
自从“智慧城市”的概念推出以来,全世界各国、各领域、各产业的人们都在寻求“智慧城市”的发展之路。
12月12日,2014 DIY SMART CITY社会创新峰会在北京成功举办,共有400余名来自不同国家、不同城市、不同行业的关注智慧城市建设的创变客们济济一堂,带着他们对智慧城市的期许、问题及创意,同来自全球的智慧城市实践者和研究者们共同探讨“以人为本的中国特色城镇化发展的挑战与机遇”。
什么是2014 DIY SMART CITY社会创新峰会?
2014 DIY SMART CITY 社会创新峰会是由芯世界社会创新中心联合英特尔(中国)有限公司、中关村物联网产业联盟、英国皇家艺术基金会(NESTA)、联合国开发计划署(UNDP)、爱创家(Ashoka)共同发起的。旨在通过联结创变客从而推动官产学研及社会组织的跨界合作,建立学习型网络,共同探索和实践以人为核心的中国特色城镇化的方法、路径和模式。
什么是“智慧城市”?
关于“智慧城市”的定义,每个人心中应该都会有属于自己的标准,目前智慧城市联盟所做的定义是这样的:“智慧城市就是运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息,从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。其实质是利用先进的信息技术,实现城市智慧式管理和运行,进而为城市中的人创造更美好的生活,促进城市的和谐、可持续成长。”
英特尔中国研究院院长 吴甘沙对“智慧城市”的解读
峰会上,英特尔中国研究院的院长吴甘沙先生在主题演讲中,为到场的创变客们详细解读了他眼中的“智慧城市”。吴院长通过亲身经历,讲解了“智慧城市”的建立应当是结合“自顶而下”与“自下而上”两种方式来进行DIY,从而实现利用未来的城市基础设施支持和放大开放式创新。与此同时,吴院长还提出了“龙时代”的软件定义城市与城市生活实验室。
“龙时代”的软件定义城市:“龙时代”是一个简称,具体来说就是龙这个单词“Dragon”中的每个字母都有其代表的概念。“D”是指“Data driven”数据驱动、全局优化;“R”是指“Resilient”弹性、可管理;“A”是指“Automated”自主、高效率;“G”是指“Gamified”游戏化;“O”是指“Open”开放;最后“N”是指“Networked”互联。“龙时代”的深度含义,成功的定义了未来建立“智慧城市”的主控软件所需要必备的条件。
城市生活实验室包含了城市DIY工具+个人LIFE仪表盘、居民应用商店、开放数据集市以及城市操作系统。而英特尔本身也正从这些方面入手,发挥自身芯片技术与计算能力的优势,积极与其他行业的合作伙伴联手,共同助力“智慧城市”的建立。
关于“以人为本的智慧城市”主题深入讨论
大会上围绕“全球以人为本的智慧城市的发展现状”和“对以人为本的智慧城市的探索”主题展开了深入的讨论。韩国水原市副市长李在俊、开放数据中国联合创始人高丰、巴塞罗那智慧市民项目发起人托马斯.迭兹、国家发改委城市和小城镇改革发展中心副主任邱爱军等重量级嘉宾也都分享了各自的实践经验及理性思考,并深度讨论了将这些经验引入中国的可能性。
英特尔全力助力中国“智慧城市”的建设
目前,政府对于中国“智慧城市”的建设提供最大的支持与方便,英特尔也紧跟政府的脚步,以自身独有的优势,全力推动中国“智慧城市”的建设与发展。英特尔中国首席责任官杨钟仁表示:跨国机构的资源、全球视野和专业知识能在以人为本的智慧城市建设中发挥积极作用,技术和社会创新的融合会让城市的市场变得更宜居、更繁荣。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。