前幾年興起的3D電視等一些看上去很有創(chuàng)新性的產(chǎn)品,尤其是便攜式的投影儀現(xiàn)在已經(jīng)無蹤影,不能不說是一種遺憾。這是微軟公司全球資深副總裁張亞勤博士在美國CES接受記者視頻采訪時發(fā)出的感嘆。
[video]uu=dfa091e731&vu=5ddac0c6c0&auto_play=0&width=600&height=450[/video]
張亞勤博士接受劉克麗總編視頻專訪
張亞勤博士認(rèn)為智能、互聯(lián)、可穿戴是本屆CES的三大趨勢,當(dāng)然他也強(qiáng)調(diào),CES更多代表著未來3-5年的技術(shù)發(fā)展趨勢,倒并非發(fā)布新品的地方。雖然談及遺憾,但他依舊認(rèn)為本屆CES也有一些驚喜,比如高清顯示技術(shù)、曲面技術(shù)堪稱顛覆。
在訪談中張亞勤博士回憶起90年代Computex的輝煌時說,1999年的Computex有35萬人參觀,是PC的輝煌時代,現(xiàn)在CES無法相比,原因可能是受美國經(jīng)濟(jì)和大廠商不來參展的影響。
他說與之形成對比的是汽車廠商非常積極,汽車才是時刻移動的終端。而微軟從WCE(Windows Credentials Editor)開始就已經(jīng)與很多汽車廠商開展合作,例如與福特公司的合作,另外微軟還與十幾家汽車廠商合作在Windows建立云計算系統(tǒng),將導(dǎo)航、安全、保險等信息實(shí)時放在云中調(diào)用、應(yīng)急。
在回答記者關(guān)于如何看待英特爾在此次CES上發(fā)布的物聯(lián)網(wǎng)戰(zhàn)略和愛迪生芯片時,張亞勤認(rèn)表示,有人的地方就有電,有電的地方就有計算,有計算的萬物就應(yīng)互聯(lián)。但是萬物互聯(lián)生態(tài)環(huán)境的建立非常重要并需要中長期的形成,一旦形成,將能給產(chǎn)業(yè)升級、消費(fèi)者帶來機(jī)會和不止萬種應(yīng)用,但是5年內(nèi)很難看到這種生態(tài)的形成和應(yīng)用的爆發(fā)。
當(dāng)記者借此機(jī)會問及關(guān)于當(dāng)前非結(jié)構(gòu)化數(shù)據(jù)無法用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫進(jìn)行管理的問題時,張亞勤說,所以大數(shù)據(jù)來了。大數(shù)據(jù)不僅僅只是指數(shù)據(jù)量的多少,還指其非結(jié)構(gòu)性,傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)提供的是確定的結(jié)果,而非結(jié)構(gòu)化數(shù)據(jù)則提供不明確的多種結(jié)果。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。