北京,2020年3月5日——疫情防控当前,复工迫在眉睫。近日,企业级云服务商青云QingCloud携手罗克佳华、升哲科技、炎黄盈动等合作伙伴,发布“企业复工安全计划”,计划包括推出“疫情防控AI预警分析系统”、“人工智能识别未佩戴口罩及生成人员流动大数据方案”、“非接触式智能测温预警系统方案”、“非接触式人脸识别门禁及闸机方案”、“‘健康打卡’应用解决方案”、“疫情办公场所管理应用”、“疫情物资管理应用”等联合解决方案,从疫情防控AI预警、安全防疫措施、员工关怀等多场景、多维度为企业提供技术、资源全方位支持,为企业快速、安全、高效复工复产保驾护航。
为降低疫情给国民经济带来的冲击,全国各地都在加紧有序复工复产,办公场所、火车站、飞机场等人流密集场所成为重点防疫的关键,青云QingCloud与罗克佳华共同推出“疫情防控AI预警分析系统”,利用 AI 视觉模型对图像或者视频中人群进行公共区域安全隐患检测。该系统可针对疫情期间各公共场所、重点防疫场所等人流密集场所,通过对未佩戴口罩人群、人群危险聚集进行监控预警,及对重点人群进行重点监控,精准度可达99%、分析结果秒级响应、接入便捷且扩展性强、可提供上百路摄像头同时分析。
安全防护是每一个复工复产企业需要做好的“必修课”,青云QingCloud与升哲科技共同推出“人工智能识别未佩戴口罩及生成人员流动大数据方案”、“非接触式智能测温预警系统方案”、“非接触式人脸识别门禁及闸机方案”,依托物联网传感技术、人脸识别技术、热成像测温技术、视频智能分析及物联网等技术手段,保障社区、企业、学校、医院等各类场所安全运行。
其中,人工智能识别未佩戴口罩及生成人员流动大数据方案可针对未佩戴口罩出行、人员异常聚集等现象进行识别监测并可秒级报警;针对重点管控人员分析出入情况及历史运动轨迹信息;帮助远程服务人员快速介入提醒并联动相关部门,方便疫情防控工作的开展和落实。非接触式智能测温预警系统方案可通过红外技术非接触式测温,保障执勤人员人身安全,实现快速、远距离、大面积体温筛查检测,高温预警快速响应,可实现±0.3度高测温精度。非接触式人脸识别门禁及闸机方案可管理平台联动智能门禁设备,为重点防控单位的人员出入管理提供便利,无人化值守极大降低了防控区域内的人员接触和感染风险,智能人脸?禁最大支持10万人脸库、可实现最高10万条人员通行数据回溯、管理与分析。
保障员工健康,是疫情期间企业复工的重中之重。青云QingCloud与炎黄盈动共同推出“‘健康打卡’应用解决方案”、“疫情办公场所管理应用”、“疫情物资管理应用”,围绕员工健康管理,帮助企业做好复工期间的办公室管理和疫情物资管理。
其中,“健康打卡”应用解决方案能够帮助员工随时随地一键上报健康数据,帮助企业HR随时随地统计掌握整体情况,企业可根据预警分级进行防疫管理,一键守护、实时防控、集中管理。疫情办公场所管理应用可针对所辖场所进行信息化数字登记,包括各区域分时消毒管理、对进出车辆/司机/随行人员安全检查管理、出入登记/近期行程轨迹进行备案记录、安全巡视登记等,保障安全复工复产。疫情物资管理应用适用于社区、公司、医院等企事业单位对防疫物资的管理,保障防疫物资管理的高效送达,物资入库出库简单快捷准确、物资台账明细清晰明确透明、物资调拨管理高效及时精准。
青云QingCloud携手合作伙伴以多元化服务帮助企业“保复工、助复产、稳军心”,一手抓防疫,一手稳生产,减少疫情期间的损失,保障民生和社会正常运转,促进国民经济快速复苏,共同打赢疫情之下的国民经济保卫战。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。