
最近,威尔士工党政府因其雄心勃勃的“威尔士元宇宙”项目引发了广泛的争议和公众愤怒。尽管这个项目旨在通过虚拟现实展示威尔士的自然风光和历史景点,激发游客兴趣,但其高昂的成本和相对低迷的访问量让纳税人质疑其实际价值。
威尔士政府在几个月前还自豪地宣布,自己成为了“英国第一个在马克·扎克伯格的平台上开展虚拟宇宙实验的国家”。该项目被形容为一种“沉浸式体验”,游客可以通过虚拟现实技术探索威尔士的著名景点和文化遗产,包括一座历史悠久的城堡、兰迪德诺风格的缆车和一个露天剧场。
从初衷来看,威尔士政府希望借助元宇宙的热潮,创新推广当地旅游景点,吸引全球游客。然而,尽管构思新颖,这个项目从一开始就面临了诸多质疑。
根据信息自由请求(FOI)披露的数据显示,威尔士元宇宙项目的直接开发成本为“不到 16,000 英镑”,政府似乎对此非常自豪。然而,这并不是全部成本。在“访问威尔士”数字活动的推广过程中,额外的 30,000 英镑被用于推广这个项目,使得六个月内的总花费达到了惊人的 46,000 英镑。
对于一个新兴的虚拟现实项目来说,这笔资金或许并不算夸张,但考虑到其初期表现,这个成本显得尤其引人争议。许多公众和纳税人认为,当前经济环境下的政府预算应更为谨慎,而不是投入到一个看似虚无的“数字实验”中。
尽管威尔士政府花费巨资宣传,但这个元宇宙项目的早期访问数据却显得相当惨淡。在元宇宙平台运营的前两周内,仅有 4,800 名用户访问了该虚拟世界。这个数字远低于预期,也让人怀疑这个项目是否能够真正达到政府宣传中所描绘的效果。
纳税人和批评者担心,这样的结果与巨大的支出不成正比,尤其是在当前经济不景气、公共服务面临严重挑战的情况下,这笔钱是否有更好的使用方式。
随着这个信息的公开,威尔士的纳税人愤怒情绪迅速蔓延。纳税人联盟的竞选经理埃利奥特·凯克(Elliot Keck)对此表达了强烈抗议。他表示:“威尔士纳税人将会因为不得不为这种令人尴尬的把戏买单而感到愤怒。”在他看来,当前的经济困境下,政府不应该浪费公共资金在这些无关紧要的“宠物项目”上。他进一步指出,威尔士的公共服务体系早已陷入瘫痪,许多家庭的经济状况濒临崩溃,而政府却把时间和资金浪费在一个虚拟现实项目上,显得极为不负责任。
凯克的观点代表了许多纳税人的不满。在疫情后的经济复苏阶段,许多国家和地区都在压缩开支,以确保公共服务的正常运转。威尔士政府选择投入大量资金到一个虚拟旅游项目,而忽视现实中的紧迫问题,显然激怒了许多公众。
虽然威尔士元宇宙项目目前面临诸多批评,但这并不意味着虚拟现实技术本身毫无价值。在全球范围内,虚拟现实正在迅速发展,许多行业和企业都在利用这一技术创新。然而,任何新技术的应用都需要慎重考虑成本与收益的平衡。
在威尔士元宇宙的案例中,尽管虚拟现实有可能为未来的旅游业带来新机遇,但政府是否应该在当前的经济状况下花费如此巨额资金,却是一个值得探讨的问题。项目初期的访问量低迷、公众的质疑声浪高涨,都表明这个项目的成功与否尚未可知。
威尔士元宇宙项目的高昂成本和低访问量引发的愤怒,揭示了在公共资金使用上的透明度和责任感问题。政府在推出创新项目时,应充分考虑公众的需求与反馈,确保资金的合理使用。
当前,威尔士的公众服务正面临诸多挑战,民众希望政府在未来的决策中,能够更好地权衡各类项目的优先级,将有限的资源用于真正能够改善人民生活的项目上。
回到咱们国家,是否也有相关的类似项目呢?不管如何,在虚拟现实逐渐成为主流的时代,政府的创新举措无疑是必要的,但每一步都需要与实际情况保持平衡,以免引发更多的质疑与不满。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。