ZDNet至顶网服务器频道 01月19日 新闻消息:从专业词汇到大众热词,大数据仅用了两年,就成为全民热议的高逼格科技流行语之一。说起大数据,谷歌、IBM、IDC都曾从数据的体量、格式和增长速度的维度对大数据进行过定义,而单一从大数据价值角度着眼的定义则比较缺乏。英特尔中国研究院院长吴甘沙日前则别出心裁地从大数据对于社会和经济的影响,以及大数据在商业环境中的价值定义着眼,将大数据解读为“指数社会的蛋白质”。
吴甘沙解释说:随着移动互联时代的到来,数据爆发式增长在指数规律之下已经成为常态,大数据已经被应用在我们身边很多角落,我们甚至已经被大数据包围。“而在数字化的指数社会当中,摩尔定律几乎成为推动指数社会加速发展的原动力,它带来了一系列指数式的连锁反应,”他指出:“如果说摩尔定律是我们指数社会的基因的话,那么大数据就是我们指数社会的蛋白质,它是社会的物质基础、宝贵的资产,甚至是新的货币。”
就如蛋白质对人体的生理运作、免疫功能甚至脑部运作都非常重要,可谓人体生命的基础一样,数据对于现代社会的作用也开始逐渐凸显,在商业、经济及其他领域中,决策将日益基于数据和分析而作出,而并非基于经验和直觉。吴甘沙称:很多行业都已经看到了大数据不可或缺的价值,例如物流业提出“数据就是生命”,制造业希望借助大数据提高效率、改变质量,电商希望借助大数据更好地掌握受众需求、进行个性化推荐……各个行业都开始加入“跟风赶潮流”的大浪当中。“这说明大数据所带来的乘法效应已经在以互联网行业为代表的各个行业中蔓延开来,并衍生出更大量、更具分析应用价值的数据,越来越多基于大数据收集、管理、分析的应用将走向我们的生活。”
实际上,许多传统企业在对大数据的认识上仍存在许多误区。吴甘沙建议不要盲目追赶潮流,仅仿效互联网公司大数据应用的成功经验并不一定能将大数据资产中的价值释放出来。“正如对个人身体情况没有进行全面检查就盲目补充各类蛋白、营养物质可能会对机体造成不良影响甚至反效果一样,企业大数据应用也需要对症下药。”
在吴甘沙看来,“大数据不是一个人在战斗”,其应用需要倾听每个行业,甚至“每一个人”的声音,依照不同的应用模式在软硬件层面进行不同的调整与优化,从而使得新的分析算法能够与实际应用需求紧密配合,将企业真正所需的信号提取出来,之后再针对特定需求进行底层基础设施架构的建设以及软件与硬件之间的相互配合与优化,通过构建开放的基础设施、数据处理平台和参考架构、开放的数据,并进行开放的跨领域合作,使企业应用与大数据之间产生像“金风玉露一相逢”那样产生化学作用。
对于英特尔提出的数据开放与数据交换的构想,具有相同价值观的 Cloudera也不约而同地表达了对未来数据价值的期望。“我们现在不能再只看这些单独的数据,而要所有的数据放在一起来考虑。这后面的驱动因素是什么呢?未来无数通过计算机以及智能终端设备连接互联网的人们,他们都正在推进大数据往开放协作方向发展。”Cloudera首席架构师、Hadoop之父Doug Cutting如是说。
目前,英特尔计划推进的围绕大数据的跨行业和领域的协作创新,已有类似的先例,且正在发挥巨大能效和作用。未来,英特尔开放数据平台还将在安全分析、使用审计和数据定价方面继续提供标准和方案,借助其顶层基于Spark的多方安全计算,“即在不相识的前提下让数据相逢,在一定程度上解决大家所关心的数据隐私安全的问题”,以更好地通过数据的公开与交换发挥大数据的大价值。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。