12月8日,搜狗正式推出搜狗公司第一款智能硬件設(shè)備——兒童智能手表“糖貓”。會上,搜狗公司首席執(zhí)行官王小川、糖貓項目發(fā)起人吳滔聯(lián)合宣布,即日起,糖貓在京東電商平臺全面開啟預(yù)約。糖貓兒童智能手表的推出,宣告了搜狗正式進軍智能硬件市場,據(jù)悉該款手表官方售價299元,服務(wù)費每月20元。
智慧戰(zhàn)略是搜狗未來戰(zhàn)略中的重要一環(huán)。王小川在發(fā)布會上表示:“按照智慧戰(zhàn)略布局,我們的搜狗輸入法、瀏覽器等產(chǎn)品以精準預(yù)測用戶行為為方向,正在從工具向服務(wù)邁進,從連接向智慧過渡。而為全面驅(qū)動智慧服務(wù),實現(xiàn)搜狗的戰(zhàn)略布局,智能硬件開始對搜狗變得舉足輕重。糖貓的推出,正是搜狗在智能硬件市場的第一次實踐,也是搜狗‘技術(shù)為用戶服務(wù)’理念的延續(xù)和見證。”
自2012年4月谷歌眼鏡發(fā)布后,智能硬件逐漸引起各界矚目。2014年儼然是智能硬件行業(yè)的“爆發(fā)年”,諸多互聯(lián)網(wǎng)企業(yè)紛紛跨界玩“硬件”,從蘋果、谷歌到BAT,從國外到國內(nèi),互聯(lián)網(wǎng)企業(yè)進軍智能硬件的制造已經(jīng)成為風(fēng)潮。瑞信集團的預(yù)測報認為,未來兩到三年,全球智能硬件的市場規(guī)模有望達到300億至500億美元。然而智能硬件的前景并不明朗,使用場景少、同質(zhì)化嚴重、性價比偏低。如何將互聯(lián)網(wǎng)和硬件真正結(jié)合?這是業(yè)界一直在思考的問題。
“真正滿足用戶需求的垂直服務(wù)硬件產(chǎn)品是智能硬件的未來之一。”王小川認為。而兒童智能硬件正是這樣一個需求強勁,尚待深入探索的市場。糖貓通過另辟蹊徑的切入點,已經(jīng)成功搶占了兒童智能硬件市場的先機。
在發(fā)布會上,糖貓項目發(fā)起人吳滔進一步闡述了搜狗的一群技術(shù)宅男學(xué)霸為何從兒童領(lǐng)域切入智能硬件領(lǐng)域。“最原始的動機其實是我作為父親的愧疚,因為工作太忙我很少有時間陪女兒,錯過了太多她成長的瞬間。我也嘗試過一些辦法,比如兒童手機或者她媽媽的微信,但效果并不好。” 他表示,“在科技發(fā)展如此迅猛的今天,孩子們依然只有10年前甚至我們兒時的產(chǎn)品可用,并且開始越來越多地使用成人的設(shè)備和工具,比如:手機、pad,而這些設(shè)備很大程度上又對孩子的成長和發(fā)育有潛在威脅。為什么沒有一款專門為孩子設(shè)計既能滿足他們的溝通、玩樂需求又能幫助他們成長的產(chǎn)品?所以,我覺得我們應(yīng)該為孩子們做些什么了。” 正是出于這種動機,糖貓項目應(yīng)運而生。
吳滔接著表示:“搜狗擁有著極致創(chuàng)新的精神。在十年創(chuàng)業(yè)歷程中,搜狗已經(jīng)在地理定位、語音識別、語意理解、知識圖譜、人工智能等技術(shù)上積累了深厚的基礎(chǔ),這些成為糖貓誕生的強大前提和技術(shù)支撐。”
據(jù)介紹,與市場上其他兒童智能硬件不同的是,糖貓專為3-9歲兒童設(shè)計,具有語音對講、位置定位、體感游戲等功能,更強調(diào)親子陪伴。通過語音對講,糖貓可以讓父母和小孩可以隨時隨地保持聯(lián)系,讓親子陪伴擺脫空間與時間的限制;而位置定位還可以讓家長查看小孩的位置,無論他在室內(nèi)還是室外;更可以通過手臂動作與家人體感互動玩游戲。
“希望糖貓能幫到那些像我一樣的父母們,不再缺席孩子的成長。”吳滔說。
對于糖貓在商業(yè)上的計劃,吳滔表示將采取“硬件零利潤+服務(wù)費”的模式。首款機器裸機售價為299元,服務(wù)費每月20元。
據(jù)悉,除了在智能硬件領(lǐng)域的布局,搜狗還成立了人工智能研究院,主攻未來的智慧互聯(lián)網(wǎng)方向,讓機器的智慧反哺人類,這為搜狗的未來增加了更多的可能性。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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際提升推理準確率。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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(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。