CNET科技資訊網(wǎng) 9月26日 北京消息(文/齊豐潤): “物聯(lián)網(wǎng)”這個在前些年看來還十分前衛(wèi)、具有科技感的詞語,發(fā)展至今這個詞語已經(jīng)與普通人的生活走得越來越近了。不過從最近的發(fā)展來看,物聯(lián)網(wǎng)產(chǎn)品卻很少能讓人眼前一亮,而探究其中的原因,除了終端計算能力不足之外,許多優(yōu)質(zhì)的數(shù)據(jù)得不到很好的應用也是不可避免的原因之一。
機智云CEO黃灼在Go Day 2016上表示,“物聯(lián)網(wǎng)真正的價值就來源于數(shù)據(jù),但是就目前來看,數(shù)據(jù)的能量卻尚未‘覺醒’。”正是看到了這背后的癥結(jié)所在,機智云也針對物聯(lián)網(wǎng)背后的數(shù)據(jù)應用退出了全新的機智云4.0,以服務于更多的開發(fā)者。
在機智云4.0的物聯(lián)網(wǎng)開發(fā)平臺上,我們看到了機智云帶來的一套完整的物聯(lián)網(wǎng)大數(shù)據(jù)和機器學習體系,在這套體系之中,機智云帶來了四款新產(chǎn)品起到了不可或缺的作用。
運行在設備通信模組或近場通信網(wǎng)關上的微應用容器,提供霧計算的運行環(huán)境,協(xié)調(diào)程序和底層硬件環(huán)境的關系的“ECE邊緣計算引擎”;專門為物聯(lián)網(wǎng)應用而生的實時大數(shù)據(jù)分析、處理、輸出平臺的“RTBD實時大數(shù)據(jù)平臺”;幫助開發(fā)者快速的定義和部署個性化的數(shù)據(jù)處理業(yè)務的“Giga ML吉咖機器學習”;以及專門為物聯(lián)網(wǎng)設計的機器學習產(chǎn)品“D3動態(tài)數(shù)據(jù)編排引擎”。
相信許多人對于霧計算的概念并不理解,而且對于霧計算與云計算之間的關系也并不明確,而針對這樣的問題,黃灼也做出了詳細的說明。“從計算方面來說,以前互聯(lián)網(wǎng)是由PC跟服務器組成的,PC跟服務器都有比較強的運算能力;到了移動互聯(lián)網(wǎng)時代,手機也同樣有很強的計算能力;現(xiàn)在到了物聯(lián)網(wǎng)時代,一個花瓶一個桌子一個燈都是一個結(jié)點,而目前由于物聯(lián)網(wǎng)終端的運算能力有限,大部分物聯(lián)網(wǎng)的架構(gòu)都是把這些設備的數(shù)據(jù)采到云端去,云端再基于數(shù)據(jù)的運算做出決策。”
黃灼繼續(xù)說道:“云端可以做好多事情但是響應速度慢,引入霧計算是把云端服務器的能力釋放到一些有處理能力的設備,傳統(tǒng)的方法是遠程升級產(chǎn)品的部件,讓它的計算能力得到更新,但這個做法不僅效率太低,而且還很危險,一旦失敗就會造成設備永久失聯(lián)了。所以我們采取輕盈的辦法,通過腳本語言本定義了一個叫“微應用”的概念,這些程序跟云端結(jié)合起來可以實時的把運算和應用部署到霧端節(jié)點上去。我們發(fā)現(xiàn)物聯(lián)網(wǎng)有太多的機會把云端的能力釋放到設備端跟霧端,讓運算規(guī)模跟數(shù)據(jù)采集的規(guī)模都大大提升,效率都大大提升,在云端算完之后通過機器學習的算法都可以在霧計算響應。”
相信霧計算的提出會讓很多人納悶兒,霧計算與云計算到底是什么樣的關系,而從黃灼的介紹中,我們也不難發(fā)現(xiàn)這二者的關系,“我們把云計算作為霧計算的補充,云端永遠有最強大的計算能力,霧端如果喪失了計算能力,可以繼續(xù)把數(shù)據(jù)扔到云端去計算,沒有云計算就沒有霧計算,因為所有動態(tài)的算法的分配跟調(diào)度都是云端實現(xiàn)的,但是它的調(diào)度不需要每分每秒都在做,不需要每次每個決定都需要云端過來。”
對于霧計算來說,其最大的難點就在于如何動態(tài)、大規(guī)模地部署運算和存儲能力,云端和設備端如何高效協(xié)同、無縫對接。復雜的算法如何在云和霧之間合理分解和整合, 需要一個對云管端三者都有控制力的技術(shù)平臺來實現(xiàn)。而機智云表示,他們對物聯(lián)網(wǎng)設備,通信模塊,網(wǎng)關節(jié)點和云端都有強大的控制力,恰好具備把云計算推向霧端的基礎。
而談及到霧計算背后的技術(shù)支持時,機智云CTO劉琰表示,他們做的更多的是一種讓軟件定義硬件,讓云端定義硬件的理念。“在霧計算里面有三個比較重要的概念:計算、存儲和網(wǎng)絡。這三塊功能我們做了封裝,把它封裝到運行時里面,在運行時之上提供了一層腳本的解析器,能夠云端編寫相應的模塊把它下載到微應用容器當中,由霧計算引擎進行動態(tài)加載實時把這些算法應用到設備還有一些數(shù)據(jù)上面。”
在機智云4.0提供的四款產(chǎn)品中,都提到了對于海量數(shù)據(jù)的應用,而這其中最重要的一個就是將人工智能與霧計算的結(jié)合。這樣的結(jié)合可以讓每一臺設備都擁有自己的智能,根據(jù)不同的用戶使用習慣和方式,進行機器學習,智能的變更在不同情況下的運行模式。
機智云人工智能負責人黃明表示,“現(xiàn)在我們能做到從云端訓練模型然后把模型推送到終端讓終端進行預測,以后將會是云端參與模型的訓練,同時終端也會參與模型的訓練,兩端的融合性會把實時性以及靈活性會大大提高。而且這一機器學習的周期,大概在20天左右。”
機智云一直都是以打造開放的平臺作為自身的定位,不過相比于其他開放出來的技術(shù),將人工智能的能力開放出來顯然難度更高。黃灼介紹道:“目前,大部分的人工智能都有一個學習的過程,這個學習的過程是需要一定的經(jīng)驗的,機智云擁有這些經(jīng)驗,所以對于比較常用的場景,只要封裝成開發(fā)者們用起來比較方便的,那么他們的學習過程就可以大大縮短,我們也可以提供機器學習的模組給他們。”
“但是,目前學習的過程還不能完全自動化,但是我們可以提供文檔跟咨詢的技術(shù)支持給他們,雖然訓練還沒辦法全自動,但是可以通過一些最佳實踐讓你快速的進入狀態(tài)。我們的目標是未來把這些相對體力活的,體力+腦力活的也可以細化到像寫APP那么簡單。”黃灼補充道。
就目前來看,“物聯(lián)網(wǎng)的下一站將會是人工智能”這件事已成為了業(yè)內(nèi)很多人的共鳴。對于機智云來說,一直以來專注于深耕物聯(lián)網(wǎng)領域讓他們對于物聯(lián)網(wǎng)發(fā)展有著很深的見解,在他們看來,數(shù)據(jù)將會是物聯(lián)網(wǎng)發(fā)展的最大核心。對于開發(fā)者而言,數(shù)據(jù)與人工智能的能力很難靠他們自己的力量去解決,而機智云將這些能力開放出來,自然也為開發(fā)者們帶來了新的機遇。
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。