ZD至顶网网络频道 03月10日 综合消息:3月9日下午,全球IPv6论坛媒体见面会暨IPv6 World Leader 2017颁奖仪式在北京粤财JW万豪酒店隆重举行。清华大学教授李星、国家电网信通部主任王继业、中国电信北京研究院IPv6首席专家解冲锋获由全球IPv6论坛颁发的IPv6 World Leader 2017(2017全球IPv6世界领袖奖),以表彰和感谢三位在IPv6技术和应用领域的不断尝试、在CNGI项目中做出的突出贡献、以及在IPv6发展和推广过程中作为行业典范发挥的重要作用。
全球IPv6论坛(IPv6 Forum)是1999年7月17日在欧洲发起成立的国际技术和产业联盟,致力于在全球范围内推动IPv6发展,联合运营商与企业推动商业化进程,建立安全、高效的下一代互联网,是IPv6业界影响力最大、范围最广的非营利性国际组织。"IPv6 World Leader"奖原名“IPv6互联网先锋”奖,历届获奖人物均为互联网行业最具影响力、为IPv6发展做出里程碑式贡献的个人,受到全球IPv6领域和行业的尊敬与认可。获奖者包括美国Comcast首席架构师Brzozowski、WIDE主席Esaki教授、英国Sky首席架构师Dickinson、中国工程院邬贺铨院士和吴建平院士等。
清华大学李星教授获奖
清华大学李星教授作为主要技术负责人,主持建立了中国第一个IPv6试验网络CERNET-6BONE,在此基础上正式开通了中国下一代互联网示范工程CNGI-CERNET2。在李星教授的带领下,其研究团队发明的IPv4和IPv6互联互通的无状态翻译技术IVI,已经获得了国际互联网标准化组织IETF的9个RFC,成为下一代互联网最主要的过渡技术之一,为下一代互联网在中国以至全球的发展与普及,起到了促进作用。
国家电网信通部主任王继业先生获奖
国家电网信通部主任王继业先生多年来一直倡导和推动IPv6下一代互联网技术在国家电网中的应用实践工作。国家电网公司承建了“下一代互联网技术在智能电网应用关键技术研究和示范工程”,在相关IPv6地址编码,IPv6信息安全,IPv6与SDN融合等方面达到国际领先水平。与此同时,IPv6实验网络在国家电网天津等六省市展开了试运行,推进了IPv6在智能电网中的部署和应用。
中国电信解冲锋博士获奖
中国电信解冲锋博士领导的研发团队,从2001年就开始了在运营商网络中引入IPv6的关键技术和演进路线的研究工作,提出了包括LAFT6过渡技术在内的多项技术创新。积极参加IETF的标准化工作,目前已有6项以上的RFC成果。解冲锋博士支撑中国电信参与我国CNGI示范网络的建设和实验工作,并负责中国电信CNGI主干网的维护,共支撑了8项以上的CNGI应用示范、863、国家重大专项等大型项目的验证、测试和应用示范工作。2009年起,解冲锋博士的项目团队积极推动IPv6在中国电信商用网中的规模化引入工作,提出了以IPv6为核心的网络演进路线,并在湖南和江苏等地进行了深入的商用试点。
正如全球IPv6论坛主席Latif Ladid在活动中强调的,IPv6的全球部署已经全面展开并在近年内取得了巨大增长。李星教授、王继业主任及解冲锋博士在全球IPv6的核心标准制定、测试验证和商用部署方面的成果令人敬佩,其在中国教育网、国家电网及运营商中的IPv6部署与实践也处在世界领先地位。自全球下一代互联网行业发展以来,中国拥有全球最多的互联网用户,对世界的影响力越发强大,在中国政府的支持及产业各界的共同努力下,IPv6的全球商业部署必将获得新的进展。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。