據(jù)蘋果首席執(zhí)行官蒂姆•庫克(Tim Cook)透露,蘋果正在醞釀很多“真正偉大的產(chǎn)品”,而這些產(chǎn)品應該并非局限于智能手表,可能會有更多其他產(chǎn)品。
盡管很長時間以來,所有跡象都表明蘋果將推出一款智能手表,但再深入了解一些會發(fā)現(xiàn),蘋果的下一個目標貌似是對更健康(或許還可能是永生?)的追求。
蒂姆•庫克佩戴并非常喜愛耐克燃料腕帶(Nike FuelBand)已不再是什么秘密。庫克從2005年以來便一直是耐克公司董事會的一名成員,因此他對健身跟蹤器的選擇顯而易見,同樣明顯的是他很關心健康。
庫克曾在提及可穿戴技術時稱之“十分有趣”,而且他認為在手腕上佩戴點兒什么的理念很“自然”。而在美國科技網(wǎng)站Re/code的創(chuàng)立者莫博士(Walt Mossberg)和卡拉·斯韋舍(Kara Swisher)向庫克問起“未來會使用可穿戴產(chǎn)品嗎?”,他回應稱“我認為會的”。
暫不提iWatch這個算是木已成舟的事情,我們應該關注全局,關注蘋果想要征服蓬勃發(fā)展的健康監(jiān)測市場的愿望。當然,蘋果智能手表將擁有報時、控制音樂、顯示下一個預約和天氣等功能。但這些都已屢見不鮮,筆者使用已近一年的Pebble智能手表早已具備這些功能。更別提,新款Pebble Steel功能更強大。
筆者曾說過,蘋果即將推出的智能手表將不僅是一款能替代iPhone的產(chǎn)品,更是一款健康監(jiān)測設備,筆者認為該理論有效。此外,在Pebble和其他許多市場上現(xiàn)有的智能手表(如索尼和三星等)發(fā)布這么久以后,蘋果若再推出一款相仿產(chǎn)品加入這場競爭,未免為時太晚。
在2014年1月31日,蘋果爆料網(wǎng)站9to5mac爆料稱,蘋果確實在研制一款健身產(chǎn)品,被命名為“Healthbook”,并稱它可能將和iOS 8一同發(fā)布。據(jù)傳聞稱,蘋果這款新產(chǎn)品將綜合硬件(如手表、iPhone)和軟件(各種應用),能夠監(jiān)測用戶的身體素質(zhì)(如步數(shù)、卡路里、英里數(shù)等)和健康狀況(如血壓、水化、心率、葡萄糖含量等)。結合傳感器和iPhone、iWatch中含有的技術,Healthbook將可能成為現(xiàn)實。
而據(jù)《紐約時報》報道,蘋果高管杰夫•威廉姆斯(Jeff Williams)和巴德·特里布爾(Bud Tribble)曾在上月會見美國食品和藥物管理局(FDA)官員洽談移動醫(yī)療應用事宜。
近來,蘋果公司的招聘行為又很好地指出了蘋果未來要推出的產(chǎn)品特征。據(jù)9to5mac表示:“去年,蘋果聘請了幾名健康、醫(yī)療和健身專家為這些硬件和軟件項目工作。其中包括著名的前耐克顧問杰·伯拉尼克(Jay Blahnik)和傳感器公司Senseonics前高級副總裁托德·懷特赫斯特(Todd Whitehurst)博士。
今年,蘋果又聘請了來自醫(yī)療器械公司Vital Connect的拉維·納拉西曼(Ravi Narasimhan)和來自初創(chuàng)公司Sano Intelligence的南希·多爾蒂(Nancy Dougherty)加入其開發(fā)團隊。我們也了解到,蘋果去年夏天還雇用了一名來自醫(yī)療設備企業(yè)Masimo Corporation的前高管邁克爾·奧賴利(Michael O’Reilly),從事無創(chuàng)脈搏傳感器的研究。
近日,蘋果網(wǎng)站也出現(xiàn)了一則招聘運動生理學家的信息,大家推測該職位獲得者顯然將加入HealthBook的開發(fā)團隊:“這份工作要求受聘者‘設計和測試運動追蹤技術進行用戶研究,研究涉及卡路里消耗量、代謝速率、有氧健身水平測量/跟蹤以及其它重要生理測量。’該職位需要受聘者在用戶研究測試/驗證時應用產(chǎn)品設計的相關知識。”
當?shù)貢r間本周二,蘋果從飛利浦研究所雇傭了睡眠研究專家Roy J.E.M Raymann,Roy J.E.M Raymann在可穿戴、傳感器和非藥物性改善睡眠質(zhì)量的方法領域可謂經(jīng)驗豐富。而Raymann顯然也會直接加入HealthBook開發(fā)團隊。
HealthBook存在的可能性非常大,蘋果可能會徹底改造可穿戴設備,并利用可穿戴設備的火熱趨勢監(jiān)測用戶健康。
別再提“智能手表”了,它已不僅僅是一塊“手表”。
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"圖結構"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。