第二屆數(shù)字中國建設峰會于5月6日至8日在福建省福州市舉行。本屆峰會的主題為“以信息化培育新動能,用新動能推動新發(fā)展,以新發(fā)展創(chuàng)造新輝煌”。在5月6日上午舉辦的峰會主論壇上,中國聯(lián)通董事長王曉初做了精彩發(fā)言,同與會領導及嘉賓共同分享了他對于通信運營商如何推動數(shù)字中國發(fā)展的思考。
王曉初首先回顧了通信業(yè)的發(fā)展歷史。他指出,以“萬物互聯(lián)、數(shù)據(jù)洪流、人工智能”三大技術為代表的數(shù)字技術在打破行業(yè)界限、創(chuàng)造商業(yè)機會、催生新型行業(yè)的同時,也推動著數(shù)字中國不斷向前發(fā)展。在數(shù)字中國建設過程中,通信業(yè)仍然是基礎性、支柱性、戰(zhàn)略性、先導性的行業(yè)。作為數(shù)字中國發(fā)展的主力軍,運營商將繼續(xù)加快構(gòu)建高速、移動、安全、泛在的新一代信息基礎設施,持續(xù)推進提速降費、攜號轉(zhuǎn)網(wǎng)和電信普遍服務,不斷夯實數(shù)字中國和數(shù)字經(jīng)濟發(fā)展的基礎設施。
王曉初談到,當前數(shù)字中國發(fā)展?jié)摿薮?、市場廣闊。從全球發(fā)達國家的角度看,數(shù)字經(jīng)濟占GDP的總量逐年上升。黨的十九大提出,要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合,建設網(wǎng)絡強國和數(shù)字中國,這一重大戰(zhàn)略部署把握了全球信息化發(fā)展變革趨勢,有利于我國加快建設現(xiàn)代化經(jīng)濟體系。同時,中國也是一個擁有14億人口大國,人口總量直接利好數(shù)字中國建設。
數(shù)字中國戰(zhàn)略是我國經(jīng)濟轉(zhuǎn)型升級的必由之路。王曉初認為,當前數(shù)字中國逐步走向高質(zhì)量發(fā)展,具體體現(xiàn)在改變政府的服務管理方式,提升國家治理能力;改變產(chǎn)業(yè)的生產(chǎn)經(jīng)營方式,促進產(chǎn)業(yè)轉(zhuǎn)型升級;在民生方面,改變?nèi)伺c人、人與物、物與物之間的交互體驗方式,使得人民生活更加美好。
千帆競發(fā),奮楫者前。王曉初談到,前不久中國聯(lián)通在上海舉行合作伙伴大會上,正式啟動“7+33+n”的5G試驗網(wǎng)絡,即在北京、上海、廣州、深圳、南京、杭州、雄安7個特大城市的城區(qū)連續(xù)覆蓋,在福州、廈門等33個大城市實現(xiàn)熱點區(qū)域覆蓋,在n個城市定制5G網(wǎng)中專網(wǎng),同時構(gòu)建各種行業(yè)應用場景,推進5G應用孵化及產(chǎn)業(yè)升級,這標志著中國聯(lián)通始終致力于在信息化建設中發(fā)揮基礎性作用的信心和決心。未來,中國聯(lián)通將繼續(xù)秉承“發(fā)展、開放、合作”理念,以信息化培育5G、人工智能、大數(shù)據(jù)、云計算的新動能,以新動能帶動更多新的應用,助力網(wǎng)絡強國和數(shù)字中國建設。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。