瀏覽器粉絲們需要提高警惕:警惕移動應(yīng)用破壞Web開放計算基礎(chǔ),使得蘋果及Google等公司主導(dǎo)我們的數(shù)字未來。
圖:蒂姆·布雷
著名編程人員及技術(shù)專家蒂姆·布雷(Tim Bray)在參加丹麥奧胡斯市舉辦的Goto Conference軟件開發(fā)者大會上發(fā)出這一警告。布雷之前曾是Google Android開發(fā)人員,但其職業(yè)生涯主要是“Web人”。
當(dāng)?shù)貢r間本周三,布雷在發(fā)布的一段Goto視頻中說:“坦率地說,瀏覽器編程世界前景不容樂觀。”
當(dāng)編程人員需要寫一款具有一定交互性的應(yīng)用時,Web編程人員必須面對一些基礎(chǔ)性缺陷,并通過不斷改變工具修補(bǔ)缺陷。
為Google Android或蘋果iOS手機(jī)和平板電腦開發(fā)應(yīng)用時,移動應(yīng)用編程人員的情況則大不一樣。經(jīng)理要求寫移動應(yīng)用時,他們通常相當(dāng)積極,因為移動應(yīng)用開發(fā)人員使用的軟件開發(fā)包要比Web編程人員的工具好得多。
布雷在軟件開發(fā)者會議上說:“Google和蘋果龐大的精英團(tuán)隊不斷改進(jìn)原生移動應(yīng)用開發(fā)環(huán)境。大量精英也在開發(fā)瀏覽器技術(shù),但我不敢確定他們會趕上Google和蘋果移動應(yīng)用開發(fā)團(tuán)隊。”
這種狀況會對我們未來使用計算設(shè)備的方式產(chǎn)生深刻影響。Web是一個沒有一家公司能夠控制的開放平臺,但移動市場則受到Google和蘋果不同程度的控制。
布雷說:“我們即將忘掉一件最重要的事情是Web本性,Web是一個沒有一家廠商能夠控制的主流計算平臺。我憧憬的互聯(lián)網(wǎng)是這樣的:人們可以編寫、發(fā)布漂亮軟件,且無需獲準(zhǔn)即可使用。”
IT招聘網(wǎng)站Dice指出,移動技能固然重要,但Web仍是一股重要勢力。Dice女發(fā)言人雷切爾·西卡雷利(Rachel Ceccarelli)說:“平均而言,每天都有1825個移動應(yīng)用招聘崗位,3005個要求具有iPhone經(jīng)驗的專業(yè)技術(shù)崗位和2652個要求具有Android特長的崗位。Web開發(fā)者招聘崗位有2045個。”
開發(fā)操作系統(tǒng)、創(chuàng)建應(yīng)用商店及硬件的公司面臨著哪些問題?布雷認(rèn)為應(yīng)用商店速度過慢,搜索服務(wù)混亂,遠(yuǎn)不及瀏覽器搜索框。蘋果審查應(yīng)用升級包需要數(shù)天或數(shù)周時間,Google相對較快,但審查工作也較慢。
布雷認(rèn)為Web編程存在三大痛處:JavaScript用于編程、CSS用于內(nèi)容格式及DOM用于讓JavaScript程序控制網(wǎng)頁。
布雷說:“在所有的偉大編程語言中,JavaScript不在其列。我們的基本編程語言可能還不夠好,有點(diǎn)丑陋、有點(diǎn)愚蠢、風(fēng)險高,也不夠快。”
對付上述缺點(diǎn),需要借助“更多基于這些基礎(chǔ)工具的軟件層”解決編程人員面對編程中復(fù)雜性問題。布雷說,這類工具很多,堪比數(shù)億年前“寒武紀(jì)生命大爆發(fā)”。
布雷列出的主要軟件有:JQuery、Google Angular、Polymer和Dart,Ember.js、Backbone.js、Mozilla ASM.js、CoffeScript、 IcedCoffeeScript、Less、Sass、Twitter Bootstrap、Bourbon Neat及ZenGrids。
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。