多年以來(lái),索尼集團(tuán)一直在全球范圍內(nèi)扮演著前沿創(chuàng)新者的角色。這種創(chuàng)新精神不僅讓索尼音樂(lè)娛樂(lè)掌握世界上規(guī)模最大的音樂(lè)業(yè)務(wù)、經(jīng)營(yíng)著占比最高的游戲主機(jī)業(yè)務(wù),同時(shí)也讓其成為游戲發(fā)行領(lǐng)域的領(lǐng)導(dǎo)者。事實(shí)上,自上世紀(jì)九十年代以來(lái),索尼已經(jīng)在成為家喻戶曉的金字招牌,目前這一切似乎都是水到渠成的結(jié)果。但在背后,這家來(lái)自日本的商業(yè)巨始終在努力創(chuàng)新,并在區(qū)塊鏈及人工智能等多項(xiàng)新興技術(shù)中投入巨資,并取得種種令人矚目的輝煌成就。
就在上周,索尼宣布開(kāi)發(fā)出一種高速處理技術(shù),可用于增強(qiáng)“區(qū)塊鏈通用數(shù)據(jù)庫(kù)(簡(jiǎn)稱(chēng)BCDB)”這一新型數(shù)據(jù)庫(kù)平臺(tái)的事務(wù)處理能力。這項(xiàng)成果屬于2019年由荷蘭基礎(chǔ)設(shè)施與水資源管理部牽頭的,以交通為中心的車(chē)輛即服務(wù)(MaaS)計(jì)劃的組成部分。一大有趣的現(xiàn)實(shí)在于,目前這項(xiàng)技術(shù)已經(jīng)成功實(shí)現(xiàn)日均700萬(wàn)項(xiàng)事務(wù)的執(zhí)行與存儲(chǔ)任務(wù),順利模擬了公共汽車(chē)、家用車(chē)、自行車(chē)以及出租車(chē)等現(xiàn)實(shí)世界載具的位置及其他指標(biāo)共享場(chǎng)景。
索尼的區(qū)塊鏈通用數(shù)據(jù)庫(kù) (BCDB)
此外,索尼全球教育還聯(lián)手富士通共同創(chuàng)建出一套門(mén)戶方案,用于通過(guò)區(qū)塊鏈管理教育課程記錄及成績(jī)單信息。
不少朋友可能有所耳聞,日本在理解數(shù)字資產(chǎn)價(jià)值以及建立加密貨幣——特別是比特幣——監(jiān)管框架方面一直處于世界領(lǐng)先地位。早在2017年,日本就已經(jīng)開(kāi)始對(duì)各類(lèi)區(qū)塊鏈及數(shù)字資產(chǎn)項(xiàng)目進(jìn)行投資。索尼也通過(guò)旗下索尼金融風(fēng)險(xiǎn)投資公司(SFV)參與了Securitize平臺(tái)的最新一輪融資。這一專(zhuān)門(mén)處理數(shù)字證券的平臺(tái)已經(jīng)與日本及亞洲各主要區(qū)域建立起密切聯(lián)系,并制定出極具針對(duì)性的發(fā)展路線圖。
憑借自身在企業(yè)級(jí)區(qū)塊鏈領(lǐng)域做出的貢獻(xiàn)與投入,索尼有望成為2021年全球區(qū)塊鏈五十強(qiáng)榜單的有力競(jìng)爭(zhēng)者。在候選名單中,我們還看到了索尼老對(duì)頭韓國(guó)三星的名字。總體來(lái)看,索尼在利用區(qū)塊鏈技術(shù)補(bǔ)充現(xiàn)有基礎(chǔ)設(shè)施及商業(yè)用例方面表現(xiàn)出強(qiáng)烈的創(chuàng)新意志與訴求。憑借這些努力,索尼的消費(fèi)者與合作伙伴將成為最終獲準(zhǔn)者,享受到由區(qū)塊鏈帶來(lái)的更低價(jià)格與更佳服務(wù)體驗(yàn)。
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。