2021年,是“十四五”的开局之年,更是全面推进“乡村振兴”的元年。在乡村的百年变革中,作为重要抓手的数字乡村建设,正在整体提升农业农村的现代化水平,打造高质量的乡村治理模式,促进农业全面升级、农村全面进步、农民全面发展,成为了数字中国和乡村振兴战略实施的重要结合点。
今年年初,鹰潭市全域被列为首批国家城乡融合发展试验区。在城乡融合发展的大背景下,贵溪看到了数字化创新在推进乡村治理体系和治理能力建设中的价值,与紫光股份旗下新华三集团深化合作,依托鹰潭市政务服务一体化平台,改造贵溪分厅,让智慧城市的创新技术向乡镇、村一级延伸,推进乡村数字治理能力和体系的打造,以乡村数字治理为突破口,激活乡村振兴新动能。
走进雷溪,感受数字治理
在贵溪市南郊雷溪镇,一台简简单单的手机,成了村民们享受数字化政务服务的新窗口。在这里,党员们可以通过视频会议和直播,远程参加“三会一课”,在党员之家则可以随时随地了解家乡动态,更好地服务基层广大党员工作和学习;对村民们而言,如果发现路灯坏了或者村里卫生环境出现了问题,也可以在治理平台上一键提交,相关负责人会在第一时间及时响应,彻底简化了过去“流程多、跑断腿”的棘手问题。
除此之外,雷溪镇更依托数字化平台上线了积分制度,实施家禽圈养,得3分,否则不得分;房前屋后农具、柴火堆晾衣架等摆放整齐,垃圾定期清理,得2分,发现一处陈年垃圾或乱堆放的,扣1分……这些看得见的积分记录,让乡村治理有了量化标准,极大地鼓励了村民们主动维护村容村貌,守护共同的生活家园。同时,乡民们还可以用积分兑换福利,10分可换一包洗衣粉,20分可兑换一件生活用纸,极大地提升了村民对于公共生活的参与感。
在雷溪镇发生这些变化的背后,是贵溪市推进政务服务向乡镇、乡村延伸的坚持。今年7月,雷溪镇率先开展了县域治理现代化乡村基层智治试点工作,推出包括基层数字党建、三务公开、民情反馈、办事不出村、村民积分、你“钉”我办、视频会议、活动直播、邻友圈等十余个应用场景,有效推动了基层公共服务的数字化、精准化、智能化、精细化供给,为贵溪市城乡融合高质量发展营造出良好的环境,跑出了加速度,提升人民群众的获得感、幸福感、安全感。
基层求变,贵溪数字化创新让治理更有力
今年五月,贵溪市下发了《关于“互联网+政务服务”向乡镇(街道)延伸工作的通知》,全面梳理了乡镇(街道)以及下属村、社区级政务服务事项清单,总计收集了633个服务事项。在此基础上,贵溪市深刻把握鹰潭市建设国家城乡融合发展试验区的契机,以服务民生、便民惠民为立足点,以信息化技术为支撑,通过“赣服通4.0”、“赣政通”、政务服务网延伸工程建设等智慧应用的部署,优化办事流程,简化办事材料,强化业务协调,达到数据多跑路、群众少跑腿的目的。
目前,贵溪市的乡镇政务服务事项已经全面部署到位,村级塘湾镇芦甸、雷溪南山村分别上线52项、65项涉及计划生育、社会保险、人口户籍等群众高频服务事项,取得了良好的试点效果。同时,贵溪市已经在“赣服通”、“赣政通”平台上梳理政务应用事项59个,“一链办理”事项清单25个,确认上线开办餐饮店、烟酒类商店、书店、电影院等4个事项,减少材料重复提供18项,优化流程2项,为广大群众提供更加便捷的在线政务服务。
乡村兴则国家兴。面对“十四五”新发展阶段数字乡村发展的重要关口,贵溪市将继续与新华三集团深度配合,以全面领先的创新技术升级服务事项管理等数字化系统,构建乡村数字治理革新的支撑平台,坚持以“便民、利民、为民”的服务理念,想群众之所想,急群众之所急,以数字政府价值的延伸,打造数字乡村,让每一个村民的生活更幸福。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。