至顶网服务器频道 05月25日 新闻消息(文/李祥敬):美国时间2017年5月23日,作为Citrix公司的年度盛会——Citrix Synergy 2017在美国奥兰多举行,以下是来自至顶网记者发自现场的独家报道。
Citrix Synergy 2017第二日的活动依然是精彩纷呈,2017 Citrix Innovation Award公布和纽约时报最佳畅销书作者Malcolm Gladwell在创新演讲环节进行了精彩的主题演讲。
Citrix Innovation Award表彰那些以新的战略方式思考IT的Citrix客户和合作伙伴——使用Citrix的技术重新设计IT,推动业务增长,创造新的工作方式,并以新的敏捷性进行竞争。
2017 Citrix Innovation Award的获奖者是SCL Health。
SCL Health总部位于科罗拉多州的布鲁姆菲尔德,是一家非营利性医疗保健机构,致力于改善人们的健康,特别是穷人和弱势群体。SCL Health每年提供超过2.22亿美元的社区福利。
SCL Health拥有150年的历史,其医疗卫生网络正在通过使用技术和消费者友好的设计来推动创新。SCL Health家庭保健服务通过其11家医院,210家医师诊所,提供全面,完善的护理、康复、精神保健等服务。
SCL Health通过使用虚拟化、网络和文件共享技术以推动创新和简化IT。 通过IT工具和创新,SCL Health革新工作,激发创意,提高生产力,并以新的方式为人们提供多样化的服务。
比如,SCL Health System将两个医疗保健系统(SCLHS)与Citrix技术关系管理服务(TRM)集成在一起,并于最近完成了使用Citrix XenApp将所有医院整合到Epic EMR的两年计划。
纽约时报最佳畅销书作者Malcolm Gladwell光临Citrix Synergy 2017,在创新演讲环节进行了精彩的主题演讲,探讨了AI与未来工作,技术与商业。
Malcolm Gladwell,1963年9月3日出生于英国,原籍加拿大,现居纽约市。1996年起为《纽约客》工作,是《纽约客》著名的撰稿人之一,社会学家、心理学家和畅销书作者。
Malcolm Gladwell善于从社会学和心理学角度切入,研究商业世界的各类问题,对商业战略决策、商业世界成功哲学等等命题有着非凡的见解,是欧美商界备受欢迎的新锐思想家之一。2005年,被《时代》杂志评为“全球最有影响力的100人”之一。
虽然目前为止Malcolm Gladwell仅仅出版了三部著作,但每一部都成为《Times(时代)》杂志畅销书排行榜第一的畅销书。
Malcolm Gladwell的《The Tipping Point(引爆点)》,2000年出版,被《福布斯》评选20世纪最有影响力的20本商业图书之一。高居《纽约时报》畅销书排行榜长达10个月,2005年度再度蝉联冠军。
另外,《Blink(瞬间)》(或译为《决断2秒间》、《灵光一闪》),2005年出版,被喻为“颠覆思维惯式,改变商业世界,领导力、决策学、营销学扛鼎之作!”。
《Outliers(异类)》(或译为《出类拔萃者》)是他最新推出的一本力作,出版于2008年,目前国内还没有中文版。
在Citrix Synergy 2017第三日的活动中,在创新演讲环节将迎来重磅人物——美国前国务卿鲍威尔,与现场观众分享网络安全的话题,敬请期待。至顶网记者将带来现场的第一手独家报道,敬请关注。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。