7月8日,“智联世界,众智成城”2021世界人工智能大会正式开幕,此次大会由“会议论坛、展览展示、竞赛评奖、应用体验”四大板块构成。作为数据流通交易领域的平台型企业,上海数据交易中心承办数据要素主题论坛,同时携行业生态伙伴参展线下展览。这也是上海数据交易第一次在公开展会上展示数据交易相关成果,上海数据交易中心在此次大会上形成了八大特色亮点。
亮点一:全国数据交易联盟成立
今年5月,全国数据交易中心联席工作会议首次召开,各地数据交易机构代表齐聚上海,共同谋划数据流通交易的发展。此次大会上,上海数据交易中心牵头各兄弟省份数据交易机构,组织成立全国数据交易联盟,相互交流经验共同探讨面临的问题和挑战,推动以公共数据开放、政企数据融合为基础的创新应用,共同推动数据要素市场建设和发展。同时,发布《数据交易上海倡议》,倡议全国数据交易机构共创新模式、共谋新发展、共建新生态。在展览方面,上海数据交易中心邀请到浙江、安徽、山东、广西等兄弟省份数据交易机构,共同展示数据交易相关成果。
亮点二:首次发布开放数据资产评估方法论
上海数据交易中心承担建设大数据流通与交易技术国家工程实验室,此次大会上,实验室数据资产评估中心首次借用物理学中的“势能”概念作为理论基础,推出“数据势能”新概念及其相应的估值逻辑,就开放数据的估值体系进行研究和探讨,旨在根据开发数据资产的特点,发掘其特有的价值驱动因素及其魅力所在,进一步揭示能够撬动其估值体系的支点。
亮点三:发布基于区块链底层技术的新一代数据交易系统
该系统利用区块链的可追溯和不可篡改等特性,对每笔交易和数据进行确权和记录,解决了大交易量情况下的交易记账、清结算处理和分布式环境下的信息分发、同步和存储问题,构造了开放性、去中心化的可信数据交易服务环境。同时,系统已纳入开放数据资源,汇聚超过1万个高质量数据集,全国18省公共数据100,000个开放数据集,以及人工智能行业2000余个高质量开放数据集。
数据交易即将催生一场全新的商业革命,智能合约保障数据要素的可信交易,这些交易可追踪且不可逆转,为数据要素的可信流通、可信交易保驾护航。上海数据交易中心联合上海信投、亿通国际、上海数字证书认证中心、东方网、简苏网络科技、上海计算机软件技术开发中心、新诤信共同发起成立数据要素智能合约创新联合体。
亮点五:发布可流通算法集
大数据流通与交易技术国家工程实验室发布面向政府机构、科研机构,发布覆盖计算机视觉、NLP、知识图谱等五大领域100个可流通算法集。算法集针对城市运行管理中的案件自动发现,流程智能化,案件质量分析,辅助与决策管理场景进行了特定优化。形成了智能一键上报、作弊案件检测、案件类型标准化等应用。
亮点六:大数据流通与交易技术国家工程实验室发布新一轮研究成果
大数据流通与交易技术国家工程实验室围绕数据治理、交易定价、法律研究发布新一轮研究成果。包括针对数据要素标的物,实验室提出了一整套数据治理体系,该体系亮点:第一,治理规则突出国家和各地法规;第二,以数据合规做为核心目标, 在数据的存储、浏览、分析、传输过程中全生命周期合规治理;第三,数据资产作为该系统的最终产物。
亮点七:发布可信交易框架
大数据流通与交易技术国家程实验室发布可信交易框架,提供一整套基于云端的安全技术、计算技术和流通规则,实现数据“可算不可见”,确保数据所有者对数据的绝对控制权,数据需求方仅可获得计算分析后的结果,无法接触原始数据,确保在数据所有权不变的情况下,实现数据的安全共享,规避了数据的数据泄露等风险。
亮点八:院士专场论坛
“数据新要素、转型新未来”数据要素院士专场论坛邀请到傅志寰、柴洪峰、刘玠、金智新、杨善林,王基铭,丁烈云等中国工程院院士,围绕数据要素流通与管理等议题进行精彩探讨。
数据要素的高效流动促进人工智能产业和数字经济高质量发展,上海数据交易中心是城市数字化转型的赋能者,行业的引领者,为数据要素市场培育与发展做出积极贡献。
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。