近日百度宣布收購日本原生態(tài)廣告公司popIn的控股權(quán),收購?fù)瓿珊?,百度廣告平臺將會采用popIn自創(chuàng)的READ技術(shù)和內(nèi)容推薦技術(shù)進一步提升在原生廣告領(lǐng)域的技術(shù)能力,使其在移動和O2O領(lǐng)域的競爭中獲得先機。百度總裁張亞勤則表示,百度正在加快國際化布局,中國互聯(lián)網(wǎng)企業(yè)在全球的影響力正在不斷擴大。
百度在2013年正式成立國際事業(yè)部后,在日本、泰國、巴西、埃及、印尼均成立了分公司及辦事處,這一定程度上加速推動了百度國際化進程,也大大提升了百度國際市場成績和品牌知名度。
百度在深入了解海外用戶需求之后,成功推出了深受海外用戶喜愛的工具產(chǎn)品DUApps系列、日文輸入法Simeji、第三方應(yīng)用商店MoboMarket等一系列移動端產(chǎn)品。百度收購popIn,則是開始嘗試深耕日本移動生態(tài)圈的象征。
移動為先的戰(zhàn)略指導(dǎo)了百度目前的國際化發(fā)展路線,而這一路線與全球互聯(lián)網(wǎng)發(fā)展的趨勢相吻合。利用移動互聯(lián)網(wǎng)扁平化、無邊界的特點,目前百度的國際產(chǎn)品已經(jīng)覆蓋了超過200個國家和地區(qū)。
數(shù)據(jù)顯示,百度系產(chǎn)品在AppAnnie全球下載量排行榜中常年位居前十地位,全球移動端月活躍用戶超2.1億,這成為百度證明自身國際市場成績的有效數(shù)據(jù)。
另一方面,憑借強大的技術(shù)研發(fā)優(yōu)勢,百度連接人與服務(wù)的核心思想不僅在國內(nèi)市場得到了驗證,還成為其在國際市場的敲門磚。在2014年10月份,百度收購了一家巴西本地的O2O企業(yè)PeixeUrbano,半年時間,PeixeUrbano在巴西市場份額從35%,迅速增長到了55%,打敗美國團購勁旅Groupon,成為市場第一。
此外,據(jù)外媒報道稱,作為國際化戰(zhàn)略的一部分,百度正在拉美地區(qū)尋求更多的發(fā)展機遇,加速拓展其海外市場版圖。
巴西媒體報道稱,繼成立巴西分公司之后,百度下一步將很有可能加快在拉美地區(qū)的投資步伐,入駐阿根廷、智利或者墨西哥等國家。百度方面表示,作為手握搜索、人工智能、大數(shù)據(jù)等前沿技術(shù)的科技出海企業(yè),“連接人與服務(wù)”是百度的核心戰(zhàn)略。除了不斷推出和完善手機端App產(chǎn)品之外,租車、點餐等圍繞人與服務(wù)展開的O2O領(lǐng)域,也會是百度國際業(yè)務(wù)的重點關(guān)注對象。
百度方面預(yù)計,在未來三年內(nèi),巴西的互聯(lián)網(wǎng)用戶將會超過4千3百萬,是世界范圍內(nèi)極具增長潛力的互聯(lián)網(wǎng)市場。進軍巴西等新興市場會是百度國際業(yè)務(wù)的優(yōu)先戰(zhàn)略選擇。
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。