這屆云棲大會(huì)最吸睛的黑科技當(dāng)屬“阿里云天空物聯(lián)網(wǎng)”。一艘飛艇帶著LoRa網(wǎng)關(guān)在會(huì)場(chǎng)上空游弋,在云棲大會(huì)期間,持續(xù)為大會(huì)的物聯(lián)網(wǎng)設(shè)備提供網(wǎng)絡(luò)服務(wù),實(shí)現(xiàn)地面40000米高空到地下20米的完全覆蓋。
同時(shí),“阿里云天空物聯(lián)網(wǎng)”聯(lián)合地面網(wǎng)關(guān),還支持著大會(huì)現(xiàn)場(chǎng)的物聯(lián)網(wǎng)設(shè)備?,F(xiàn)場(chǎng)一款黑科技大屏,同步記錄了所有數(shù)據(jù)。
數(shù)據(jù)源來(lái)自道閘、車(chē)閘、空氣傳感器、店里傳感器、垃圾桶、大巴、人體密度攝像頭、人體流量攝像頭、人臉識(shí)別攝像頭、車(chē)輛識(shí)別攝像頭。
現(xiàn)場(chǎng)由“天空物聯(lián)網(wǎng)”網(wǎng)關(guān)通過(guò) LoRaWan 平臺(tái)采集到了所有場(chǎng)館的空氣和電力的數(shù)據(jù)。通過(guò)合作伙伴泰立智匯和成都博高信息的共同努力,將全場(chǎng)數(shù)十個(gè)點(diǎn)位的電力數(shù)據(jù)實(shí)時(shí)上報(bào)。這可以讓會(huì)場(chǎng)管理人員在電力供應(yīng)出現(xiàn)波動(dòng)和異常時(shí)可以及時(shí)處理。通過(guò)麥樂(lè)克的空氣傳感器,實(shí)時(shí)的溫度、濕度、二氧化碳數(shù)據(jù)會(huì)被傳送到后臺(tái),通過(guò)這些數(shù)據(jù)可以管理場(chǎng)館的空調(diào)、新風(fēng)系統(tǒng)讓參觀者擁有一個(gè)舒適的參觀環(huán)境。
除了環(huán)境數(shù)據(jù),阿里云IoT 和海康威視合作,實(shí)現(xiàn)了對(duì)停車(chē)場(chǎng)車(chē)輛品牌、顏色的識(shí)別。實(shí)現(xiàn)了對(duì)重點(diǎn)區(qū)域的人流量的控制和重點(diǎn)人員的人臉識(shí)別,如果有不明人士出現(xiàn)可以快速和公安聯(lián)動(dòng),保障會(huì)場(chǎng)安全。
同時(shí)針對(duì)現(xiàn)場(chǎng)35個(gè)會(huì)場(chǎng)和展覽館的承載量,實(shí)時(shí)統(tǒng)計(jì)了每個(gè)場(chǎng)館的負(fù)載和壓力。
這一切都依賴(lài)阿里云 IoT 的物聯(lián)網(wǎng)平臺(tái)和MQ消息隊(duì)列、Flink實(shí)時(shí)計(jì)算,才能將物聯(lián)網(wǎng)數(shù)據(jù)直接接入到“中央廚房”大屏中。
阿里云天空物聯(lián)網(wǎng)項(xiàng)目如今已經(jīng)得到了非洲野生動(dòng)物保護(hù)的執(zhí)行方肯定,并有望引進(jìn),想象一下飛艇將從云棲大會(huì)翱翔到非洲大草原上方,為大草原,瀕危的河馬、長(zhǎng)頸鹿、獅子和其它野生生物提供物聯(lián)網(wǎng)絡(luò),保護(hù)這些瀕危的野生動(dòng)物,將是多激動(dòng)人心的事情。
飛艇演示僅僅是物聯(lián)網(wǎng)呈現(xiàn)給大眾的具象一面,阿里云在當(dāng)天宣布啟動(dòng)“達(dá)爾文計(jì)劃”,旨在通過(guò)一系列的包括平臺(tái)、芯片和微基站在內(nèi)的全鏈路生態(tài)服務(wù),交付給企業(yè)一張自有可控的物聯(lián)網(wǎng)。
現(xiàn)在,每個(gè)家庭都有WiFi,將來(lái),每個(gè)企業(yè)都將有LoRa。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。