至顶网网络频道 03月29日 北京报道:当前以信息技术为基础的新一轮科技和产业革命正在萌发,数字经济发展成为全球广泛关注的重大课题。目前,数字经济正日益成为世界经济包容性增长和可持续发展的新引擎,大力发展数字经济,已成为全球共识。
中国电子信息产业发展研究院院长卢山
在以主题为“人工智能开启数字经济新时代”的2018中国IT市场年会上,中国电子信息产业发展研究院院长卢山对当前人工智能和数字经济的发展做了如下阐述。
KTI是未来数字经济的主要阵地
卢山讲到:“首先我们要说工业革命带来了什么?在过去300年中,工业在持续的变革,这个大的变革不仅仅改变了我们的生产方式,更重要的是改变了生活方式。那么在这样的工业变革的基础上,又叠加上了信息革命。两个革命叠加在一起,我们看到我们的加工对象从材料变成了无形的数据,我们也看到加工工具从自动化、机械化变成了机器人,变成了人工智能。所以这两个革命当中,有一个交叉点就是人工智能。”
卢山进一步解释称,“工业革命讲数字化、网络化和智能化的发展趋势,这轮信息革命的驱动力也是由人工智能为代表的智能化技术。因此以智能化技术驱动工业革命、驱动信息革命,就成为这两种革命的交叉点。”
同时,卢山认为这两种革命的交叉点最后改变的是产业的形态,并分享美国自然基金委刚刚发布的2018年科学工业报告当中给出的一个新名词KTI(知识与技术密集产业),报告当中认为人工智能驱动工业革命,驱动信息革命,两种革命叠加在一起,产生的产业叫做知识技术产业,而KTI未来也将是数字经济的一个主要的组成部分。
智能制造是数字经济的主攻方向
工业和信息化部副部长辛国斌
在会议当天,工业和信息化部副部长辛国斌对数字经济也给出了自己的表述,并结合制造强国建设,围绕大力发展数字经济,就数字经济发展的主要方向给出了重要参考:
首先,要以智能制造为主攻方向,加快培育新业态、新模式。大力发展智能制造是推进信息化和工业化深度融合的重要途径,也为互联网、大数据、人工智能等新技术、新产业提供了巨大发展机遇。2017年,我部共确定了202个智能制造综合标准化和新模式应用下,97个智能制造试点示范项目,完成了25个智能制造标准立项。在示范项目的带领下,一大批企业积极推进智能化改造升级,服务型制造,共享经济等新模式日益普及,形成了许多新的增长点。
其次,要以制造业创新中心为核心节点,加快完善制造业创新体系,创新是制造业转型升级的根本支撑,也是数字经济发展的主要引领,中国制造2025提出实施国家制造业创新中心建设工程,目前我们确定了未来三到五年国家制造业创新中心重点建设的22个领域,已经成立了两个创新中心。制造业创新体系的不断健全,重点领域关键技术供给能力将得到有效提升。
第三,要以工业互联网为重要抓手,持续推动制造业与互联网深度融合,大力发展工业互联网可以充分释放网络互联与数据智能对制造业转型升级的巨大推动作用,大速提升全要素生产力,加快构建工业互联网网络平台安全三大体系,利用云计算大数据人工智能等关键技术,促进行业数据汇集共享和挖掘分析,逐步引导形成产业链上下游融通发展的跨行业、跨领域的工业互联网体系,为产业升级提供重要支撑。
第四,要以制造业双创平台为重要载体,积极营造大中小微企业融通发展的新生态。制造业双创平台是中国制造2025加互联网加双创融合发展的焊接点。我们推动制造业双创平台建设,截至2017年年终,我国制造业骨干企业双创平台普及率达到了60%,大中小微企业融通发展、集群发展的制造业新生态正在形成,有利助推了数字经济融合发展。
最后,辛国斌指出,当前全球新一轮的科技和产业革命正日益兴起,也在颠覆和重塑传统产业分工模式,组织方式乃至发展形态,并推动世界经济政治格局的深刻调整。这轮变革最典型的标志就是经济的数字化转型发展,而最关键的动力就来自于人工智能等前沿技术的创新与突破。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。