每年的6月份是小江豚出生最为频繁的月份,最需要大家呵护。第二届“全民爱豚月”——爱江豚 护长江主题活动在武汉正式启动!
前不久,在武汉市人民政府的支持和推动下,市农业农村局与中科院水生所、白鱀豚保护基金会成立了“武汉长江江豚繁育保种技术研究中心”和“武汉鲸豚保护科教基地”。此举是落实武汉市政府《推进长江江豚重返武汉城区江段工作实施方案》的实际行动。随着,长江“十年禁渔”和《长江保护法》的实施,长江武汉段水生生态环境和鱼类资源日趋向好,江豚已多次在武汉城区江段出水“微笑”。
多措并举,推进江豚重返武汉
武汉白鱀豚保护基金会项目负责人邓晓君老师向与会嘉宾介绍了“江豚重返武汉”项目进展。据不完全统计,2020年至今,江豚在武汉城区江段已出现20余回,近100头次。江豚频繁现身武汉江段是多因素综合作用结果。一方面,长江生态环境向好发展。随着长江大保护持续推进,长江十年禁渔启动及长江保护法实施,鱼类资源、岸线生态日渐向好,江豚栖息地质量得以改善。另一方面,政府和主管部门高度重视和落实长江生态环境恢复。市政府通过一系列政策全力支持“江豚重返武汉”,并将其作为长江大保护工作的重要内容深抓落实。
全民参与,共同助力长江大保护
书法家万军和中科院水生所解绶启书记现场“挥毫泼墨”,为来宾献上“长江大保护”主题的书法作品。通过传统文化与环保公益结合的方式,号召大众践行绿色可持续发展生态理念。这些作品将在“爱豚月”活动期间通过线上及线下的方式向公众展出。
白鱀豚保护基金会邀请湖北籍羽毛球世界冠军李茵晖担任基金会“公益形象大使”。李茵晖表示,希望能在自己擅长的体育领域,贡献“微薄”的力量,让更多人获得和她一样的感受,并带动更多的年轻群体参与长江江豚保护,为长江生态保护“出谋划策”。
现场还开展了小江豚宣讲员授勋活动,为小江豚宣讲员授予队服。小宣讲员们庄严宣誓。现场一位四岁的小江豚宣讲员棉棉小朋友告诉大家:等她长大,要成为中科院水生所的研究生,和江豚专家一起研究和保护好江豚。
“数字江豚”正式上线
为积极号召全民参与长江生态保护行动,由武汉白鱀豚保护基金会联合华为云、斗鱼、武汉云共同打造的江豚保护项目“数字江豚”正式上线。华为云通过领先的区块链技术,助力斗鱼实现数字江豚极速生成,快速上链、存证、流转,帮助“数字江豚”打造为一个社会互动、人人参与的线上平台,进一步提升公众对长江江豚的认知度。广大爱豚人士和市民将可在线上领取并认养专属的“数字江豚”,还可通过此相关小程序、网页观看江豚直播及江豚主题展。此项目将为长江江豚保护和长江大保护探索“线上途径”。本次“爱豚月”活动也在斗鱼、长江网等平台进行了线上直播。
全力推行“长江江豚文化公园”规划
武汉大学国家文化发展研究院常务副院长陈波教授讲到:将与中科院水生所、武汉白鱀豚保护基金会一起全力推动建设“长江江豚文化公园”,逐步推动将“中国˙武汉江豚湾”列入“长江国家文化公园”规划,让“长江江豚之于武汉”像“大熊猫之于成都”为全球熟知,将江豚IP打造成为武汉市长江大保护和公益环保的国家名片,为长江国家文化公园发声。
活动最后,省林业局、省体育局、市农业农村局、中南财经政法大学、中科院水生所、武汉大学国家文化发展研究院以及白鱀豚保护基金会的领导共同启动“全民爱豚月”活动。在爱豚月期间,基金会将把长江江豚的科教活动带往湖北省内的两个长江江豚国家级自然保护区,以及走进企业,走进社区,开展“长江生态保护”主题书画展、“长江生态科普课堂”等。全力推动全民参与爱豚、护江大行动。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。