据被称为21世纪的“石油”,对数据进行积累、分析、理解和有效使用所产生的价值在各行各业都已经被验证,而且不再只局限于某些大型企业。不同规模的组织机构、不同岗位上的工作人员都已经深谙这一点。
然而,虽然先进的数据技术被越来越多地使用,使用者的数据素养也不断提高,但仍有一些机构组织掉队了,例如公益组织,而这并非是公益组织缺乏使用数据工具、提高数据素养的意识,而是在能力和工具方面有所欠缺,所以还无法建立以数据为驱动的组织文化。
假设能够充分利用和释放数据的价值,公益组织和其他非营利机构想必能够极大提高运作和项目效率。但由于公益慈善领域通常需要各种审核和存档,这通常成为了公益组织购买数据工具方面的掣肘。
逐渐扩大的数据鸿沟
对公益组织而言,所获得的捐款或其他收入首要任务是回馈社区和人,这就意味着对新技术的投资和吸收高技能员工必须放在第二位。
如同数字鸿沟造成能上网的人比不能上网的人有着更大的优势,数据鸿沟也会对公益组织利用数据做好项目产生深远的影响。换句话说,假使公益组织无法获得数据驱动的洞察力,或无法有效地使用数据,他们的努力可能会受到严重阻碍。虽然这无关业界竞争,但对于利用数据来推动慈善、人道主义事业的进步是大为不利的。
能用、善用数据是关键
虽然有越来越多的公益组织通过数据来推动项目发展,但企业在这方面仍旧更占优势,很多企业已经在采用各种数据驱动型技术,如人工智能、物联网、数据分析等等,这些技术对于环保等项目上都能发挥巨大的用途。埃森哲最近的一份报告显示,有60%的机构在使用人工智能,53% 的机构使用数据分析和物联网来减少排放。要成功部署这些技术需要大量的数据,而且所有部门的员工都要具备数据知识,这样他们才能有效地使用这些工具。
更重要的是,公益组织的预算日渐紧缩,导致这些组织只能限制使用已有数据和工具,因此如何能够将现有数据和工具的价值最大化变得更加关键。如果利用创新工具生成数据的能力继续主要为企业所掌握,那么公益组织就必须专注于提高技能,使拥有的数据更加有效。
于今年年中发布的《中国公益组织互联网使用与传播能力第八次调研报告》显示,在中国公益组织中,有数字化规划和信息化规划的比例达45.25%,但不少机构在数字化和信息化方面投入的预算总体较低,没有预算的组织比例达到了39.36%。超8成机构在2022年并没有计划应用、部署、开发新的信息系统或数字化业务。
报告指出,公益组织的短板在于“数据分析能力”。 仅有23.18%的组织经常或有时对官方网站的数据进行分析(使用百度统计、站长网等工具),多数组织从不或很少对官方网站数据进行分析。同时,对微博、微信、短视频平台的数据及筹款数据的比例都较低。这也是公益组织数字化进程中的一大能力制约因素。
责任当前,谁应该站出来?
公益组织是真正在推动社会发生积极变化的机构,因此帮助他们符合所有人的利益。而企业主要是为了改善其环境、社会和治理(ESG)方面的表现,在商业利益面前,社会利益始终是放在第二位。
这种情况下,政府在向公益组织提供具体支持以提高其数据素养方面可以发挥作用,而且,在数据素养方面,各方有着很大的合作空间。例如,非营利组织可以利用企业的数据专业知识和资源,而合作的同时可以为企业提供机会,将合作纳入企业现有的ESG项目,营造双赢的局面。
总而言之,公益组织需要各方的大力支持,帮助他们释放数据的力量来应对最严峻的全球性挑战。可以设想一下,如果慈善机构和非政府组织能够提高数据素养,充分利用所拥有的信息,他们将能取得怎样的成就?数据技能的缺失,未来可能更广泛的数据鸿沟,将大大阻碍公益组织的工作效率,这是所有人都不愿意看到的。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。