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
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。