美国科罗拉多州丹佛市,拥有着丰富的自然资源与繁荣的艺术文化,在美国宜居城市榜单中长期名列前茅 。丹佛市目前有居民70万,且自2010年以来居住人口增长达20%。丹佛市与丹佛县政府则负责管理并协调当地居民及游客的公共服务事务,包括废物处理、交通管理、娱乐设施建设及财产税等。
而在疫情流行迫使人们迅速转向居家办公之后,这种管理与协调变得更为重要、也更具有挑战性。
丹佛市及县IT服务交付总监Sean Greer表示,“疫情引发的社交隔离开始之后,我们被迫将大多数员工送回家中,他们在可预见的未来恐怕只能选择远程办公。一夜之间,我们不得不将整个员工队伍连接起来,借以应对这段充满不确定性的时期。”
丹佛市之前才刚刚全面转向微软Teams,随着越来越多会议逐步转移至Teams之上,疫情之下的远程办公、特别是数字化协作也获得了宝贵的功能性保障。但要想真正推动统一的标记方法与标准化、可重复的Teams数字协作流程,丹佛市/县政府迫切需要一种强大的IT自动化解决方案。
简化远程办公
丹佛市决定使用红帽Ansible自动化平台为其微软Teams部署自动化配置、应用程序部署与配置管理方案。丹佛市之前曾经采用过Ansible自动化平台并创建操作“剧本”,而新冠疫情的爆发又给这套技术解决方案带来了宝贵的实践场景与应用需求。
丹佛市及县IT自动化架构师Holly Troy表示,“我们之前已经做了大量工作,但现在我们必须以超越以往的速度快速推进。幸运的是,除了之前创建的剧本之外,我们还构建起一套基于API的框架,可用于Ansible与Teams间的往来通信。”Ansible自动化平台是一套易于使用的无代理自动化引擎,使用人类可读的剧本管理例行任务与流程。其中的软件即服务(SaaS)功能更可提供统一的自动化用户体验与协作选项,帮助团队快速解决各类IT挑战。
通过扩展适应远程办公需求
自这款工具推出以来,2020年3月至2021年2月间丹佛市政的Teams通话数量、聊天功能使用量以及用户总数都得到显著提升。Ansible自动化平台已经帮助丹佛迅速适应新形势,将新型协作方法的用量提升达514%。
此前,丹佛方面需要20分钟才能手动创建一个单独Team;但在Ansible自动化平台的帮助下,这项任务能够在1分钟之内快速完成。通过创建1300多个Teams,单凭自动创建这一项改进,丹佛市就节约下372个工作时。
丹佛市还使用可用的IP(互联网协议)地址、VoIP(IP语音)系统自动更新了其ServiceNow知识库文章,并实现了工单流程的自动执行。
Greer介绍道,“在这种极具挑战且瞬息万变的情况下,帮助我们的团队跨多种系统实现通信与快速部署无疑至关重要。自动化技术帮助我们建立起标准且可重复的流程,极大提高了市政的响应能力。”
建立线上紧急行动中心
建立紧急行动中心(EOC)的目标在于为政府管理层提供临时性中央设施,借此制定战略性应急管理或灾难管理策略。以往,EOC都属于典型的物理设施,但疫情压迫下的隔离需求迫使丹佛政府不得不将目光投向数字化解决方案。
丹佛市及县数字化转型工程师Evan Pfaff指出,“通过自动化技术,我们得以建立起一处线上EOC设施,而且75%的筹备工作在短短一个周末内即告完成。现在我们已经从中充分汲取经验,未来已经能够在15分钟以内针对雪灾等极端情况快速建立EOC,并引入完备的人员与指导资料。”
为数字化转型奠定基础
与全球各地政府一样,丹佛市在新冠疫情面前同样受到招聘预算削减的困扰。作为回应,市政方面致力于采用精益方法,着力降低支出与资源浪费、并尽可能提高运营效率。而在这条节流之路上,自动化同样成为支撑丹佛业务流程新构想的重要助力。
Greer解释道,“从管理市政交通系统中的物联网基础设施、到发布补丁系统及替换其他系统,政府内的安全团队等用户在处理工作及申请协助方面都经历了一轮根本性的转变。他们不仅乐于以不同于以往的方式处理工作,同时也积极接受种种挑战。而在自动化技术的帮助下,我们已经由创建VPN接口都需要整个周末的笨拙形态,成长为半天之内接入所有业务请求的新阶段。”
在成功将自动化机制引入远程办公体系之后,丹佛市目前计划建立一处自动化卓越中心,用于发现新型用例、完善业务流程并收集更多量化指标以支持后续变更。作为这项工作的组成部分,纽约市开始与科罗拉多州其他各城市共享IT自动化成功经验,希望能够为新的应急管理体系提供助力。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。