如果你问现在网上最火的词是什么,那我毫无疑问的告诉你是垃圾分类。一句“今天你是什么垃圾?”迅速刷屏网络,也让垃圾分类无人不知、无人不晓。
从7月1日被称为“最严垃圾分类”的《上海市生活垃圾管理条例》正式实施之后,生活垃圾将按照可回收物、有害垃圾、餐厨垃圾、其他垃圾进行“四分类”。将对未按规定分类投放垃圾,除对个人混投行为处50元以上200元以下罚款外,还会对单位未按照规定分类投放的行为,处以最高5万元罚款。对生活垃圾收运单位、处置单位不遵守相应规范的,分别规定最高可处10万元、50万元的罚款,情节严重者甚至会吊销经营服务许可证。
而除上海之外,早在2017年3月,国家发改委、住建部就发布《生活垃圾分类制度实施方案》,要求在全国46个城市先行实施生活垃圾强制分类。那么,我们不禁要问为什么要对垃圾分类和管理投入如此之大的实施力度?垃圾分类又对我们具有何种意义呢?让我们来看一组数据:
1吨废纸可制造出850公斤好纸,节省木材4立方米,比等量生产减少74%的污染;1吨废塑料可回炼300公斤无铅汽油和柴油;1吨废钢铁可炼好钢750公斤;1吨废玻璃能造出2万个500克容量的玻璃瓶。
可见对垃圾分类回收利用,可以有效保护环境、节约自然资源,对国家和社会的可持续性发展具有重大意义。垃圾分类,其实是指按一定规定或标准将垃圾分类储存、分类投放和分类搬运,从而转变成公共资源的一系列活动的总称。分类的目的就是要提高垃圾的资源价值和经济价值,使其物尽其用。
今天,我们在生产生活中会产生大量垃圾,所以需要对垃圾进行分类处理。同样,对于当前产生出的大量数据而言,也会面临和垃圾分类相似的问题。众所周知,数据已经成为未来企业乃至整个社会发展的核心资源和主要动力,谁掌握了数据,谁就掌握了未来。
但在如此海量的数据面前,如何找到真正有价值的数据其实并不简单,这就需要对数据进行分类处理,通常我们会将结构化数据与非结构化数据进行区分,这就好比垃圾中的干湿分类,但这种比较简单的分类方式已经不能更好满足我们对数据的有效利用和对业务的支撑。
因此,今天在大数据领域中有一项非常关键的环节称作数据梳理,通过对数据的进一步梳理,能够更精准的区分有用和无用数据,并能够有效提高从数据采集、数据统计、数据分析、反馈处理的整体流程效率。可谓是对大数据应用起到了事半功倍的作用。
而在数据梳理方面,目前广州市供电局已经探索出了一条新的路径,其通过电力大数据的治理和挖掘为公司的数据化转型提供了很好的支撑,并摸索出了不少值得借鉴的经验。
广州供电局深感由于没有全局统一的规范,导致各个部门对数据缺乏整体的把握与利用。而通过数据资产管理可以把所有数据库的数据、元数据、主数据统一进行整理,形成数据资产目录。需求方可以通过流程完成审批后,由系统统一进行数据调用。借此改变了传统简单的数据分类和处理方式,不再需要分别针对具体的业务系统或者数据库来调用数据,大大方便了新系统的开发,加快了新业务的上线速度。
南方电网广州供电局信息与大数据技术专家孙煜华指出:数字化转型离不开数据的支持,而数据要想利用好就必须做好数据的管理工作。启动数据资产管理工作,其目的正是要建立统一的数据规范,包括数据格式和数据利用的流程,从而规范数据的使用。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。