数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
UFMs在多种城市场景中展现出巨大的应用潜力和研究价值。
交通运输
智能交通系统正在彻底变革我们的社会，从道路安全、公共交通到交通管理决策各个方面都受到其影响。虽然目前的研究已尝试开发用于处理和分析复杂交通数据的基础模型，但大多数研究侧重于交通系统的特定方面，例如自然语言处理。UFMs需能有效处理交通数据的异质性和多模态性以适用于更广泛的交通场景。
城市规划
有效的城市规划在打造智能、高效、环保的城市中发挥着至关重要作用。UFMs能分析大量城市数据、提出创新想法以辅助规划师和政策制定者进行未来规划，并在有效挖掘和分析数字平台上公众反馈，加强参与式规划等过程中提供重大帮助。
能源管理
人工智能已被证明有助于城市能源系统的管理。尽管存在能源数据的敏感性和隐私性等挑战，UFMs在能源管理领域的应用前景仍然十分光明，联邦学习等隐私保护技术可能是充分利用基础模型潜力的有效方案。
环境监测
快速城市化带来的空气污染、水污染和资源枯竭等问题对公共健康和城市可持续发展构成严重威胁。虽然专门针对气候相关任务的基础模型已被开发，但UFMs在更广泛的环境问题，如空气等污染分析中的应用，还远未得到充分探索。
公共安全
公共安全是城市生活的核心，直接关系到市民的福祉。基础模型的构建能够推动犯罪预防、紧急响应和灾害管理等应用的进步。尽管基于大语言模型的方法已在提升城市公共安全方面展现出巨大作用，但UFMs在该领域的全部潜力尚待深入挖掘。
数字化转型网人工智能研习社包含哪些内容
数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
