科技行者 1月9日 北京消息(文/李祥敬): 一年你喝多少咖啡?有統(tǒng)計(jì)顯示,咖啡消費(fèi)者們每年都會喝掉超過5千億杯咖啡。
同時人們對于喝咖啡的品質(zhì)有了更高的追求,購買那些可持續(xù)種植和來源可靠的咖啡。龐大的全球供應(yīng)鏈?zhǔn)沟每Х茸粉檰栴}愈加困難。因?yàn)榭Х榷挂坏┏墒?,就?ldquo;幾經(jīng)轉(zhuǎn)手”,先后在合作社、出口商、托運(yùn)商、進(jìn)口商、烘焙商、分銷商和零售商流通,最后才會到消費(fèi)者手中。這個時候區(qū)塊鏈技術(shù)就有了用武之地。
在2020年國際消費(fèi)類電子產(chǎn)品展覽會(International Consumer Electronics Show,簡稱CES)上,F(xiàn)armer Connect和IBM向消費(fèi)者推出了一款名為“Thank My Farmer”的新型移動應(yīng)用。這款應(yīng)用不僅可以讓咖啡消費(fèi)者們追蹤咖啡的質(zhì)量和產(chǎn)地,還可以為種植咖啡豆的農(nóng)民提供支持。
Farmer Connect是一個由IBM區(qū)塊鏈設(shè)計(jì)支持的追蹤平臺,旨在幫助提高咖啡供應(yīng)鏈的可追溯性、效率和公平性。 它填補(bǔ)了咖啡師和咖啡種植戶之間“鴻溝”。Farmer Connect目前正與Sovrin Foundation合作,引入一種新式數(shù)字身份,即基于分布式賬本技術(shù)的自主主權(quán)身份,讓生產(chǎn)過程更加透明,從而帶給消費(fèi)者更好的體驗(yàn)。
“Thank My Farmer”應(yīng)用是一款面向消費(fèi)者的應(yīng)用程序,它以一種標(biāo)準(zhǔn)化的方式直接從區(qū)塊鏈中提取信息,同時可以滿足整個咖啡行業(yè)的標(biāo)準(zhǔn)。它在用戶與種植戶、貿(mào)易商、烘培商和品牌商之間架起了一座溝通橋梁。這些信息將以交互式地圖的形式展現(xiàn),簡單、靈活地述說每件產(chǎn)品的“前世今生”。“Thank My Farmer”還為咖啡產(chǎn)地社區(qū)提供了可持續(xù)發(fā)展項(xiàng)目,讓消費(fèi)者有機(jī)會支持咖啡原產(chǎn)地。
該移動應(yīng)用將于2020年初推向大眾市場。屆時,美國和加拿大的用戶可以掃描1850優(yōu)質(zhì)單品咖啡的二維碼。歐洲消費(fèi)者則可以通過新的單品品牌“Beyers 1769”咖啡(烘焙商是Beyers Koffie公司),來訪問“Thank My Farmer”。
好文章,需要你的鼓勵
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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(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顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。