教育部下发的教育信息化十年发展规划中明确指出,要通过信息技术与教育全面深度融合,促进教育的创新、改革和发展。西安电子科技大学(以下简称:西电)十分重视高校信息化建设,在近日召开的2017高校信息技术融合应用研讨会上,西安电子科技大学副校长杨银堂指出,一流的大学建设,一流的人才培养,离不开一流的信息化建设。
为了加快推进信息化的支撑与保障作用,研讨会期间,西电与新华三签署智慧校园共建项目合作备忘录,双方将在校园大数据平台、物联网平台、云计算平台、信息安全建设及应用实践等领域开展广泛的合作。
(新华三中国区副总裁、教育系统部总监 徐继恒)
此外,西电还是新华三与教育部科技发展中心联合设立的“云数融合,科教创新”基金的其中一所落地高校,并在产学研方面进行深度合作。新华三中国区副总裁、教育系统部总监徐继恒在接受媒体采访时表示,新华三与西电的合作已经有15年左右的时间。凭借在教育领域的努力和投入,新华三新IT解决方案已经服务于2400多所高校和科研院所,教育也是新华三做得比较好的几个行业之一。
(西安电子科技大学信息化建设处处长 张玉振)
西安电子科技大学信息化建设处处长张玉振指出,双方的合作历程大致分为三个方面:第一是学校的信息化建设,新华三作为国内领先的IT厂商,他们的产品和方案大量应用于学校的信息化服务环境中,包括学校的校园网络,尤其是新华三为学校提供了全网无线部署解决方案,近年在大数据、物联网等一些新的领域也进行了深入合作。第二方面是科研上的合作,学校老师有很多新思想新理论,新华三有实际应用实践,理论和实践结合使我们的老师跟新华三在很多领域上有深度的合作。第三方面就是学生人才培养的合作,新华三提供优质的就业岗位,优先接收西电的优秀毕业生,同时新华三积极参与学校创新人才培养,将新技术落地到学校形成课程,支持学生实习实践。
作为智慧校园的重要承载平台,西电下一步将和新华三在物联网方面进行深入合作,张玉振指出,“我们希望利用新华三的物联网整体解决方案,把学校的人和物联接起来。”据介绍,新华三推出了高校物联网解决方案,在校园终端层面实现多类型终端对接,校园网络(WiFi及LoRa等)实现数据传输,平台层面对终端进行管理和监控,以及提供基于物联网的校园应用。
西电率先试点新华三校园物联网解决方案,将为其在校园资产管理、能效管理等方面发挥作用,根据方案学校将逐步进行基础能源设备感知升级,最终实现把每一个宿舍、每一间教室、每一个办公室的水电表、重要设备等进行实时监测,反馈数据并汇总,了解能源消耗规律、资产利用状态,从而实现科学化管理。
张玉振指出,西电联合新华三搭建起学校的大数据平台,融合结构化、非结构化、日志等数据的集中管理利用,支撑综合校情、科研、师资队伍、学生管理等多方面大数据分析。下一步,西电将进一步融合物联网、大数据等技术,实现校园空间内建筑物、仪器设备、重要资产、人员等的网格化智能化管理和精细化服务。
张玉振将西电的教育信息化建设成效形容为“2个基础、N个平台、M个应用和1个保障。”具体包括2个网络基础和IDC基础,物联平台、大数据平台、空间管理、移动服务等N个平台,人事管理、教育教学、科研服务、评估评价、分析决策等M个应用,以及1个安全与运维保障。
在平台方面,西电将推进“大平台、轻应用、微服务”模式建设开放智慧校园生态环境,面向角色和业务流程实行“模块化服务”改造。张玉振将“强基础、建平台、促应用、全保障”总结为西电的持续教育信息化改造之路。
在徐继恒看来,高校信息化智慧校园的着力点在于如何利用云计算、大数据和物联网技术提升使用效率,提升决策。高校信息化的建设重点在于流程再造和应用搭建,新华三和西电将在此方面深入实践探索,以服务于高校的智慧教学、智慧科研、智慧管理。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。