我們正在不斷的改變世界,在英特爾眼中,世界的改變是通過(guò)計(jì)算來(lái)創(chuàng)造的,在今天的CES2014開場(chǎng)主題演講中,英特爾為我們演示了一個(gè)神奇的虛擬世界,這個(gè)世界與我們的現(xiàn)實(shí)完全融合成為一體,在英特爾的帶領(lǐng)下,這些改變正在逐漸變成現(xiàn)實(shí),有一撥人正在不斷努力去實(shí)現(xiàn)這些。
先來(lái)看看這個(gè)特效,一只鯨魚飛在了英特爾進(jìn)行主題演講的大禮堂上空,而實(shí)現(xiàn)這個(gè)特效,僅僅是使用了一臺(tái)平板電腦,這是感知計(jì)算的一個(gè)完美應(yīng)用,但這并不是感知計(jì)算的全部應(yīng)用。
先來(lái)看看感知計(jì)算,在英特爾看來(lái),感知計(jì)算可以算是晶體管和神經(jīng)元的結(jié)合,通過(guò)感知計(jì)算,將這兩個(gè)完全不同的組件整合成為一個(gè)整體,讓虛擬世界和現(xiàn)實(shí)融為一體。
而對(duì)于感知計(jì)算,英特爾認(rèn)為它可以有五個(gè)顯著的應(yīng)用場(chǎng)景:
第一個(gè),是捕獲真實(shí)場(chǎng)景并且分享。通過(guò)與一些OEM合作,英特爾打造出一套3D攝像頭體系,通過(guò)攝像頭和軟件算法捕捉真實(shí)世界,并且交付給其他應(yīng)用使用。
第二個(gè)是沉浸式的體驗(yàn)。將我們的個(gè)人與虛擬世界結(jié)合起來(lái),讓我們的個(gè)人直接在虛擬的環(huán)境中完成一系列的工作、娛樂(lè)。
第三個(gè)是自然的交互。英特爾認(rèn)為,人與人之間最為自然的交互并不是觸摸,而是語(yǔ)言、動(dòng)作等等,因此,感知計(jì)算的應(yīng)用是讓晶體管和神經(jīng)元之間,通過(guò)自然的方式進(jìn)行交互。
第四個(gè)應(yīng)用是游戲。利用感知計(jì)算實(shí)現(xiàn)更好更豐富的游戲體驗(yàn)。
第五個(gè)是學(xué)習(xí)和教育。利用感知計(jì)算幫助孩子更快更容易的接收新知識(shí)。
也許這么說(shuō)并不能讓你理解感知計(jì)算,那么我們不妨通過(guò)幾個(gè)實(shí)例來(lái)看看。
首先來(lái)看看RealSense的解決方案,這套方案能夠捕捉現(xiàn)實(shí)中的物體,我們還可以編輯這些物體,之后利用3D打印技術(shù),將這個(gè)編輯完成的實(shí)物打印出來(lái),而在主題演講結(jié)束之后,英特爾也利用這個(gè)技術(shù),為每一位參會(huì)者打印了一塊帶有英特爾logo的巧克力。
再來(lái)看看游戲部分,這里英特爾為我們展示了一個(gè)半教學(xué)半娛樂(lè)的工具,通過(guò)掃描真實(shí)沙盤中的地形,一個(gè)虛擬的機(jī)器人,可以自動(dòng)分析地形,繞過(guò)障礙,并且最快的到達(dá)目的地。
之后的demo就是利用平板電腦的3D攝像頭捕捉真實(shí)場(chǎng)景,將虛擬的鯨魚嵌入到這個(gè)真實(shí)的場(chǎng)景中,實(shí)現(xiàn)了震撼的效果。
為了推動(dòng)感知計(jì)算的發(fā)展,英特爾也正在和全行業(yè)一起推動(dòng)感知計(jì)算的發(fā)展,在主題演講上,英特爾邀請(qǐng)了八名用自己的創(chuàng)意去改變世界的精英,其中包括了年僅13歲的3D計(jì)算實(shí)踐者,剛剛提到的巧克力打印正是他的成果。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。