10月23日,中國移動(dòng)原董事長王建宙在“2014哈佛商業(yè)評(píng)論年會(huì)”上表示,當(dāng)短信被微信等新的社交媒體服務(wù)取代的時(shí)候,并沒有給電信行業(yè)帶來生存的壓力,反而加速了電信行業(yè)的發(fā)展。
“微信帶來的數(shù)據(jù)流量的增長,遠(yuǎn)遠(yuǎn)超過了短信的減少”,王建宙表示。
中國移動(dòng)最新發(fā)布的財(cái)報(bào)顯示,2014年前三個(gè)季度,中國移動(dòng)語音和短彩信業(yè)務(wù)繼續(xù)下滑,總通話分鐘數(shù)比上年同期下降0.3%,短信使用量同比下降20.2%。與之相對(duì)的是,前三季度中國移動(dòng)的移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)流量比上年同期增長98.6%,幾乎翻了一倍。
移動(dòng)互聯(lián)網(wǎng)雖然給電信運(yùn)營商帶來了巨量的流量增長,但運(yùn)營商在電信行業(yè)的中心地位已經(jīng)不復(fù)存在。王建宙認(rèn)為,在過去的一百年里,運(yùn)營商一直處于電信行業(yè)價(jià)值鏈的中心環(huán)節(jié),網(wǎng)絡(luò)設(shè)備制造商、手機(jī)制造商、內(nèi)容提供商以及服務(wù)提供商等都要圍繞著運(yùn)營商來轉(zhuǎn),“他們需要運(yùn)營商幫他們收錢、依賴運(yùn)營商的管理系統(tǒng)。”
移動(dòng)互聯(lián)網(wǎng)的到來打破了這個(gè)價(jià)值鏈,電信行業(yè)由運(yùn)營商一個(gè)中心,分化為三個(gè)中心,“第一是網(wǎng)絡(luò)連接,第二是移動(dòng)終端,第三是app終端”,王建宙說到,“這三個(gè)中心緊密相連,但同時(shí)也完全獨(dú)立”。
他舉例說,電話機(jī)最初在電信行業(yè)中占比很小,但現(xiàn)在智能手機(jī)的銷售收入已經(jīng)遠(yuǎn)遠(yuǎn)超過了電信行業(yè)的其他設(shè)備。
不過,物聯(lián)網(wǎng)時(shí)代的到來,將帶給電信行業(yè)更大的機(jī)會(huì)。王建宙稱,手機(jī)市場(chǎng)對(duì)于電信行業(yè)來說已經(jīng)趨近飽和狀態(tài),“如果擴(kuò)大到物聯(lián)網(wǎng),一個(gè)人至少會(huì)有十個(gè)設(shè)備的連接,將大大擴(kuò)展網(wǎng)絡(luò)利用的范圍。”
好文章,需要你的鼓勵(lì)
新加坡國立大學(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。