“嘿,你的手腕上沒佩戴任何智能設備。”Mophie的一位發(fā)言人向筆者如是說,筆者解釋道并非如此:筆者手腕上戴有一塊Withings Activité智能手表,只是它看起來與普通手表別無兩樣,感覺就是一塊普通手表,而且它通過下方藍牙實現智能互聯。
憑借與普通手表別無二致的外觀,最新且更便宜的Withings Activité Pop智能手表在本次國際消費電子展會上引起了轟動。Martian與Guess共同打造的全新智能手表亦是如此。有趣的是,這些智能手表只是追求在外觀上看起來很普通,而并不打算憑借寬大、亮麗的屏幕脫穎而出。
短短幾個月內,隨著蘋果Apple Watch的推出,再加上一大批不可避免的新一代Android Wear和三星Gear智能手表的問世,該領域的其他廠商似乎已準備好向精巧產品進發(fā)。2015年的熱門產品恰恰可能剛好是件小巧設備。
可穿戴設備制造商Misfit與施華洛世奇(Swarovski)聯手推出的Swarovski Shine太陽能可穿戴設備看上去就像一款施華洛世奇首飾:一條水晶項鏈,或是一個水晶吊墜。僅僅從外觀上看它,你永遠不會知道某人穿戴的是一款智能設備。
日本眼鏡制造商Jins推出一款感知眼球運動、測量疲勞型眼鏡,其外形與普通眼鏡無異。
這種趨勢在智能家電產品上也有體現:巧妙聯網的咖啡機、真空低溫烹調設備、慢燉鍋、冰箱、燈。而汽車產業(yè)公司則正致力于植入智能手表兼容性。
除可穿戴設備外,一些公司已經開始計劃整體性進軍更多類型的產品,例如HTC公司,而Withings等公司已經在這樣做了。可穿戴公司Misfit目前正在制造智能電燈泡。
筆者在CES上看到了什么呢?令人驚嘆不已的并非某個產品,倒是很多產品表現出來的一種跡象令人贊嘆。尤其是智能手表。
雖然本次展會上有無數的健身型智能手表和智能手環(huán),但在大多數情況下,其他智能手表往往呈現出一種暫停狀態(tài)——“等侯全球移動大會”似乎已成為一個常見口號。當然,其言外之意也代表著蘋果Watch將于那時亮相。
除此之外,一個鮮為人知但越來越重要的巴塞爾世界鐘表珠寶展將在瑞士舉行。屆時,各大傳統(tǒng)手表制造商將聚集瑞士,而很多智能手表和可穿戴公司也逐漸出席這一展會,因此,如果還有下一批微智能普通手表,那么它們很可能將會出現在這個展會上。
基于增強現實(AR)和虛擬現實(VR)技術的各種眼鏡仍“潛伏”在CES展會上,隱秘在各處。Oculus Rift的最新設備就隱秘在游戲展會館,而Vuzix則藏在靠近電視展區(qū)的一個大廳后,頭戴式顯示器Avegant Glyph位于TechWest展會的金沙酒店(The Sands)。愛普生為其Moverio BT增強眼鏡更新了軟件,而索尼在展會的一個角落里陳列著其SmartEyeglass原型。三星Gear VR在節(jié)假期間剛剛提供了有限的產品供應,但每周都會有新軟件出現。Google Glass并未出現在展會上,不過可穿戴眼鏡不會消失,它們正在蟄伏、進化。
帕爾默·拉基(Palmer Luckey)在CNET“下一個大事件” (Next Big Thing)峰會上表示,增強現實和虛擬現實終將融為一體。只是連接顯示器、攝像頭、鏡片、硬件和軟件的技術還未出現。CES展會上甚至沒有一個專門的虛擬現實展館。不過,或許明年將徹底改變。2016年可能會成為真正的虛擬現實年度。
隨著可連接設備的激增,可穿戴科技將有更多的用途。而伴隨著Android Wear和Apple Watch對更多全新應用和手機互聯的推動,這些生態(tài)系統(tǒng)很可能最終將膠合在一起。畢竟制造商等待的可不僅僅是蘋果Watch,他們也在等待谷歌和其他行業(yè)引發(fā)轟動。而且,所謂的“可穿戴”理念不過是“可連接”的一種委婉說法。各大公司都正在這一巨大轉變中分定位自己,而這一轉變正是今年的CES大會真正的潛在主題——“可連接”。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速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練效率,已在多個任務上驗證有效性。