數(shù)字世界催生了無處不在的連接需求。如今,消費(fèi)者希望即使身在旅途也能享受各類數(shù)字化體驗(yàn),就像在辦公室、在家里或其他地方一樣。在這種需求的驅(qū)動(dòng)下,汽車正在經(jīng)歷從交通工具到巨型移動(dòng)設(shè)備的轉(zhuǎn)型。據(jù)IHS發(fā)布的互聯(lián)汽車報(bào)告估計(jì),到2020年,將有1.52億輛互聯(lián)汽車上路,每年產(chǎn)生11PB數(shù)據(jù)。從移動(dòng)設(shè)備的激增到物聯(lián)網(wǎng)的蓬勃發(fā)展,各種技術(shù)力量亦在加速這種轉(zhuǎn)變,使汽車成為當(dāng)今信息網(wǎng)絡(luò)中不可或缺的組成部分。
現(xiàn)在,汽車既能接收數(shù)據(jù),也能將數(shù)據(jù)發(fā)至云端、交通基礎(chǔ)設(shè)施以及其他車輛。我們能否充分挖掘互聯(lián)汽車的價(jià)值,與這些數(shù)據(jù)直接相關(guān)。
IT世界的機(jī)遇
目前,汽車已產(chǎn)生大量數(shù)據(jù),而隨著各項(xiàng)功能的擴(kuò)充,數(shù)據(jù)量只會(huì)進(jìn)一步增加,汽車也將成為數(shù)據(jù)制造大戶。IT經(jīng)理們現(xiàn)在應(yīng)該考慮:如何從中挖掘有意義的信息,用于商業(yè)模式的改進(jìn)。同時(shí),駕駛員亦可根據(jù)自己的偏好調(diào)整隱私設(shè)置,決定共享多少數(shù)據(jù)。通過對(duì)數(shù)據(jù)加以分析,汽車制造商能夠更加了解用戶以及車內(nèi)的各項(xiàng)狀況。此外,這些數(shù)據(jù)還能幫助市場(chǎng)、工程及IT機(jī)構(gòu)攜手改進(jìn)車內(nèi)體驗(yàn)。通過利用CRM數(shù)據(jù)和增進(jìn)對(duì)駕駛員行為及偏好的了解,汽車制造商可以更好地滿足用戶需求,在恰當(dāng)?shù)臅r(shí)間提供恰當(dāng)?shù)捏w驗(yàn),如向駕駛員發(fā)出疲勞警告、汽車故障預(yù)警,然后主動(dòng)幫助解決問題,通過觀察發(fā)展趨勢(shì),積極做好準(zhǔn)備以防患于未然。更重要的是,在此基礎(chǔ)之上,汽車制造商可以有效降低成本,開發(fā)出更好的汽車。
呼喚多層數(shù)據(jù)分析
通過多層數(shù)據(jù)分析,我們可以實(shí)現(xiàn)諸如交通事故警告、天氣預(yù)報(bào)等新型服務(wù)。數(shù)據(jù)將從車輛傳感器傳至云端,實(shí)時(shí)獲取駕駛員當(dāng)下所需的信息,這意味著汽車必須擁有自主分析數(shù)據(jù)以及征詢?cè)贫朔答伒哪芰?。汽車制造商需要考慮整個(gè)數(shù)據(jù)處理周期,包括汽車與云、汽車與交通基礎(chǔ)設(shè)施以及車與車之間的數(shù)據(jù)傳送。從傳感控制器到網(wǎng)關(guān)、從云端到客戶端、從汽車到基礎(chǔ)設(shè)施,每個(gè)環(huán)節(jié)都涉及有效信息的抽取和數(shù)據(jù)價(jià)值的挖掘。之后,數(shù)據(jù)分析的結(jié)果將與其他車輛以及交通基礎(chǔ)設(shè)施分享,并向駕駛員提交建議結(jié)果以便防患于未然。
通過了解其生產(chǎn)的所有車輛情況,汽車制造商得以為車主提供更好的服務(wù)。例如,當(dāng)汽車出現(xiàn)某些問題,用戶可以第一時(shí)間向汽車制造商咨詢這類情況是否需要高昂的修理費(fèi)用或存在任何安全隱患,甚至根據(jù)數(shù)據(jù)分析結(jié)果預(yù)約上門維修服務(wù)或提前預(yù)訂零部件,以盡可能減少這些問題帶來的不便。為了支持自主駕駛以及高級(jí)駕駛員輔助系統(tǒng)(ADAS)等先進(jìn)技術(shù),強(qiáng)大的計(jì)算能力不可或缺,需要車輛與安全可靠的數(shù)據(jù)中心主干建立高速連接,以在云端進(jìn)行群數(shù)據(jù)分析。
確保安全與隱私
隨著越來越多的車輛及交通基礎(chǔ)設(shè)施實(shí)現(xiàn)互聯(lián),對(duì)于汽車制造商和用戶來說,安全可靠地保存和收發(fā)數(shù)據(jù)至關(guān)重要。信息安全和車輛安全密不可分,因?yàn)閬碜蕴摂M世界的惡意攻擊很有可能導(dǎo)致實(shí)實(shí)在在的技術(shù)故障。先進(jìn)技術(shù)的推陳出新與汽車制造商對(duì)上述要求的響應(yīng)速度緊密相關(guān)。車輛亦需根據(jù)這些數(shù)據(jù)及其來源快速、準(zhǔn)確地做出決策。只有采用多層分析模式,車輛才能充分利用各項(xiàng)數(shù)據(jù),自主進(jìn)行分析。此外,在保護(hù)用戶隱私之余,所有互聯(lián)汽車的被盜風(fēng)險(xiǎn)亦可被降低。
未來的駕駛體驗(yàn)
曾有調(diào)查顯示,幾乎一半的美國(guó)人希望擁有無人駕駛汽車,其中超過1/3的人相信,近10年就可以實(shí)現(xiàn)這一愿望。隨著自主駕駛這一理念越來越受追捧,汽車制造商必須重新思考如何設(shè)計(jì)新型汽車,將其打造成為一個(gè)多系統(tǒng)運(yùn)行平臺(tái),這些系統(tǒng)可以彼此通信、相互協(xié)作并主動(dòng)提供有效建議。英特爾正在積極運(yùn)用自己的創(chuàng)新技術(shù)和專長(zhǎng),與汽車行業(yè)緊密合作,打造全新的車內(nèi)體驗(yàn)。
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,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。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(dòng)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(duì)通過對(duì)比實(shí)驗(yàn)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(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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。