周四,亞馬遜公司新推出了自己的家用語音助手硬件產(chǎn)品——Echo。
Echo類似蘋果Siri、微軟Cortana和谷歌Google Now等語音助手服務(wù),可通過網(wǎng)絡(luò)搜索來回答用戶提出比如天氣查詢、時(shí)間應(yīng)答等問題,還支持用戶在購物應(yīng)用上添加購物清單。
與蘋果Siri等數(shù)字助理服務(wù)有所不同,Echo并非僅是一款通過移動(dòng)設(shè)備訪問的軟件產(chǎn)品,它還是一款內(nèi)置了揚(yáng)聲器的硬件產(chǎn)品,能夠滿足用戶通過語音控制系統(tǒng)進(jìn)行各種查詢服務(wù),還支持購買流媒體音樂等產(chǎn)品。只要用戶對(duì)著該設(shè)備呼叫“Alexa”,該設(shè)備將被激活。
亞馬遜公司一位發(fā)言人稱:“我們認(rèn)為Echo將使用戶的日常生活變得更簡單。當(dāng)用戶打算做什么事兒碰到問題時(shí),都可以向Echo提問。”
據(jù)悉,該產(chǎn)品僅向預(yù)訂用戶開放購買,面向普通用戶的售價(jià)定為199美元,而Prime用戶購買這一產(chǎn)品僅需99美元。根據(jù)亞馬遜產(chǎn)品頁面信息顯示,Echo將在“未來數(shù)周”上市。
BGC新設(shè)備業(yè)務(wù)分析師科林·吉利斯(Colin Gillis)稱:“亞馬遜顯然打算利用硬件設(shè)計(jì)來推動(dòng)業(yè)務(wù)發(fā)展。”
去年以來,亞馬遜在硬件產(chǎn)品領(lǐng)域采取動(dòng)作頻頻,接連推出了多款產(chǎn)品,包括:電視流媒體盒、流媒體棒、智能手機(jī),以及Kindle手機(jī)、平板產(chǎn)品線等等,所有這些設(shè)備均突出了一個(gè)主題,即為吸引用戶消費(fèi)亞馬遜的數(shù)字內(nèi)容。Echo產(chǎn)品的推出也不例外,在豐富亞馬遜硬件產(chǎn)品線的同時(shí),還使公司的音樂產(chǎn)品在其生態(tài)系統(tǒng)內(nèi)多了一個(gè)新的展示機(jī)會(huì)。
盡管當(dāng)前Echo時(shí)只允許用戶購買音樂,但從目前來看,亞馬遜很可能將購買音樂服務(wù)擴(kuò)展至其他類型的購買服務(wù),甚至是有形商品,這將為亞馬遜提供一個(gè)深度挖掘消費(fèi)者錢包的新方式。
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。