Facebook 總部的 Building 17 是座不起眼的建筑。但是,從太陽能無人機(jī)、無線傳輸設(shè)備,到 Oculus VR 頭盔和服務(wù)器,F(xiàn)acebook 的硬件產(chǎn)品是在那里研發(fā)完成的。它是公司的硬件實(shí)驗(yàn)室,名為 Area 404。近日,十幾名媒體記者受邀參觀了這個(gè)地方。下面是衛(wèi)報(bào)對(duì)此行的記錄。
“我們的使命是連接世界,因此,我們研發(fā)了能達(dá)成此目標(biāo)的硬件,” Facebook 的 Mikal Greaves 說。
Area 404 分為兩部分:電氣工程實(shí)驗(yàn)室和原型制造車間。其中,電氣工程實(shí)驗(yàn)室制造和測試一些特殊的電路板,而原型制造車間則專注于原型機(jī)的制作,擁有 3D 打印機(jī)、水射流切割機(jī)、工業(yè)車床以及多軸 CNC 銑床。
硬件實(shí)驗(yàn)室的主要任務(wù)還是為數(shù)據(jù)中心服務(wù),生產(chǎn)新型的服務(wù)器、儲(chǔ)存設(shè)備、網(wǎng)絡(luò)設(shè)施以及動(dòng)力系統(tǒng)。同時(shí),實(shí)驗(yàn)室還生產(chǎn) Oculus 的虛擬現(xiàn)實(shí)頭盔,制造太陽能無人機(jī) Aquila,以及向邊緣地區(qū)提供互聯(lián)網(wǎng)連接的無線系統(tǒng) Terragraph。
“Facebook 成立硬件實(shí)驗(yàn)室的主要原因是加快產(chǎn)品開發(fā)速度。以前,我們讓硬件合作商制造部件。他們能夠完成任務(wù),但花費(fèi)時(shí)間較長。把硬件生產(chǎn)轉(zhuǎn)入內(nèi)部后,我們縮短了開發(fā)時(shí)間。” Greaves 說。以公司的 HapiLink 系統(tǒng)為例。除了碳纖維外殼之外,幾乎所有部件能夠在 Area 404 完成,“這節(jié)省了我們數(shù)周,甚至是數(shù)月的時(shí)間。”
Spencer Burns 是實(shí)驗(yàn)室的一名 CNC 模型工,曾在特斯拉工作。他滿懷熱情地談?wù)撝镜母呖萍佳b備。“我有幸得到了這間實(shí)驗(yàn)室的全職工作,能夠操作這些非??岬臋C(jī)械工具。”
在媒體記者面前,他展示了各種機(jī)器是如何制造產(chǎn)品部件的。從某個(gè)設(shè)備的工作臺(tái)上,Burns 拿起一個(gè)機(jī)器制造的金屬球。它看起來像個(gè)獎(jiǎng)杯,但擁有復(fù)雜的形狀。這個(gè)空心的球體展示的圖案是細(xì)線連接的各大陸,象征著 Facebook 連接全球的使命。
這時(shí)候,記者們意識(shí)到,雖然 Facebook 以開放之名邀請(qǐng)他們參觀這個(gè)秘密實(shí)驗(yàn)室,但本質(zhì)上不過是一場刻意安排的表演。Facebook 暗示了公司在硬件方面的能力,同時(shí)并未透漏任何重要的信息。
題圖來自 Wire,翻譯來自 愛范兒
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。