對不起,各位網(wǎng)友,這篇稿是在美國時間1月8號凌晨3點(diǎn)半和視頻一起傳回,今天我才發(fā)現(xiàn),沒有被助理發(fā)布上,現(xiàn)在補(bǔ)給大家,可能意義不大,但是我必須完成自己的任務(wù):
美國拉斯維加斯時間1月7日下午7點(diǎn),北京時間1月8日早上11點(diǎn),第一天的CES已經(jīng)進(jìn)入尾聲,參觀了一天的展覽,看到了有七大顛覆性產(chǎn)品現(xiàn)象,以下和大家分享一天內(nèi)的見聞:
早上七點(diǎn)鐘,我就已經(jīng)抵達(dá)現(xiàn)場,雖然還沒有開始開展,但是見到了英特爾研發(fā)團(tuán)隊,在交流過程中的最大感受就是英特爾公司巔覆了以往只在手機(jī)和PC中發(fā)展在今后的發(fā)展的策略,要將自己的芯片inside一切物品中互聯(lián),這不能說是野心,而是雄心。
第二個感受是歐美廠商在大屏彩電方面可以說全軍覆沒,幾乎看不到他們的身影,反而中國、日本、韓國幾大廠商一統(tǒng)了天下。目前市場上最大的屏幕是110英寸,在三星、海信、海爾都有這樣的產(chǎn)品,而雅虎也有電視覆了他一直以web1.0的形象。
其次,第三是看到了目前前衛(wèi)的產(chǎn)品3D打印,美國很多先鋒廠商都已經(jīng)展現(xiàn)出了他們3D打印的成品,而在亞洲沒有一個廠商做到了這一點(diǎn),在相信未來會把3D打印的成本降低,這一點(diǎn)不只是顛覆傳統(tǒng)制造業(yè),也讓剛剛在電子產(chǎn)品領(lǐng)域堀起的亞洲廠商受到刺激。
第四點(diǎn)感受來自聯(lián)想23款新產(chǎn)品,其中讓人印象最深的是在一臺普通超薄筆記本機(jī)身上出現(xiàn)了低炮音響,另外可變鍵盤,都顛覆了音響和鍵盤的傳統(tǒng)外表和使用體驗。
第五點(diǎn)感受是4K在2014年可能會迎來突破性的一年,但夏普卻顛覆了這一主流認(rèn)知,居然放棄了4K。
第六點(diǎn)是智能生活的展出,顛覆了我們正常生活的電氣、家電使用體驗,如展出的智能燈泡,它可以根據(jù)屋內(nèi)的光線強(qiáng)度來自動調(diào)整亮度,它預(yù)示著未來我們所有的電器都能實(shí)現(xiàn)設(shè)備本身根據(jù)實(shí)時需求自動進(jìn)行智能化的調(diào)整。
最后一點(diǎn)是CES展現(xiàn)出的多款可穿戴式設(shè)備,這些設(shè)備似乎它們未來的實(shí)用價值大于當(dāng)前實(shí)用價值,只能說自己巔覆了自己存在的意義,更像是在做未來電子產(chǎn)品的時裝表演,無意中一箭雙雕。但感到遺憾的是,和3D打印一樣可穿戴式設(shè)備依舊都是由美國廠商推出的。
此外我們還看到了很多顛覆性產(chǎn)品,最具代表性的就是CES給汽車做了新的定義——汽車不再只是機(jī)械電產(chǎn)品,而是一個移動的電子產(chǎn)品。世界前十大汽車廠商到CES報道了九家,參觀者都被那各種怪異的汽車外表吸引過去,對它們熱情超過了對傳統(tǒng)電子產(chǎn)品的熱情。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(shí)驗顯示,僅訓(xùn)練AI玩簡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)隊開發(fā)的GIGA-ToF技術(shù)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(jī)噪聲問題。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和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實(shí)驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)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(shí)際提升推理準(zhǔn)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(qiáng)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。