連接和云技術,任何物品都變得鮮活,而聯想,想要把這些都承包起來。聯想集團董事長兼CEO楊元慶在聯想科技創(chuàng)新大會(Lenovo TechWorld)上提出,人、設備、網絡、數據、應用、服務之間的無限通聯,是聯想的智能互聯愿景。以設備聞名的聯想意識到,僅僅硬件已經遠遠不夠,“未來的設備將是硬件、軟件和云服務的完美結合、完美統一。”
隨之,聯想現場展示了在智能互聯領域一部分方面的進展。
“魔幻屏”是全球市場上第一款雙屏幕手表。看似只是讓智能手表更大屏,實際上背后聯想提交了120項專利才做到。它的第二塊屏幕能夠突破主屏幕外形尺寸的限制,利用光學反射原理,在第二塊屏幕上創(chuàng)造一個虛擬圖像,可以將圖像放大至表盤顯示屏的20倍,在智能手表上完成查地圖,看照片,甚至是看視頻,該技術叫做交互式虛擬顯示技術,讓虛擬旅行成為可能。
把鍵盤、樂譜都裝進手機投影出來,Smart Cast做到了?,F場瞬間切換成朗朗彈奏鋼琴,楊元慶在旁翻琴譜的畫風,一首名曲“The Entertainer”讓人陶醉。不過,翻的不是真琴譜,只是聯想“智能投影”:Smart Cast。Smart Cast是一種內置激光投影儀、紅外運動檢測器和高性能算法的智能功能,只要打開產品的投影儀功能,用戶便能將一面墻變成一個放映廳,看視頻,做演講,甚至可以通過手勢操作。這樣一來,在桌子上切水果,在墻上打槍戰(zhàn),并非難事。
一款不僅可以在屏幕上顯示穿戴者的情緒,追蹤并分析健身數據,根據健身數據自由定制,甚至提供地圖導航服務的智能跑鞋概念同樣來自于聯想智能云的IoT生態(tài)系統愿景。
除了硬件產品,聯想還在大會上展示了Cortana+WRITEit技術,該技術結合語音和手寫筆兩大輸入方式,擴展了小娜的搜索能力,使之能夠覆蓋非微軟的服務。通過創(chuàng)建REACHit賬戶,能迅速搜索到谷歌云端硬盤、Dropbox、Box、OneDrive、遠程PC及平板電腦的資料與文件。
人機交互的方式很多種,識別算一個。識別技術讓手勢、語言和面部表情都在成為了輸入方式。楊元慶與英特爾CEO科再奇(BrianKrzanich)一同展示了新一代英特爾RealSense Camera ,這款攝像頭專為平板電腦和移動機身設計,可實現3D掃描?,F在,該功能將成為聯想設備上的可選項。
作為人機交互的另一種方式,會話功能同樣重要。計算機可根據自身對圖片的認知,理解用戶的問題,并自行組織語言作答是百度人工智能的最新技術成果。百度董事長兼CEO李彥宏表示,基于人工智能的圖片語音識別技術已經廣泛應用,從看到一件漂亮的衣服,經拍照得到購買路徑;到通過游客所拍攝的照片,虛擬還原震前景況,技術創(chuàng)新在改變生活。此外,百度翻譯APP即將上線新功能:用戶用手機拍攝外文菜單,百度就能立刻將其翻譯為中文,讓不同語言的人直接交流。
聯想期望打造的是一個開闊的平臺,在這個平臺上,聯想通過云把全球的創(chuàng)新牛人集中在一起,借助聯想的資源優(yōu)勢,打造一個基于聯想云基礎架構的物聯網生態(tài)系統。該系統包括SDK平臺、擁有不同領域專家的創(chuàng)新孵化器、智能設備、供應鏈以及強大的后端云基礎架構。
同樣在這個平臺上,聯想云服務的使命就是以‘設備+云服務’的模式,聚焦個人云和企業(yè)云服務,開拓聯網服務。為了粘住用戶,聯想有三招:第一招是安全和系統優(yōu)化,通過大數據,對用戶設備的系統安全、性能、體驗持續(xù)優(yōu)化,好比樂安全,坐擁用戶超過1億;第二招是個人數據和連接管理,通過搭建跨設備的用戶管理平臺,對用戶關系進行管理,茄子快傳就是數據傳輸工具的成功應用;第三招是應用和內容分發(fā),用戶可以在聯想樂商店、游戲中心隨心所欲下載各種內容。
在“互聯網+”的使命下,楊元慶解讀智能互聯為5個環(huán)節(jié):把人和設備以更自然的方式連接在一起;讓設備和網絡之間的連接更牢固;讓設備和設備在共同的平臺下互聯;通過個人云和大數據實現用戶之間的連接;實現設備與應用與服務的無縫互聯。并用獲取、分享、輸入、交互四種技術總結了信息流通的所有方面。
這份新鮮出爐的“智能互聯”(IoT)引人遐想,這不是天馬行空的睡前故事,可以預見的是,在不久的將來,這些或許都將實現。
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。