3D打印是近期比較熱門(mén)的技術(shù)之一,它的熱度甚至可以與可穿戴設(shè)備相抗衡。
其實(shí),3D打印就是快速成型技術(shù)的一種,它是以數(shù)字模型文件為基礎(chǔ),運(yùn)用粉末狀金屬或塑料等可粘合材料,通過(guò)逐層打印的方式來(lái)構(gòu)造物體的技術(shù)。
許多民間高手利用3D打印技術(shù)設(shè)計(jì)出很多新奇、別致的作品,也在一定程度上給人們的生活帶來(lái)了便利以及樂(lè)趣。這些都使得人們對(duì)3D打印技術(shù)有了非常高的期待,3D打印也逐漸被牙科和醫(yī)療產(chǎn)業(yè)、航空航天、工業(yè)設(shè)計(jì)、建筑等領(lǐng)域所接納。但是,不可否認(rèn),3D打印產(chǎn)業(yè)還停留在“理想階段”,如何進(jìn)一步的“邁進(jìn)現(xiàn)實(shí)”?這就需要克服重重阻礙。
臺(tái)灣鴻海董事長(zhǎng)郭臺(tái)銘曾表示:“如果(3D打印)真的是(有用),那我的‘郭’字倒過(guò)來(lái)寫(xiě)。”郭臺(tái)銘為何對(duì)3D打印有這么深的“偏見(jiàn)”?究其原因,是他認(rèn)為此項(xiàng)技術(shù)無(wú)法大量生產(chǎn)用在商業(yè)用途,不具有商業(yè)價(jià)值。他以3D打印制造出的電話為例,3D打印技術(shù)可以制造出產(chǎn)品,但是只能看,不能用;3D打印技術(shù)制造的商品上不能加電子組件,也無(wú)法成為電子產(chǎn)品量產(chǎn),而且一摔就碎;3D打印還無(wú)法使用皮革材質(zhì),所以他認(rèn)為,3D打印可以做少數(shù)一、二個(gè),但完全無(wú)法量產(chǎn)。
前幾天,日本大阪商工會(huì)議所發(fā)布的調(diào)查結(jié)果顯示,非大型企業(yè)中3D打印機(jī)的使用率僅為9.2%。最主要的因素是設(shè)備價(jià)格高、使用材料有限、需要花時(shí)間培養(yǎng)操作人員、產(chǎn)能低等,而這些問(wèn)題也會(huì)很大程度上制約3D打印技術(shù)的發(fā)展和普及。
美國(guó)家得寶公司(Home Depot)近期宣布將開(kāi)始在美國(guó)加利福尼亞州、紐約州和伊利諾斯州等12個(gè)地區(qū)的門(mén)店開(kāi)始出售由MakerBot公司生產(chǎn)的3D打印機(jī)。而3D打印機(jī)產(chǎn)品也早早的在京東商城、淘寶等電商網(wǎng)站上架發(fā)售。
雖說(shuō)現(xiàn)階段3D打印技術(shù)用在商業(yè)用途上稍顯勉強(qiáng)(不同行業(yè)需求不同),但是普通的3D打印機(jī)卻能滿足工程師和科技愛(ài)好者的需求。3D打印技術(shù)能夠?yàn)橄M(fèi)者提供個(gè)性化的定制產(chǎn)品,而且打印小型的硬質(zhì)物品,所用的材料只有幾種塑料,有成本的優(yōu)勢(shì),這也是個(gè)人3D打印機(jī)受到消費(fèi)者追捧的主要原因。
3D打印被業(yè)界稱(chēng)為“第三次工業(yè)革命”,這種說(shuō)法確實(shí)欠考慮,價(jià)格、易用性等因素都限制了它的普及程度。
3D打印技術(shù)——有優(yōu)勢(shì)、有短板。目前來(lái)看,3D打印還需要一段時(shí)間來(lái)發(fā)展、壯大,也希望它能夠有所突破,畢竟最后收益的還是大眾。
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。