前幾年興起的3D電視等一些看上去很有創(chuàng)新性的產(chǎn)品,尤其是便攜式的投影儀現(xiàn)在已經(jīng)無蹤影,不能不說是一種遺憾。這是微軟公司全球資深副總裁張亞勤博士在美國CES接受記者視頻采訪時發(fā)出的感嘆。
[video]uu=dfa091e731&vu=5ddac0c6c0&auto_play=0&width=600&height=450[/video]
張亞勤博士接受劉克麗總編視頻專訪
張亞勤博士認為智能、互聯(lián)、可穿戴是本屆CES的三大趨勢,當然他也強調(diào),CES更多代表著未來3-5年的技術發(fā)展趨勢,倒并非發(fā)布新品的地方。雖然談及遺憾,但他依舊認為本屆CES也有一些驚喜,比如高清顯示技術、曲面技術堪稱顛覆。
在訪談中張亞勤博士回憶起90年代Computex的輝煌時說,1999年的Computex有35萬人參觀,是PC的輝煌時代,現(xiàn)在CES無法相比,原因可能是受美國經(jīng)濟和大廠商不來參展的影響。
他說與之形成對比的是汽車廠商非常積極,汽車才是時刻移動的終端。而微軟從WCE(Windows Credentials Editor)開始就已經(jīng)與很多汽車廠商開展合作,例如與福特公司的合作,另外微軟還與十幾家汽車廠商合作在Windows建立云計算系統(tǒng),將導航、安全、保險等信息實時放在云中調(diào)用、應急。
在回答記者關于如何看待英特爾在此次CES上發(fā)布的物聯(lián)網(wǎng)戰(zhàn)略和愛迪生芯片時,張亞勤認表示,有人的地方就有電,有電的地方就有計算,有計算的萬物就應互聯(lián)。但是萬物互聯(lián)生態(tài)環(huán)境的建立非常重要并需要中長期的形成,一旦形成,將能給產(chǎn)業(yè)升級、消費者帶來機會和不止萬種應用,但是5年內(nèi)很難看到這種生態(tài)的形成和應用的爆發(fā)。
當記者借此機會問及關于當前非結(jié)構(gòu)化數(shù)據(jù)無法用傳統(tǒng)的關系型數(shù)據(jù)庫進行管理的問題時,張亞勤說,所以大數(shù)據(jù)來了。大數(shù)據(jù)不僅僅只是指數(shù)據(jù)量的多少,還指其非結(jié)構(gòu)性,傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)提供的是確定的結(jié)果,而非結(jié)構(gòu)化數(shù)據(jù)則提供不明確的多種結(jié)果。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。