喻国明谈网络平台的价值、规则及治理逻辑******

　　7月15日，2021中国网络诚信大会网络媒体和社交平台诚信建设论坛在湖南长沙梅溪湖国际文化艺术中心小剧场举行。教育部长江学者特聘教授、北京师范大学新闻传播学院学术委员会主任喻国明发表主旨演讲。他表示，数据及算法等互联网平台资源不是互联网平台的“私有财产”，应形成一种平台资源社会共治的模式，使互联网平台明确自身价值目标及边界所在。

　　“对互联网时代的传播格局而言，互联网平台的出现是一个革命性变化。”喻国明指出，互联网平台的发展对于我国社会发展进步功不可没，且具有不可或缺的功能和特性。

　　具体而言，喻国明认为，互联网平台不但提供了传统意义上的传播渠道，也提供了政务、商务、教育、健康等行业，通过互联网传播机制打造新型在线服务的可能性。同时，“碎片化社会”有可能借助互联网平台的功能及技术，实现再一次互相连接和再组织化。此外，互联网平台的规模化发展，促使人与人、人与物及人与信息的连接更加高效便捷。

　　不可否认的是，互联网平台也给人们提出了很多新挑战。喻国明总结为三个方面：首先，互联网平台在一定程度上掌握网络话语及规则的定义权、裁量权、解释权，可能以用户协议为由实施超越社会与法律的“平台监管”；其次，互联网平台拥有庞大用户、海量数据、先进算法，目前社会规则、社会力量的制衡不足；第三，互联网平台容易利用算法为用户编织“信息茧房”。

　　喻国明提出了互联网平台治理的三点建议：一是互联网平台是一种生态级存在，要保护其创新自由度，对它的治理应有必要的容错空间；二是提供平台用户协议的社会标准格式文本，由多方评议制订，平衡平台与用户间的权利关系；三是算法及数据是互联网平台发挥作用最重要的资源，应通过社会共治模式明确这类资源应用的边界和规则。（文/孔繁鑫、姚坤森 图/张瑜 视频/孔繁鑫、曾震宇）

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