ZDNet至顶网软件频道消息:5月22日,在第六届中国云计算大会第二天主会场演讲中,中国大数据专家委员会副主任委员、中国科学院院士、中国科学院遥感与数字地球研究所所长郭华东回顾了大数据的历史发展,介绍了大数据在科研领域特别是数字地球领域的发展现状,并对未来应用前景进行了展望。
中国大数据专家委员会副主任委员、中国科学院院士、中国科学院遥感与数字地球研究所所长郭华东
郭华东指出,中国拥有的数据在国际上举足轻重。当前中国的数据量占据全球总数据的13%,在未来6年内,中国的数据量更将达到全球数据的21%。众所周知,大数据在我国政府层面上得到了高度重视,去年7月,习总书记在中国科学院考察时表示,“大数据是工业社会的石油资源,谁掌握了数据,谁就掌握了主动权。”在近一两年,国家基金委、工业部门及地方政府都在对大数据进行积极部署。
同时,国际组织也在不遗余力地推动大数据的发展,OECD发布了《探索数据驱动型创新》的报告,指出要利用数据来刺激创新和提升生产力,充分发挥大数据的潜能造福人类。在2011年,国家科学理事会做战略规划,在2012年到2017的规划中特别强调科学数据的作用。目前,在全球范围相关文献已有1000多篇,其中中国贡献181篇。
通过数据挖掘和知识发现,大数据为研究机构做出的贡献不可估量。郭华东表示,我们正面临全球变化的严重挑战,解决之道就是数据,那些与地球变化相关的综合性数据。不仅仅是搜集数据,而是通过对现有数据的分析,预测未来的模拟数据,预测未来的全球变化。
郭华东指出,有了大数据就相当于拥有了探测设备,大数据对科学领域就是这样的重要。1999年中国科学家发起召开全球国际第一次数字地球会议,从此数字地球在全球范围内广泛的传播。2006年国际数字地球学会诞生,创建了国际数字地球学报刊物。当前发展势头良好,数字地球研究在全球范围内硕果累累,在过去的15年里,提出的数字地球理念的85%已经实现。
数字地球的建立基于各方面的数据,其中观测数据非常重要。过去半个世纪以来对地观测卫星发展一浪高过一浪,发展到现在每年都有十几个卫星上天。而中国的摇杆卫星数量居全球前列,中国卫星摇杆地球所的系统不仅覆盖全国,也能覆盖亚洲,最近还在北极建站,实现了国家利益延伸在哪,空间信息保障能力就建立在哪的理念。
据郭华东介绍,数字地球构造有五个重要的发展方向:一是全球变化;二是减灾防灾;三是新能源开发利用;四是农业食品安全;五是数字城市和智慧城市的发展。利用大数据理念构建构造新一代数字地球本质上就是建立虚拟的地球,并用这个虚拟的地球去服务未来的地球,使全球环境可持续地发展,让人类的生活更加美好。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。