为弥合数字鸿沟共同发力******
【乌镇观察】
为弥合数字鸿沟共同发力
——来自2022年世界互联网大会乌镇峰会弥合数字鸿沟论坛的声音
光明网记者 邱晓琴 王一涵
数字时代,全球数字化转型进程持续深化,但也伴生出数字鸿沟。如何让数字发展红利惠及全球,已逐渐成为国际社会需要解答的时代命题。11月9日,由教育部、人力资源和社会保障部、中国科学技术协会、联合国儿童基金会主办,中国网络社会组织联合会、教育部教育技术与资源发展中心(中央电化教育馆)、中国科普研究所协办的2022年世界互联网大会乌镇峰会弥合数字鸿沟论坛以线上线下结合方式举行,与会人员围绕数字鸿沟相关话题展开深入探讨,并就弥合数字鸿沟分享了经验,发起了倡议。
共享数字发展红利,携手应对数字鸿沟
“近年来,数字触角正快速延伸至每一个角落,成为经济社会发展和增进民生福祉的强劲新动能。数字鸿沟是数字化进程中产生的发展问题,体现在国与国、人与人之间的不同层面。”在中国科学技术协会专职副主席、书记处书记孟庆海看来,数字鸿沟意味着经济鸿沟、资源鸿沟,加速全球发展不协调、个体机会不均等,“要站在实现全球可持续发展高度,努力弥合数字鸿沟”。
疫情防控期间,众多儿童享受互联网带来的便利,比如在家上起了网课。但据联合国儿童基金会驻华代理代表郑道介绍:“尽管全球数百万儿童的上网时间越来越多,但仍有13亿多儿童无法在家上网。”他表示,各国政府都需要出台相关的法律政策和举措,重点关注弱势群体,确保所有儿童都能够安全上网。
在中欧数字协会主席鲁乙己看来,虽然老年人口触网的数量在增加,但与其他年龄段相比仍占少数。“许多老年人依旧无法使用互联网服务满足基本需求,无法融入社会生活的多个方面,让原本已经孤立和孤独的老年群体雪上加霜。因此,要注重提高老年人的数字技能。”鲁乙己说。
“未来,可能因为仅仅不懂使用电脑、智能手机和互联网,一些独居老人无法与外界甚至家人联系,学生无法独立完成家庭作业,弥合数字鸿沟是人类共同生存发展的必然选择。”世界知识产权组织中国办事处主任刘华说。
创新数字技术赋能,提升全民数字素养
“弥合数字鸿沟是全球共同的紧迫任务,数字化发达国家和地区应担起更多责任。”世界工程组织联合会前主席龚克呼吁,国际社会和组织要切实帮助欠发达国家发展网络基础设施,加快实施面向不发达国家和地区的基础设施援建计划。
从2017年开始,中国倡议建设21世纪的数字丝绸之路,大力建设互联网基础设施,加强网络空间合作,建立“一带一路”沿线国家共同技术标准。联合国教科文组织驻华代表处代表夏泽翰对此非常赞赏。他指出,疫情暴发以来,中国“数字丝绸之路”的重要性愈发凸显,中国通过“数字丝绸之路”与“一带一路”倡议的其他成员国分享数字化专业知识,为全球数字化进程注入强劲动能。
宏观的视角之外,更多人将目光放到网络环境的改善上。为了给老年人创造友好的使用体验,越来越多网络应用开始适老化改造。美团总编辑徐辉介绍,在推动信息无障碍,共享普惠的生活方面,美团推出的长辈版服务已覆盖500万老年群体。抖音集团副总裁李涛则指出,要关注多元群体安全问题,丰富平台安全的知识内容,为青少年和老年人等人群构建安全可信任的数字生活环境。
当然,弥合数字鸿沟,还离不开个人自身的数字素养和技能。“要不断推进教育数字化发展,提升全民数字素养与技能。”中国教育部科学技术与信息化司副司长舒华认为,应健全完善与数字人才培养相适应的课程教材体系,推动把数字素养与技能纳入学生综合素质评价,注重提高学生利用数字技术解决实际问题的能力。人力资源和社会保障部信息中心主任宋京燕也表示,要立足工业化与信息化深度融合,建设适应数字化时代的技能人才队伍,确保人才技能水平始终跟上时代发展和技术更迭。
倡议加快数字基础设施建设,深化数字素养和技能国际交流合作,推进全民终身数字学习体系……为构建数字包容社会,提升全球公民数字化适应力、胜任力、创造力,共建共享数字化发展成果,论坛同时发布了《提升全民数字素养和技能倡议》,各方携手呼吁为弥合数字鸿沟共同发力。
《光明日报》( 2022年11月10日 12版)
提速近10倍!基于深度学习的全基因组选择新方法来了******
近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。
全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。
统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。
相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。
该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。
与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。
该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。
学术支持
中国农业科学院作物科学研究所
记者
宋雅娟
(文图:赵筱尘 巫邓炎)