CNET科技資訊網(wǎng) 7月6日 北京消息:“百度將All in AI”的決心,昨天在“百度AI開發(fā)者大會”(Baidu Create 2017)一鳴驚人,讓開發(fā)者激動的是,百度DuerOS平臺、Apollo平臺均向開發(fā)者開放,細化到當天下午主題為“源于開放,無邊無界”的Web生態(tài)分論壇上,百度向網(wǎng)站站長、Web生態(tài)開發(fā)者群體展示了其在Web生態(tài)領(lǐng)域的多項新技術(shù),并正式對外發(fā)布Lavas解決方案,助開發(fā)者簡單創(chuàng)建自己的PWA應(yīng)用。
Web生態(tài):百度力推HTTPS/MIP/PWA技術(shù)
開放的Web生態(tài),可以說是整個互聯(lián)網(wǎng)的基礎(chǔ),人們所需信息、服務(wù)都可以在一個個Web頁面上獲取到。在當下移動互聯(lián)網(wǎng)環(huán)境中,Web生態(tài)路遇瓶頸,例如安全性不高、速度和交互體驗稍遜等。百度正在用技術(shù)解決這些問題。
百度搜索生態(tài)總監(jiān)謝天講述百度HTTPS/MIP/PWA技術(shù)
為了解決Web面臨的網(wǎng)絡(luò)劫持等安全問題,百度力推HTTPS技術(shù),不但百度搜索是國內(nèi)第一家完成全站HTTPS改造的大型站點,百度還通過百度云加速、百度開放云為站點提供輕量級以及整站級的兩種HTTPS解決方案。如今,國內(nèi)外的互聯(lián)網(wǎng)上HTTPS的趨勢已經(jīng)十分明顯,通過百度搜索分發(fā)的頁面中,HTTPS頁面占比已經(jīng)超過了15%。
為了提升網(wǎng)頁加載速度謀求更好體驗,百度在2016年推出了MIP(Mobile Instant Pages,移動網(wǎng)頁加速器)技術(shù),可以降低30%~80%的頁面加載時間,提升頁面達到率5%~30%。目前,百度MIP項目已經(jīng)有370人的社區(qū)開發(fā)者,同時有超過5400家站點提交了超過10億個頁面。
另外百度還在積極推動PWA(Progressive Web App)和Web AR技術(shù)的應(yīng)用,讓行業(yè)開發(fā)者以及用戶都能通過Web實現(xiàn)更多的應(yīng)用和體驗。
搭建PWA應(yīng)用:站長、開發(fā)者有百度Lavas解決方案
百度之所以積極推動PWA,是因為在移動互聯(lián)網(wǎng)時代,用戶開始習慣一個個獨立的App,但App也有弊端,諸如占用空間大、下載使用成本高等等?;诖耍琍WA受到谷歌、百度等搜索引擎的追捧,希望可以讓用戶在Web生態(tài)里獲得更加簡單便捷并且不遜于App的體驗。
百度資深前端工程師彭星正式介紹Lavas解決方案
為了更好地幫助開發(fā)者去搭建PWA應(yīng)用,百度正式發(fā)布Lavas——這是一個基于Vue的PWA解決方案,包括工具、文檔以及對應(yīng)的解決方案和建站模版。Lavas是一個開源的解決方案,百度希望國內(nèi)的開發(fā)者能夠多多參與到這個項目中,共同建設(shè)和改善國內(nèi)的Web App生態(tài)。
百度搜索生態(tài)總監(jiān)謝天表示,圍繞Web的開放生態(tài)是互聯(lián)網(wǎng)的未來,這個生態(tài)未來會變得更加開放、安全、快速、便捷和真實,而百度將通過不斷的技術(shù)創(chuàng)新與各位站長、開發(fā)者共同推動Web生態(tài)的繁榮。
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。