Facebook于當(dāng)?shù)貢r(shí)間本周三宣布,該公司已經(jīng)與很受歡迎的跨平臺(tái)移動(dòng)消息應(yīng)用WhatsApp的母公司達(dá)成協(xié)議,同意以160億美元左右的現(xiàn)金加上30億美元左右的股票,收購(gòu)WhatsApp。Facebook在提交給美國(guó)證券交易委員會(huì)(SEC)的文件中宣布了這一消息。
在這筆并購(gòu)交易中,F(xiàn)acebook將以其價(jià)值120億美元的183,865,778股股票,以及40億美元現(xiàn)金收購(gòu)WhatsApp全部資產(chǎn)。同時(shí),F(xiàn)acebook已承諾在收購(gòu)?fù)瓿珊?,將向WhatsApp創(chuàng)始人和員工發(fā)放45,966,444股受限制股票,價(jià)值30億美元,這相當(dāng)于Facebook又為這筆交易額外添加了30億美元的價(jià)值。該批限制股票將在交易完成四年后行權(quán)。
Facebook首席執(zhí)行官馬克•扎克伯格(Mark Zuckerberg)在其發(fā)表在Facebook上的一篇文章中說道:“我很激動(dòng)地宣布,我們已經(jīng)同意收購(gòu)WhatsApp,而且他們整個(gè)團(tuán)隊(duì)將會(huì)加入Facebook。我們的使命就是讓世界更加開放更加相連。通過構(gòu)建一種服務(wù),幫助人們與任何他們希望分享的人分享他們喜歡的任何類型的東西,我們正在完成著這一使命。WhatsApp的加入將有助于我們繼續(xù)開發(fā)世界各地的人們喜歡每天使用的一種服務(wù)。”
Facebook在一份新聞稿中說道,WhatsApp目前擁有4.5億月活躍用戶,其中日活躍用戶比例達(dá)70%以上。此外,該服務(wù)每日還會(huì)增加100萬名新注冊(cè)用戶。與照片分享應(yīng)用Instagram一樣,F(xiàn)acebook仍保留WhatsApp品牌,繼續(xù)與Facebook保持獨(dú)立運(yùn)行。
這筆天文數(shù)字一樣的收購(gòu)價(jià)足以說明Facebook是多么渴望將其最大的競(jìng)爭(zhēng)對(duì)手之一囊入囊中。盡管WhatsApp的核心功能是幫助用戶之間收發(fā)信息,但它創(chuàng)辦5年以來其規(guī)模已逐漸超過Facebook的三分之一,并提供了一個(gè)更加獨(dú)立的社交體驗(yàn),深受年輕人和外國(guó)人喜愛。
據(jù)WhatsApp創(chuàng)始人兼首席執(zhí)行官簡(jiǎn)•庫(kù)姆(Jan Koum)表示,盡管Facebook一直力圖征服世界其他地方并保持較高的參與度,而網(wǎng)絡(luò)恰好賦予了它一個(gè)有利條件,但至少WhatsApp不會(huì)成為另一個(gè)廣告渠道。
庫(kù)姆表示:“無論你在世界何處,無論你使用哪款智能手機(jī),你都可以繼續(xù)使用WhatsApp,而且它絕對(duì)和以前一樣,不會(huì)有廣告打擾你的通訊。如果我們不得不妥協(xié)這項(xiàng)定義我們公司、愿景和產(chǎn)品的核心原則,那么我們兩家公司之間的合作就不會(huì)達(dá)成。”
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)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)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(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(dòng)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(duì)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(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(dòng)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(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。