科技璀璨,智能未来触手可及
当前,世界智能科技发展突飞猛进,全球化、一体化的趋势不断加强,正以日新月异的面貌引领各国科技创新的新浪潮。世界智能大会作为国内外智能科技创新的风向标,持续推动世界智能科技领域的新发展、新突破。第八届世界智能大会即将于2024年5月继续在天津举行。这场盛会将汇聚全球领先的科技力量,为各国智能科技应用成果创造者提供思想碰撞的平台。
“WIC智能科技创新应用优秀案例”是世界智能大会设立的、面向全球智能科技人才和团队的国际性评选发布活动,从2022年开始每年一次,旨在发现和表彰智能科技领域的杰出典范并致以崇高敬意,同时激励智能技术更加深入融合于各行各业,推动产业向数字化、智能化转型。
辉煌历程,智能之光点亮未来
自活动创办以来一直备受行业关注,在国内外赢得广泛赞誉和高度认可,众多科研机构、著名高校和知名企业纷纷参与评选活动,展现自身非凡的创新实力。
图 1 2023“WIC智能科技创新应用优秀案例”奖杯及荣誉证书
在往届征集的优秀案例中,我们见证了海尔集团的“海尔智家灯塔工厂数字化平台”项目如何为工厂的数字化升级转型提供了基础平台和能力支撑;通过搭建灯塔工厂 IOT 互联平台,实现人机、机机、机物互联,实现生产过程各环节透明可控,平台调度中心集中监控、实时调度,最终推动工厂内生产高效协同。
图 2 海尔智家灯塔工厂数字化平台
我们还见证了阿里巴巴达摩院的“基于天气预报修正的高精度可信新能源功率预测系统”将可解释性机器学习应用于预测可解释性和偏差可解释性实现可信可解释性预测、将自学习能力用于功率预测,从而有效提升了预测水平,保障了大规模的分布式光伏和风电安全稳定地接入电网。
图 3基于天气预报修正的高精度可信新能源功率预测系统
这些优秀案例在评选活动上脱颖而出,并通过世界智能大会面向全球进行宣传发布,在实际应用中也展现出强大的市场潜力和行业推动力。
创新引领,聚焦三大核心领域
本届评选活动中,大会将特别聚焦“智能制造”、“智能网联汽车”和“智能网络安全”三大核心领域,致力于引领产业新趋势,挖掘智能科技新机遇。本届大会坚持采用“申请+推荐”的征集方式,面向全球征集具有行业塑造力的创新案例。这将是智能科技领域的一次盛大聚会,也是智能科技创新者们展示自我、挥洒才华的舞台。第八届世界智能大会将携手“WIC智能科技创新应用优秀案例”评选活动,共同书写智能科技创新的新篇章。
详情可登陆世界智能大会官网了解。
申报方式
1.申报渠道:
案例征集采取专业机构推荐和申报主体自荐相结合的方式,通过线上申报系统提交优秀案例申报材料。
申报系统网址:https:// wic-awards.wicongress.org.cn
申报系统二维码:
2.需要提交材料:
注册申报系统后,登录并下载填报《2024第八届世界智能大会WIC智能科技创新应用优秀案例申报书》。除基本信息外,申报单位应提供如下材料(包含但不限于):
案例介绍;
自主知识产权等相关佐证材料;
第三方鉴定报告、科技查新报告、媒体报道等真实性、先进性相关佐证材料;
该案例取得或预期取得经济效益和社会效益的相关佐证材料。
3.截止时间:
征集截止时间:2024年2月28日17:00前(以世界智能大会官方网站、官方微信公众号发布截止时间为准)。
好文章,需要你的鼓励
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
各行业企业存储的数据量持续攀升,5PB以上已成常态,10PB以上也日益普遍。2026年非结构化数据管理的主题是全面增长:更多数据、更多投资、更多痛点以及更多AI安全风险。AI应用加速普及、数字化信息激增以及富媒体和传感器数据大幅增加推动了数据增长。随着AI推理应用的发展,企业将意识到非结构化数据管理对AI投资回报率的关键作用。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。