針對(duì)互聯(lián)網(wǎng)未來(lái)發(fā)展政策,國(guó)務(wù)院發(fā)展研究中心研究員劉勇在第二屆“互聯(lián)網(wǎng)高峰論壇-2015紫金之‘顛’”峰會(huì)上提出了四點(diǎn)建議:“大力培育互聯(lián)網(wǎng)+企業(yè);第二是健全互聯(lián)網(wǎng)+產(chǎn)業(yè)發(fā)展的法律法規(guī);第三,不斷完善互聯(lián)網(wǎng)+產(chǎn)業(yè)發(fā)展的體制機(jī)制;另外出臺(tái)一些優(yōu)惠政策,扶持新興產(chǎn)業(yè)發(fā)展。”
國(guó)務(wù)院發(fā)展研究中心研究員劉勇
劉勇認(rèn)為互聯(lián)網(wǎng)+是中國(guó)最重要的經(jīng)濟(jì)增長(zhǎng)點(diǎn)之一。“互聯(lián)網(wǎng)時(shí)代為什么是中國(guó)經(jīng)濟(jì)包括世界經(jīng)濟(jì)的發(fā)展潮流,IT從大環(huán)境來(lái)說(shuō)分三各行業(yè),第一個(gè)是IT制造業(yè),包括硬件,第二個(gè)產(chǎn)業(yè)是IT基礎(chǔ)設(shè)施,包括我們網(wǎng)絡(luò)建設(shè)、基站建設(shè),第三個(gè)是IT應(yīng)用行業(yè),也就是互聯(lián)網(wǎng)+,包括智慧城市等等,這是中國(guó)經(jīng)濟(jì)包括世界經(jīng)濟(jì)技術(shù)進(jìn)步的一個(gè)主流。因?yàn)樗腥齻€(gè)性質(zhì),IT產(chǎn)業(yè)高科技含量,這是毫無(wú)疑問(wèn)的,它和很多行業(yè)可以結(jié)合起來(lái),提高某一個(gè)資源某一個(gè)產(chǎn)業(yè)的利用效率。”
同時(shí)他表示,互聯(lián)網(wǎng)對(duì)中國(guó)的應(yīng)用包括三方面,“一個(gè)是互聯(lián)網(wǎng)要頂層設(shè)計(jì),就是和我國(guó)“四個(gè)全面”治國(guó)思想結(jié)合,也要和中國(guó)“五位一體”經(jīng)濟(jì)發(fā)展戰(zhàn)略相融合。第二,互聯(lián)網(wǎng)和金融融合要與宏觀經(jīng)濟(jì)調(diào)控深度融合,互聯(lián)網(wǎng)+與增長(zhǎng)、就業(yè)、物價(jià)和國(guó)際收支檢測(cè)改善融合,互聯(lián)網(wǎng)+與財(cái)政、貨幣金融、產(chǎn)業(yè)和土地調(diào)控階段的融合。第三,互聯(lián)網(wǎng)+與經(jīng)濟(jì)結(jié)構(gòu)升級(jí)的深度融合,包括工業(yè)化、信息化、城鎮(zhèn)化、農(nóng)業(yè)現(xiàn)代化和生態(tài)化五化。”
以IT技術(shù)為核心的互聯(lián)網(wǎng)時(shí)代成為我國(guó)新常態(tài)局面下最重要的新經(jīng)濟(jì)增長(zhǎng)點(diǎn),在當(dāng)下我國(guó)新舊增長(zhǎng)點(diǎn)處于青黃不接的狀況時(shí),政府在政策上的大力扶持尤顯重要。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。