信息开发者大会”上,作为海洋信息化领域排头兵企业,星天科技应邀参加并承办大会首届“空间大数据+海洋大数据”峰会专题论坛并参展。
“空间大数据+海洋大数据”峰会主题为“全息感知海洋,发现数据价值”,中国太平洋学会海洋智能装备分会秘书长吕曰恒任大会主持人,来自中国工程院、国家海洋局、解放军信息工程大学、海军大连舰艇学院、海军出版社等部门的领导及专家出席了会议。
中国太平洋学会海洋智能装备分会秘书长吕曰恒
来自中国工程院院士、国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室主任、中国海洋学会副理事长、国家海洋信息化技术专家组组长、国际海洋水色遥感专家组专家潘德炉院士首先发言。潘德炉指出,海洋信息化的发展离不开大数据的支持。时下与海洋信息化紧密相关的“智慧海洋”“智能航海”“数字海洋”等信息工程,全都围绕大数据展开。
他在主题为《大数据是智慧海洋建设的灵魂》的报告中讲述,究竟什么是海洋大数据,海洋大数据的未来发展方向在哪里,如何才能让我们海洋大数据的发展步步为营。他提出建设海洋强国的三个标准:1、公民关心海洋的程度有多高?2、公民科学认识海洋的水平有多高?3、国家经略海洋的能力有多大?并对智慧海洋精神内容作出解释:海洋信息智能化的基础设施建设;核心的智能科技创新研发。
中国工程院院士、国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室主任、中国海洋学会副理事长、国家海洋信息化技术专家组组长、国际海洋水色遥感专家组专家潘德炉院士
北京星天科技有限公司总经理苏晓阳作《海洋时空大数据平台的建设思路》的报告,讲述了星天科技军民融合的发展之路,通过多年的深耕努力,突破了一系列关键技术壁垒,为全海洋测探链条提供系列化、全国产、自主知识产权的海洋测探装备产品、数据处理系统和保障服务,在智慧海洋、海洋大数据、大主题、大时代、大智慧层面提供从感知层到应用层的全产业链产品布局、技术理念和产品成果。
在智慧海洋、海洋大数据、大主题、大时代、大智慧背景下,星天科技面向海洋大数据行业发展应用现状,首次提出“全要素”“全链条”“全时空”“全维度”的海洋大数据“四全”的认知概念,结合星天的实践,在“软硬结合、打破孤岛、有序整合、逐步完善做部署”的海洋时空大数据引擎的发展路径指引下下,建立全面的合作生态,服务于数据业主,服务于产品用户,以及服务于合作伙伴。
谈及海洋大数据发展的未来趋势,结合潘德炉院士提出的高昂测量成本制约海洋信息发展的问题,星天科技体系化提出了利用民用船只搭载高性价比、自主、智能的测量载荷,结合海洋大数据引擎的分析和处理能力,形成广泛区域海洋感知全球化大数据整合的未来发展愿景,并期待星天的软硬核心技术能力和全面发力的海洋大数据引擎能够携手合作伙伴与同路人,助力全国海洋行业的发展。
北京星天科技有限公司总经理苏晓阳
来自大连舰艇学院的彭认灿教授作题为《海洋环境信息一体化保障技术》的技术分享报告,讲述了海洋环境与海洋安防的保障技术对于海洋可持续发展的关键作用。
大连舰艇学院的彭认灿教授
原海军出版社的高级工程师王斌作《海洋大数据与海图一体化生产系统》的主题报告。他表示,海洋大数据发展处于初期阶段,受制于体制化管理、综合应用能力薄弱以及数据交流共享机制匮乏等原因,形成了顽固的数据壁垒,因此建立海洋大数据服务联合体,在海洋大数据的相关部门建立互联互通的网络平台势在必行,依托计算机网络和大型空间数据库,实现基于数据库驱动的制图生产服务体系将是解决大数据难题的捷径。
原海军出版社的高级工程师王斌
来自北京海量数据技术股份有限公司的技术总监陈继东和北京信威科技集团股份有限公司的市场技术部总经理陈彦龙带来《两地三中心架构实现数据安全分级保障》及《无线通信服务海洋大数据发展》的主题报告,分别从数据安全和数据无线传输的技术角度,描述了其在海洋大数据领域的关键作用。
左:北京海量数据技术股份有限公司 技术总监 陈继东;右:北京信威科技集团股份有限公司 市场技术部 总经理 陈彦龙
会上,由星天科技牵头成立《海洋大数据产业联盟》,该联盟旨在聚合业界优质资源,凝聚企业核心竞争力,通过联盟的模式,合力打造全产业链式价值平台,为促进海洋信息化行业模式优化,海洋大数据业务平稳可持续发展,企业创新联动建设而奉献自己的力量。联盟吸引了来自各沿海城市的众多企业加入。
《海洋大数据产业联盟》签约现场
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。