4月21日凌晨消息,華為昨日正式發(fā)布了2015全球聯(lián)接指數(shù)(GCI)。華為研究表明,每增加20%的ICT投入將撬動(dòng)GDP增長1%;在國家排行方面,美國、瑞典、新加坡全球聯(lián)接指數(shù)位居前三;發(fā)展中國家中,智利、中國和阿聯(lián)酋綜合排名居前三。
華為于2014年首次發(fā)布全球聯(lián)接指數(shù), 2015將全球聯(lián)接指數(shù)研究范圍從25個(gè)國家擴(kuò)大到50個(gè),評(píng)估指標(biāo)從16個(gè)增加到38個(gè),從關(guān)注CT聯(lián)接到涵蓋網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)的泛ICT聯(lián)接。
2015年全球聯(lián)接指數(shù)研究結(jié)果顯示,美國、瑞典、新加坡排名前三。美國憑借強(qiáng)大的創(chuàng)新機(jī)制、人才積累等方面的優(yōu)勢,在2015年全球聯(lián)接指數(shù)中位 居第一。新加坡是自然資源較為匱乏的國家,但是其人均ICT投資位居全球前五位,通過構(gòu)建先進(jìn)的基礎(chǔ)設(shè)施,保證了在4G、云計(jì)算、電子政務(wù)等領(lǐng)域的高速發(fā) 展及廣泛應(yīng)用。新加坡憑借實(shí)施“智慧國”戰(zhàn)略,成功跨越資源瓶頸,引領(lǐng)數(shù)字經(jīng)濟(jì)發(fā)展。
發(fā)展中國家中,智利、中國和阿聯(lián)酋綜合排名前三。中國在本次調(diào)研的50個(gè)國家位居中游,在發(fā)展中國家排名第二。這主要受益于快速發(fā)展的互聯(lián)網(wǎng)經(jīng) 濟(jì),電子商務(wù)正呈現(xiàn)爆炸式增長(交易量高達(dá)1100億美元,僅次于美國和日本)。各垂直行業(yè)投資加速轉(zhuǎn)向云計(jì)算和數(shù)據(jù)中心,其中公有云投資增長預(yù)計(jì)達(dá)37%。中國的人均帶寬水平不高,但是擁有世界上最大的移動(dòng)市場和互聯(lián)網(wǎng)市場。隨著寬帶基礎(chǔ)設(shè)施的加強(qiáng),及可支付的改善,將更大地促進(jìn)數(shù)字經(jīng)濟(jì)的跨越式增長。
研究表明,數(shù)據(jù)中心建設(shè)是ICT發(fā)展的關(guān)鍵,也是云計(jì)算普及的催化劑。發(fā)展中國家往往注重寬帶聯(lián)接方面的投資,但在數(shù)據(jù)中心等核心能力建設(shè)方面 明顯落后于發(fā)達(dá)國家。發(fā)達(dá)國家的數(shù)據(jù)中心投資在GDP占比平均為0.76%,而發(fā)展中國家僅為0.32%。要促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展和數(shù)字轉(zhuǎn)型,數(shù)據(jù)中心等基礎(chǔ) 能力建設(shè)刻不容緩。
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。