繼昨天英特爾公司高級(jí)副總裁、數(shù)據(jù)中心事業(yè)部總經(jīng)理柏安娜談到,英特爾在諸多領(lǐng)域有著最新的嘗試,今天英特爾就一一為大家揭秘,這些全新的體驗(yàn)到底是什么。
英特爾公司高級(jí)副總裁PC客戶(hù)端事業(yè)部總經(jīng)理施浩德表示,和中國(guó)的合作伙伴們有著非常好的合作,這里面有三個(gè)領(lǐng)域:觸控技術(shù),3D實(shí)感攝像,無(wú)線化。而今天著重談的是,我們能夠怎么從機(jī)器上面把所有的線去除掉,無(wú)線化,不管是充電、基站還是數(shù)據(jù)的傳輸,我們都能夠?qū)崿F(xiàn)個(gè)人電腦的無(wú)線化,還有就是提供非?;畹囊曈X(jué)效果。
施浩德談道,現(xiàn)在這個(gè)行業(yè)的年收入是21.6億美元,2018年將會(huì)達(dá)到58億美元,每年都是2—3倍的增長(zhǎng),英特爾也是SWP的成員,英特爾三星、高通和其他公司一起來(lái)推動(dòng)基于標(biāo)準(zhǔn)的無(wú)線充電,英特爾在接收方面以及在發(fā)射方面都會(huì)推出參考設(shè)計(jì)。比方說(shuō)把你的可穿戴設(shè)備放在一邊進(jìn)行充電,或者在星巴克把你的PC放到臺(tái)子上,無(wú)論是怎樣的無(wú)線充電,它都具有一個(gè)可伸縮性,能夠從小型的可穿戴設(shè)備到大型的PC,在PC的內(nèi)部會(huì)有這樣的一個(gè)東西,然后把另外一片放到你的充電板當(dāng)中。
“我很快舉三個(gè)例子講講英特爾如何推動(dòng)無(wú)線充電的標(biāo)準(zhǔn),并且把一些新型的創(chuàng)新功能來(lái)真正地去實(shí)現(xiàn)無(wú)電線的充電,我們看一下這個(gè)臺(tái)子,我可以把無(wú)線充電器放到臺(tái)子下面去,首先這是完全無(wú)線的,能夠發(fā)射充電的信號(hào)。這是一個(gè)本地的Wi-Fi為的熱點(diǎn),藍(lán)顏色的區(qū)域是我把設(shè)備放上去的一個(gè)區(qū)域,很容易安裝,而且能夠穿透這個(gè)臺(tái)子進(jìn)行充電的。剛才我們有一個(gè)熱點(diǎn)的尺寸告訴大家了,我可以放兩臺(tái)手機(jī)在上面,然后把一個(gè)藍(lán)牙耳機(jī)再放上去,三款設(shè)備同時(shí)在進(jìn)行無(wú)線充電。這三款電壓不一樣但是能夠同時(shí)充電,這個(gè)可以根據(jù)平板電腦需要充電的參數(shù)自動(dòng)進(jìn)行調(diào)整,這是2合1的超級(jí)本放上來(lái),他可以調(diào)整好信號(hào)之后可以充電,而且是穿透了兩英寸厚的臺(tái)面。”
無(wú)線充電是一個(gè)巨大的正在形成的產(chǎn)業(yè),對(duì)于你的PC、平板電腦、手機(jī)、可穿戴設(shè)備進(jìn)行無(wú)線充電將是一場(chǎng)革命。施浩德表示,手機(jī)、可穿戴設(shè)備、平板電腦和全尺寸的PC,都能夠以一種基于標(biāo)準(zhǔn)的方式進(jìn)行無(wú)線充電,就像當(dāng)年的迅馳一樣。
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(kāi)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(kāi)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。