CNET科技行者 8月4日 北京消息:澳门这座古老而现代的国际都市将以开放的姿态全面拥抱云计算和人工智能。2017年8月4日,澳门特别行政区政府与阿里巴巴签署《构建智慧城市战略合作框架协议》,将应用阿里巴巴领先的云计算和人工智能技术,在交通管理、旅游、医疗服务、城市综合管理、人才培训等方面展开合作,为澳门构建城市治理的人工智能中枢,助力澳门发展成一个“以数字引领科技,智能服务民生”的智慧城市。
战略合作框架协议签署仪式于4日上午在澳门特别行政区政府总部举行,在澳门特别行政区行政长官崔世安、阿里巴巴集团董事局主席马云见证下,澳门特别行政区行政长官办公室主任柯岚、阿里云总裁胡晓明分别代表双方签署。
未来,最早孵化于杭州的城市大脑将为澳门智慧城市建设提供技术和经验借鉴。阿里云将提供云计算能力和智能技术,协助澳门建立城市治理的人工智能中枢,助力澳门成为亚太区域智慧城市发展的风向标。
据介绍,该项目将历时4年,预计在2018年中初见成效。项目首阶段预计由2017年至2019年期间展开,主要完成云计算中心建设,并逐步开展促进旅游、交通管理、医疗服务、电子政务等智能应用项目;第二阶段合作预计由2019年7月至2021年6月,除继续完善基础设施建设外,双方将在环境保护、海关通关和经济预测等方面展开合作。
双方合作项目主要聚焦:1、推动澳门云计算中心建设;2、将澳门打造成新型智慧旅游城市;3、构建城市的智能交通网络,通过水路、陆路、空路的资源优化配置,实现交通资源的智能调配;4、云计算人工智能人才培养。
澳门特区政府行政长官办公室主任柯岚在当日举行的新闻发布会上表示,智慧城市是一个系统化、全局化工程,是特区政府发展经济、改善民生的战略性举措,“特区政府认真参考其他先进地区的建设经验,并在经过充分研究和讨论之下,决定与阿里巴巴集团展开合作,共同推进建设云计算中心及应用大数据技术项目,以云计算作为基础、大数据作为支撑,打通特区数据的脉络,改善经济社会运作的模式,推动智慧城市发展。”
阿里巴巴集团资深副总裁、阿里云总裁胡晓明在新闻发布会上介绍,本次合作是阿里云进入全球化2.0阶段的成果之一,已经在杭州试点成功的城市大脑相关技术和经验,将为澳门智慧城市建设提供技术和经验借鉴。据介绍,城市大脑是目前全球最庞大的人工智能系统,被誉为AI领域的“登月计划”。此前,城市大脑已经在杭州成功试点,试点路段车辆通行速度最高提升了11%。
基于这一平台,已经诞生了很多世界级的技术,比如创造了全球权威机器视觉算法测评平台KITTI的世界纪录。未来四年,这些世界级技术也将应用到澳门智慧城市建设中。
例如在交通领域,对于常住人口仅60余万人、每年接待旅客数量超过3000万的澳门,城市大脑将协助澳门在红绿灯、公共交通、路网资源等方面实现对全城公共资源的智能调度,最终实现对交通状态的全面掌握、对道路通行速度的实时优化,促进城市的可持续发展。在旅游方面,阿里云将提供全套的AI方案,实现对澳门旅游的智慧化改造,为旅客提供千人千面个性化旅游服务,创造更为方便、快捷、舒适、智慧的旅游体验。
此外,本地人才培养也将成为项目的核心内容,项目将帮助澳门培养一批云计算人工智能人才,建立澳门科技创新体系。
在新闻发布会上,柯岚还提到澳门特区政府与阿里巴巴今天合作的原因,是考虑到阿里云是中国最大的云服务供应商,在国际上亦处于领先的地位,阿里云的服务覆盖全球200多个国家和地区。同时,阿里云是亚太地区认证合规最完备的云计算平台,在技术和经验上都获得认可。
过去三年,阿里云已经建立起亚洲规模最大的计算资源平台,为孵化于杭州的城市大脑创新探索走向世界,提供了基础设施平台。此外,阿里云建立了全球化的人才资源储备,在香港、澳门、新加坡、马来西亚、迪拜、德国、法国、英国、美国、日本等地建立了技术和市场服务团队。现在,阿里云希望在基础设施之上,将人工智能ET带向全球。
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。