一年之前,隨著“BAT”三大互聯(lián)網(wǎng)巨頭為完善生態(tài)圈的“圈地運動”加劇,戰(zhàn)火從各自的主營業(yè)務到打車、金融,一路燒到了教育市場。2014年7月,騰訊與老牌教育巨頭新東方組建合資公司進軍在線教育,震撼了業(yè)界。
其實在BAT入局之前,在線教育市場已經(jīng)如火如荼,新東方和騰訊合資,也是感受到了來自互聯(lián)網(wǎng)數(shù)以千計創(chuàng)業(yè)公司的壓力。例如前世紀佳緣CEO龔海燕創(chuàng)辦了梯子網(wǎng),歡聚時代(YY)向在線教育投資10億元,顯示出在線教育市場的超高熱度。
群雄混戰(zhàn),體驗為王。對在線教育市場的各大公司來說,或許獲得內(nèi)容、獲得渠道只需要資本的力量,但如何將內(nèi)容高速、清晰、流暢的傳輸給用戶,從而吸引用戶、黏住用戶,考驗的是各家的技術(shù)功底。視頻托管和移動端的視頻直播體驗,是必須要攻克的兩大難題。
“互聯(lián)網(wǎng)+”
3月15日,李克強總理在記者會上提出了“互聯(lián)網(wǎng)+”概念,將互聯(lián)網(wǎng)產(chǎn)業(yè)拔高到國家戰(zhàn)略層面的新高度。相關(guān)人士解讀,“互聯(lián)網(wǎng)+”的核心就是創(chuàng)新,將互聯(lián)網(wǎng)從一個外在工具,變成驅(qū)動社會創(chuàng)新的引擎。
“互聯(lián)網(wǎng)+”是一個非常綜合的概念,不僅包括互聯(lián)網(wǎng)與傳統(tǒng)工業(yè)的融合,更包括互聯(lián)網(wǎng)推動其他行業(yè)發(fā)展,例如今年中央一號文件提到的要大力發(fā)展互聯(lián)網(wǎng)農(nóng)業(yè)。教育作為社會進步的根本推動力,其重要性不言而喻,互聯(lián)網(wǎng)與教育的結(jié)合,將是“互聯(lián)網(wǎng)+”的一次重要實踐。
從“傳道”到“授業(yè)”再到“解惑”,教育生態(tài)已經(jīng)從“授人以魚”到“授人以漁”的轉(zhuǎn)變,即利用云計算、大數(shù)據(jù)和移動互聯(lián)網(wǎng)等高科技手段輔助教學,精準彌補個體的差異和不足,因人施教,因材施教。同時,我國教育資源分布很不均衡,這在很大程度上需要互聯(lián)網(wǎng)思維滲入以推動在線教育和分享。
與巨大的市場需求相比,國內(nèi)優(yōu)質(zhì)教育資源仍然非常稀缺,優(yōu)質(zhì)在線教育在2015年的發(fā)展?jié)摿θ匀槐豢春谩O嚓P(guān)報告顯示,2014年在線教育市場為825億元,2015年將達到965億元。對互聯(lián)網(wǎng)創(chuàng)業(yè)者來說,其中蘊藏著無限的商機,在國家政策的扶持下,在線教育前景一片光明。
技術(shù)加持
2015年隨著中國發(fā)放FDD牌照,中國邁入了4G全面發(fā)展的時代,無線速率最高達到了150Mbps。原有的移動視頻傳輸瓶頸基本消失,同時,移動互聯(lián)網(wǎng)帶來了時間的碎片化,兩種因素的疊加造成了用戶對移動視頻需求高漲,在線教育也迅速走向移動端。
從PC向移動端遷移的在線教育,首先要解決的是低成本、穩(wěn)定、高效的視頻托管和移動端的視頻直播,在國內(nèi)單位帶寬成本居高不下的大環(huán)境下,這對從業(yè)者來說是不小的考驗。
去年發(fā)布了互聯(lián)網(wǎng)視頻技術(shù)標準的融創(chuàng)天下,是國內(nèi)主要的視頻服務平臺提供商,該公司還擁有“萬視無憂” 視頻托管平臺。融創(chuàng)天下相關(guān)人士對C114表示,視頻是互聯(lián)網(wǎng)領(lǐng)域最昂貴的業(yè)務,不少視頻網(wǎng)站長期虧損的關(guān)鍵原因在于帶寬成本過高。而擁有自主知識產(chǎn)權(quán)的視頻編碼技術(shù)TIVC7,核心功能就是在保證視頻高清傳輸?shù)耐瑫r,降低單位流量成本。
據(jù)了解,不同于H.264和H.265的全碼流覆蓋,TIVC7工作在0.01Bits/Pixel(比特/像素)區(qū)間,屬于高強度壓縮,可以減少播放緩沖次數(shù)及流量費用,更勝任運動信息復雜的影視及互動類視頻,在互聯(lián)網(wǎng)行業(yè)更具性能和經(jīng)濟價值。TIVC7壓縮性能比H.264高出60%-80%,比H.265最多可高出35%, 這將大大降低在線教育企業(yè)的帶寬和版權(quán)投入。
在線教育的另一個關(guān)鍵是CDN技術(shù),由于業(yè)務的增長,幾年來該公司自建了一張大規(guī)模的CDN分發(fā)網(wǎng)絡,全國僅超級節(jié)點就達到10個,中心節(jié)點和邊緣節(jié)點分布各區(qū)域,帶來了流量分發(fā)的規(guī)模效應。更重要的是,通過CDN網(wǎng)絡,保證了視頻的集群式存儲和穩(wěn)定傳輸,極大的提升了用戶體驗。
在“互聯(lián)網(wǎng)+”領(lǐng)域創(chuàng)業(yè),必備的條件是“互聯(lián)網(wǎng)思維”?;ヂ?lián)網(wǎng)思維的核心,就是用戶體驗。作為互聯(lián)網(wǎng)公司制勝的法寶,良好的用戶體驗更加離不開技術(shù)的“加持”??梢灶A見的是,隨著視頻壓縮和視頻分發(fā)技術(shù)的成熟,未來幾年移動視頻的卡頓現(xiàn)象將逐漸消失,用戶體驗的焦點,未來將轉(zhuǎn)向更優(yōu)質(zhì)內(nèi)容的競爭。
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(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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。