6月26日,被數以萬計的用戶以及開發(fā)者所關注的2014谷歌I/O大會召開了,整個發(fā)布會過程當中,谷歌為我們展現了很多內容,包括最受矚目的Android L操作系統、Android One 平臺、Android Wear智能手表、Android Auto車載系統、Android TV、Google Fit健康管理平臺以及支持部分Android原生應用Chromebook。
Android L:Android L系統采用了全新Material主題,不過谷歌并沒有對L這個詞寓意做出明確的表示,采用了目前主流的扁平化UI設計理念。值得一提的“L”版Android將采用一種全新的軟件基礎技術,使應用性能提升1倍。該模式能更好的管理內存,并兼容64位系統,對CPU和GPU的性能提升幫助也非常大。
Android One:該平臺依舊采用的是Android原生系統,側重高配低價,主要針對新興市場。據谷歌介紹,該平臺可將Android手機的整體價格降低到100美元左右,OEM廠商和運營商可以通過Google Play增加自己的應用程序??磥砉雀铻榱舜龠M智能機的普及的這一意圖很明顯。以一款4.5英寸屏的雙卡雙待手機Micromax為例,該機售價低于100美元。
Android Wear智能手表:由于此前谷歌已先期發(fā),此次發(fā)布會上,谷歌對其進行了語音、觸控操作、通知推送的優(yōu)化,并提升了界面色彩以及切換動畫的體驗。Android Wear能夠整合Pinterest等應用程序,通過地理位置判斷能夠當你到達附近的時候就會推送附近商店的相關信息。
在演示環(huán)節(jié)中Android Wear智能手表來電時會呈半圓形顯示提示是否接聽,滑動界面可忽略來電。并在發(fā)布過程中同時展示了LG、三星和摩托羅拉等公司搭載該系統的可穿戴產品。
Android Auto車載系統:這套系統類似于蘋果的CarPlay,支持導航、交互以及音樂,而在中控顯示的方式就像Google Now的卡片。車載系統的所有內容都來自手機,完全兼容汽車上的所有按鈕和撥號盤,自蘋果推出車載系統后,谷歌也坐不住了,這套系統的推出將會與蘋果在車聯網這一領域正面碰撞。
不過與蘋果相比起來,谷歌這套系統的散布更加廣泛,發(fā)布會上谷歌也宣布已經同50個合作方和25家汽車制造商合作,部分汽車廠家還會在今年底發(fā)布支持Android Auto的特別款車型。
Google Fit健康管理平臺:除車載系統之外,在健康追蹤方面,谷歌也推出了Google Fit健康管理平臺。這一平臺能夠管理健康追蹤數據、連接傳感器和可穿戴設備等等,通過一個入口獲得所有健康類軟件數據的統一管理。同時谷歌表示將在未來數周會開放Google Fit SDK。
Android TV:客廳之戰(zhàn)的號角再一次被吹起,谷歌再一次發(fā)起了對客廳的戰(zhàn)爭。Android TV是全新的平臺,繼智能手機和平板之后的新平臺,運行全新的Android L操作系統,支持HDMI輸入,RF接收器等。
主界面支持在頂部位置顯示正在播放的演出活動以及電影,多媒體資源以卡片式展示,界面非常簡潔直觀。Android TV可擴展第三方應用以及游戲,同時使用者還能夠通過Android Wear智能手表來進行對電視的操作。
Chromebook:Chromebook由于系統原因一直處于小眾的地位,此次谷歌在發(fā)布會中為我們呈現出Chrome OS與Android融合的一種未來。至于將Android應用移植到Chrome OS,谷歌也表示有些困難,但現今正在朝著這個方向所發(fā)展。
從操作系統延伸到現今的各種設備和技術,可以說谷歌正打造一個龐大且完整的生態(tài)系統來深入到生活中的一點一滴當中,Android One平臺的意圖除了在普及設備之外,更是為了普及Android系統,讓Android無處不在。
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學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,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,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,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,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現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。