如果说人类进步在于突破创新,那么推动下一次突破创新的力量将来自于数据。日前,在以“突破”为主题的T11 2018暨TalkingData数据智能峰会上,数千名相关行业从业者探讨以数据驱动突破发展的新模式、新路径。大会设置数据智能峰会,以及“数创未来”智慧城市峰会、“智变金融”新金融峰会、“数聚零售”新零售峰会以及智胜营销暨Best Audience Buying颁奖盛典。
互联网、大数据、云计算、人工智能、感知计算……认知一次又一次带领我们探索技术的边界,触及更深远的智慧壁垒。在题为“认知 • 未来”开场演讲中,红杉中国专家合伙人车品觉认为,作为新时代的认知方式,大数据将重塑人类未来。而面对全球数据量的几何增长,数据智能时代也将成为人工智能的后时代。
TalkingData 创始人兼首席执行官 崔晓波
围绕“突破——新生态下的数据智能服务”主题,TalkingData 创始人兼首席执行官崔晓波从战略与产品、安全合规、行业合作、研究探索等几方面,对TalkingData的发展历程、目前规划与企业愿景进行了深入解读。依托自2011年成立以来的七年发展与不断探索,TalkingData公开了以“数据智能服务平台”为核心的整体平台全景图,夯实数据工程、数据科学基础能力,针对各行业业务场景提供数据智能应用,同时连接多维度数据源与第三方服务商,构建完善数据智能生态。
践行开放共享的核心战略,TalkingData此次重磅发布合作伙伴共创计划——“百灵计划”,宣布将投入价值1亿元的资源,为100家合作伙伴提供100天的免费开放数据、开放算力以及服务与培训,加速赋能合作伙伴发展。此外,TalkingData还在大会上正式宣布与三大运营商建立深度合作,以“连接”实现数据价值的飞跃。
TalkingData合伙人兼执行副总裁 林逸飞
商业发展方面,TalkingData合伙人兼执行副总裁林逸飞带来了“以数据智能探索业务突破”的分享。他着重介绍了TalkingData总结提出的“D2D数字化转型方法论”,强调从业务“数字化”到目标结果“数字化”的核心思维,并以整合合作伙伴与TalkingData自研的全景数据应用与方案,为企业客户提供业务场景落地服务。民生银行信用卡中心、绫致时装、中国移动物联网有限公司也作为重要合作伙伴代表登台,分享了在企业数字化转型方面的独到见解,以及与TalkingData合作探索转型创新的经验。
其他四大峰会上,“数创未来”智慧城市峰会与大数据产业、智慧城市设计师、建设者、管理者、使用者等各领域专家,共话数据治理与新型智慧城市健康快速发展之道。“数聚零售”新零售峰会则邀请绫致时装、影儿时尚、菲仕兰乳制品等零售企业,探寻传统零售业的转型之路。“智变金融”新金融峰会从解决实际业务问题角度出发,携手来自证券时报、国泰君安、兴业数金、中国银行、民生科技等企业的嘉宾,探讨如何借助数据智能助力金融企业实现价值提升。智胜营销峰会正式揭晓了金融、电商、游戏、汽车、新零售五大行业人群最具投放价值媒体奖,暨“Best Audience Buying”,并由圈内大咖分享五大行业的人群画像及特征洞察报告。
TalkingData表示,连续四年举办T11数据智能峰会,还是以实现“数据改变企业决策,数据改善人类生活”的愿景为初心,希望通过这个聚合性平台诠释数据所蕴含的力量,帮助更多企业实现数据驱动转型,加速各行业的数字化进程,利用数据智能推动社会和人类生活的提升。
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。