世界工程组织联合会前主席、中国新一代人工智能发展战略研究院执行院长龚克,在2022人工智能合作与治理国际论坛主题论坛“人工智能引领韧性治理与未来科技”中发言。主办方供图
龚克认为,当前,韧性已成为可持续发展中的重要要求和愿景。“进入21世纪以来,韧性理论从生态学、工程学、心理学领域逐步延展到城市治理领域。”
在他看来,韧性发展现在已经成为重要的发展思路。“它正视困难、风险、冲击、变化,以适应力、恢复力应对之,使系统损失减少到可承受、使运行不失稳、发展不逆转。”
龚克举例指出,韧性的基础设施是韧性城市的基础,AI在提高基础设施韧性方面可以发挥积极的作用。“比如AI可以快速、精准地帮助发现地下送水管网的泄露,以实施快速修复。又比如,AI可以及时、准确预测城市用水需求,帮助实现适时适量的供水。再如,AI可以及早、准确地预报特定灾害,帮助实现预防和减损。”
“这些例子告诉我们,AI助力韧性发展的作用是无可置疑的,数据是AI发挥作用的重要基础,数据的及时、准确、全面对于AI助力韧性发展至关重要。”龚克坦言,因此,物联网的发展、多源数据的融合、数据的无偏化处理等等,特别是相关知识与数据的结合,以及降低算法对于数据规模、质量的依赖性,成为AI助力韧性发展的技术趋势。
龚克表示,“就技术赋能而言,人工智能与韧性治理的关系,包括人工智能作为治理工具和人工智能作为治理对象两方面。我认为,两者统一于人工智能在韧性治理中负责任地、符合伦理地、依法和适度地应用。”
他指出,如果AI要赋能韧性治理,就需要自身增能,增强透明度、可解释性、可靠性、鲁棒性,自身要能抗干扰、抗攻击等,让其自身成为有韧性的AI。“如果AI自身很脆弱,容易被攻击、受干扰,它非但不能助力韧性治理,还会起到相反的作用。”
同时,龚克强调,AI在用于韧性治理上,要做到依法和适度。
“就技术赋权来讲,特别强调赋权必须是依法的,要防止技术异化为权力。”他认为,AI系统作为治理工具时应能针对具体应用主体和场景,识别法律赋予的权力边界,并在任何情况下,保证包容、公平、无歧视,保证不伤害,保证人类的监督和决定权。(完)
铁路编组站内的“分拣员”:为年货运输开辟“快速通道”****** (新春走基层)铁路编组站内的“分拣员”:为年货运输开辟“快速通道” 中新网南昌1月7日电 题:铁路编组站内的“分拣员”:为年货运输开辟“快速通道” 记者 李韵涵 “26073次列车推上来了,提钩室准备解体。”1月6日,在2023年春运前夕的向塘西编组站,一列待解体的货物列车缓缓地被推上驼峰,这是中国铁路南昌局集团有限公司向塘西车站下行运转车间连结员刘利衡当天白班的第15趟作业。只见他在列车推进过程中轻巧地一拉一提,紧握的车钩随即分开,一节节车厢越过峰顶顺势而下,奔向不同股道。 向塘西站位于京九、沪昆、昌福线的交会处,而驼峰则是向塘西站运输生产的“心脏”。 李琼 摄向塘西站位于京九、沪昆、昌福线的交会处,而驼峰则是向塘西站运输生产的“心脏”。在向塘西站下行到达场内,南来北往的货物列车整齐排列,20余条钢轨向下行驼峰处会聚。这里解编作业是否安全高效,直接影响全局的车流周转效率。 通过驼峰完成解体作业的都是一列列满载年货的货物列车,而工作在这里的驼峰连结员们就是年货的“分拣员”,将一辆辆去往不同方向的车厢按照计划溜放至不同股道,等待编组出发。 向塘西站位于京九、沪昆、昌福线的交会处,而驼峰则是向塘西站运输生产的“心脏”。 李琼 摄据了解,向塘西车站担负着中国华东地区铁路货物列车的解编任务,是全国路网性编组站之一。春节期间,车站每天要完成上万辆货物车辆的接发和解编作业,这里面装载的大多是运往全国各地的粮油米面、服装食品等年货物资。为了加快年货运输周转效率,向塘西车站统筹安排线路使用,合理分配车流,为年货运输开辟“快速通道”。 连结员刘利衡在股道间来回奔忙,穿梭于车厢连接处。虽已是寒冬,但他依旧干得满身热气蒸腾。 驼峰连结员在平时作业时要拿着一根长约2米、重约3公斤、带着钢叉的木棍,用于解开车辆间连结的风管。他们将木棍伸入车档间,精准地判断出风管接头的位置,然后凭借巧劲,一托一拉,风管便被顺利解开了。 到了晚上,视线不佳,车档之间更是一片漆黑。留给连结员解开风管的时间很短,刘利衡和同事们需要在较短的时间内进行“盲解”,凭借着对推峰速度和风管位置的准确判断,在黑暗中将风管解开。 一节节车厢越过峰顶顺势而下,奔向不同股道。 李琼 摄“驼峰是编组场的核心,驼峰连结员就是安全大门的守护者。我的任务就是确保每一节从我这里通过的车厢都能安全下峰。”谈到自己的岗位,刘利衡眼神里流露出的是热爱和对安全的坚守。 经过一整天的忙碌,夜幕已徐徐降临。18时30分,驼峰终于迎来片刻宁静。“40217次列车解体,提钩室准备作业。”电台声响起,这是当天白班的最后一趟作业了。刘利衡紧了紧扣在胸前的联控电台,撸起袖子快速奔向作业场。一个白班下来,经过刘利衡和同事们的努力,他们共完成了28趟列车的解体作业。(完)
|