IBM发起全新 “代码响应(Code and Response)”计划,将从波多黎各开始大规模构建、强化、测试并实施开源技术解决方案,以加速灾后恢复。
在2月12日Think 2019大会上,IBM(纽交所股票代码:IBM)宣布名为“代码响应(Code and Response)”的新部署计划,即在四年时间里投入2500万美元,把在IBM“代码行动(Call for Code)”大赛中开发的部分开源技术部署到最有需要的社区当中。“代码响应”计划汇集大规模构建、强化、测试及实施相关解决方案所需的资源,同时也将获得IBM企业全球志愿服务队(IBM Corporate Service Corps)的数百名IBM员工,以及政府和多个非政府组织合作伙伴的大力支持,共同将技术应用于生命救援。不仅如此,IBM还与克林顿全球倡议大学计划(Clinton Global Initiative University)建立了合作关系,为在校开发人员提供所需的技能和资源,助力其将创意转化为实践。在第一年中,“代码响应”计划将在波多黎各、北卡罗来纳州、大阪及喀拉拉邦等受灾地区部署实施“代码行动2018”的获胜解决方案——“Project Owl”。
IBM“代码响应”计划还将得到信息技术灾难资源中心(Information Technology Disaster Resource Center ,ITDRC)等非盈利合作伙伴的支持,针对Project Owl的软硬件配置提供反馈意见。此外,基于该机构在应对飓风“厄玛”(Irma)和“玛利亚”(Maria)席卷后的网络恢复方面拥有丰富的实践经验,还将为Project Owl在波多黎各的部署提供有价值的指导。
IBM认知应用及开发者生态系统业务部高级副总裁Bob Lord表示:“每年全球受自然灾害影响的人数接近1.6亿,仅仅通过挑战赛激发创意还远远不够。实现有效应对自然灾害必须充分挖掘全球开源生态系统的潜力,打造出可供我们在救灾现场大规模部署的可持续性解决方案。但是我们不能单打独斗,只有与合作伙伴通力合作才能使技术发挥可持续性影响。”
美国红十字会总裁兼首席执行官Gail McGovern表示:“美国红十字会对于IBM能够持续投入资源帮助因自然灾害而受困的人们表示十分感谢。我们的机构依赖于像IBM这样的投资者和创新公司,通过激发改变命运的新方法加强与自然灾害斗争的力量。”
“代码行动”倡议在2018年大获成功,共有超过10万名开发者提交了数千条关于灾难救援的解决方案。中国农业银行团队的United Aid Net (UAN)解决方案获得了第五名的好成绩,方案通过一个全球紧急援助网络,基于面部识别取款和区块链技术,允许家庭成员或好友在灾难发生期间临时共享金融服务。2019年,代码行动”创始机构David Clark Cause及IBM将再次与联合国、美国红十字会,以及Linux基金会展开合作。此外,还迎来了美国消费技术协会、凯撒医疗集团和Apttus等新的合作伙伴,也赢得了达美航空公司、美国强生、Persistent Systems 等合作伙伴的持续支持。
今天,IBM董事长、总裁兼首席执行官罗睿兰(Ginni Rometty)宣布启动“代码行动2019”并再次强调公司的承诺,即在五年内投入3000万美元用以推动该项目的发展。其目标依然是团结全球2300万名开发者和数据科学家,发挥云计算、人工智能、区块链和物联网技术的力量,创造出可持续、可规模化部署的开源技术。今年的主题是应对自然灾害中个人和社区的健康与福祉。
David Clark Cause首席执行官David Clark表示:“我们为‘代码行动’所取得的巨大成功感到激动不已。同时也为IBM及其推出的‘代码响应’计划而喝彩,它展现了IBM为改变人们命运所做出的承诺。我们为拥有IBM这样的合作伙伴感到自豪,同时也很高兴能够继续激励开发者继续探索新的解决方案,助力应对全球最为迫切的挑战。”
好文章,需要你的鼓励
中国人民大学联合快手科技研发的DPWriter系统通过创新的"多样化规划分支"策略和智能奖励机制,成功解决了AI写作中质量与创意多样性难以兼得的问题。该系统让AI先制定包含五个维度的详细写作计划,在规划阶段进行创意分支,再配合双重奖励评价体系,实现了在保证写作质量的同时大幅提升创意多样性。实验显示新方法在多样性指标上提升15%,为AI辅助创意写作开辟了新路径。
Forrester副总裁兼首席分析师高恩德在访谈中表示,尽管AI技术广泛存在,但在生产力统计数据中并未体现革命性改变。他引用美国劳工统计局数据指出,个人电脑时代同样未能显著提升生产力增长率。研究显示,95%的生成式AI项目未产生实际投资回报。Forrester预测到2030年AI可能取代6%的工作岗位,约1040万个职位,但目前大部分企业裁员主要出于财务考虑而非AI替代。
ellamind公司研发的sui-1是首个能为长文档摘要提供精确引用标注的AI模型。该24B参数模型通过创新的XML标签系统,为每个摘要观点标注原文出处,解决了AI摘要"不可验证"的核心问题。模型可处理10万词文档,支持200万词超长文档的迭代处理,在准确性测试中达到84.2%,远超同类开源模型。研究团队采用Apache 2.0许可证完全开源模型和训练数据,为政府、法律等需要高准确性的领域提供可信赖的文档分析工具。