這是28年,蘋果第一次參加CES。
但這一次,蘋果并沒有在拉斯維加斯公布任何新產(chǎn)品,反而借此機會強調(diào)了對隱私的關注與重視。
坐標LVCC,一個通常只能容納450人的房間,卻擠進了470人,而另外100多人被轉(zhuǎn)移到另一個房間,在那里他們可以通過視頻觀看會議過程。
蘋果全球隱私高級主管Jane Horvath出席了這次會議,談論的話題正是“首席隱私官圓桌會議:消費者想要什么?”
一同出席的還有Facebook公共政策副總裁兼政策首席隱私官Erin Egan,寶潔公司全球隱私官Susan Shook以及聯(lián)邦政府貿(mào)易專員Rebecca Slaughter。
蘋果隱私主管Horvath指出,“在蘋果,隱私的定義工作主要由消費者來主導。他們應該能夠控制自己的數(shù)據(jù),也應該具有數(shù)據(jù)方面的選擇權。”
回顧歷史,這是自從蘋果前任CEO John Sculley于1992年首次公布Newton個人數(shù)字助手以來,蘋果第一次重新出現(xiàn)在CES大會現(xiàn)場。
其實,隱私已經(jīng)成為今年CES展會的一大熱門話題。幾大科技巨頭開始積極表明立場——參加本輪討論,也成為他們證明自身嚴肅隱私態(tài)度的標志。
來自Facebook的Egan在這次會議上強調(diào),F(xiàn)acebook是一家注重用戶隱私的公司。她表示,F(xiàn)acebook本周宣布對“Privacy Checkup”隱私檢查工具做出更新,旨在引導用戶完成各項重要隱私設置。
她解釋,“我們用實際行動證明,在維持廣告業(yè)務模式的同時保護隱私,并不是不可能。”但她的說法引起了現(xiàn)場觀眾的一陣竊笑。實際上,近年來這家社交媒體巨頭一直飽受隱私問題困擾,與之相關的丑聞更是不勝枚舉。
聯(lián)邦政府貿(mào)易專員Slaughter則將重點放在了消費者身上,表示她最關心消費者一方需要在數(shù)據(jù)隱私方面承擔哪些責任。她說,“重要的是,我們不能單純把這些負擔加在消費者身上;數(shù)據(jù)收集方與管理方同樣有責任盡可能降低數(shù)據(jù)收集量以及數(shù)據(jù)留存量……而不能像過去那樣無休止地囤積客戶信息。”
回到蘋果。
盡管蘋果去年沒有出席CES,但卻在拉斯維加斯會議中心附近設置了巨型廣告牌,寫道“iPhone上的一切,只留存于iPhone。”
事實上,近年來蘋果一直將對隱私問題的關注作為重要的營銷手段?,F(xiàn)任CEO Tim Cook多次強調(diào)隱私權屬于一項基本人權。他甚至在接受CNN的采訪時表示,希望世界各國政府出臺法令,限制企業(yè)能夠從客戶處收集的數(shù)據(jù)量。
但需要承認的是,蘋果也面臨著屬于自己的隱私難題。
去年,蘋果方面正式道歉,表示不應在未盡通知義務的情況下允許外包人員收聽用戶向Siri語音助手發(fā)出的指令。蘋果還承諾進行整改,包括提供選項以保證用戶選擇是否允許語音內(nèi)容接受人工審閱。當然,亞馬遜一方也在Alexa上遇到了類似的問題,并因此面臨巨大的輿論壓力。
另一項難題在于iPhone的安全漏洞。隨著去年9月iOS 13操作系統(tǒng)的發(fā)布,安全研究人員發(fā)現(xiàn)無需任何密碼或者生物識別信息,惡意人士即可訪問存儲在iPhone設備中的聯(lián)系人信息。
其實,關于隱私的話題一直在不斷刷新與延續(xù)。正如聯(lián)邦政府貿(mào)易專員Slaughter最后陳述,如果隱私?jīng)]有得到適當?shù)谋Wo,那么隨著科技的發(fā)展,這場戰(zhàn)爭將是永無休止的。
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,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。