近年來,媒體融合的概念被多次提及,在我國2015年政府工作報告中明確指出要深化文化體制改革,促進(jìn)傳統(tǒng)媒體與新興媒體融合發(fā)展。近幾年CCBN也緊緊圍繞“融合”這個主題展開,由此可見,傳統(tǒng)媒體與新媒體的深度融合已經(jīng)成為中國廣播影視行業(yè)發(fā)展的大趨勢,而隨著“互聯(lián)網(wǎng)+”計劃的提出,廣電行業(yè)的轉(zhuǎn)型也有了明確的方向,即將廣電行業(yè)所擅長的內(nèi)容創(chuàng)作和互聯(lián)網(wǎng)平臺的用戶體驗相結(jié)合,形成優(yōu)質(zhì)內(nèi)容的多渠道匯集和多渠道展現(xiàn)。
而要完成廣電系統(tǒng)的“融合”,需要以信息化技術(shù)來構(gòu)建統(tǒng)一的內(nèi)容平臺,當(dāng)下廣電行業(yè)的信息系統(tǒng)各自獨立,“煙囪式”的結(jié)構(gòu)布局帶來了流轉(zhuǎn)環(huán)節(jié)孤立,資源調(diào)配不均等一系列難題,而聯(lián)想則為廣電行業(yè)鋪開了一條以云計算為根基的“融合之路”,依托全面的云計算咨詢、設(shè)計、建設(shè)和運維能力,融合廣電行業(yè)的專業(yè)應(yīng)用系統(tǒng),聯(lián)想為用戶打造了基于云平臺的端對端整體解決方案,可在無縫整合舊有系統(tǒng)的基礎(chǔ)上完成新系統(tǒng)平臺的搭建。
聯(lián)想將自身定位于廣電行業(yè)云基礎(chǔ)架構(gòu)解決方案提供商,是基于聯(lián)想全面的云計算服務(wù)能力和對廣電行業(yè)多年深耕的優(yōu)勢疊加。在2014年,聯(lián)想發(fā)布了企業(yè)級業(yè)務(wù)的核心策略——騰云計劃,并完成了IBM x86服務(wù)器業(yè)務(wù)的收購,聯(lián)想成為全球第三、中國第一的服務(wù)器廠商,逐步成為云基礎(chǔ)架構(gòu)的領(lǐng)導(dǎo)者;而在廣電行業(yè),聯(lián)想打造了近200人的專屬服務(wù)團隊,并通過行業(yè)內(nèi)的持續(xù)深耕和與ISV的深度捆綁,可為客戶交付最為專業(yè)的端到端解決方案。
此次聯(lián)想重點展示的聯(lián)想廣電全媒體云平臺解決方案為廣電客戶的業(yè)務(wù)整合提供了一個靈活、安全、易用的云計算基礎(chǔ)架構(gòu),該方案具有計算、存儲資源擴展性強,容災(zāi)備份機制完善等特點,以該方案為基礎(chǔ),還可形成一系列細(xì)分應(yīng)用的解決方案。針對廣播電臺業(yè)務(wù),AirLink廣播云平臺解決方案通過便捷、高效的多任務(wù)操作,可以實現(xiàn)內(nèi)容的統(tǒng)一監(jiān)控和管理,大大提高了工作效率和準(zhǔn)確性。針對傳輸網(wǎng)絡(luò)和電視臺數(shù)據(jù)吞吐量呈現(xiàn)爆發(fā)式增長的問題,聯(lián)想云存儲平臺解決方案可實現(xiàn)存儲資源按需橫向擴展,為最終用戶提供速度更快、穩(wěn)定性更強、資源更豐富的超高清視聽體驗。針對電視臺內(nèi)容制作,聯(lián)想云平臺基礎(chǔ)架構(gòu)及云制作解決方案改變了以往“一人一臺工作站”的物理模式,通過創(chuàng)建虛擬資源層和云平臺管理層將傳統(tǒng)工作站的資源統(tǒng)一到后臺進(jìn)行集中池化管理,增強了系統(tǒng)的擴容需求,提高用戶的資源獲取能力。最后,針對廣大縣鄉(xiāng)和農(nóng)村地區(qū)應(yīng)對自然災(zāi)害和突發(fā)事件時的信息傳播問題,聯(lián)想應(yīng)急廣播云平臺解決方案可利用當(dāng)?shù)丶扔芯W(wǎng)絡(luò),通過IP多點廣播技術(shù)和層級管理,確保信息迅速傳達(dá),實現(xiàn)緊急預(yù)案、多級廣播和實時監(jiān)控。
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(zhǔn)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。