11月13日至16日,第十一屆用戶友好大會User Friendly 2014在太湖之濱無錫君來世尊酒店舉行。七牛云存儲CEO許式偉作為企業(yè)級云存儲領域的領軍人物,出席了專家論壇之智能生活論壇,并就智能生活話題與寶馬Alexis Trolin、TCL多媒體Flemming Moller Pedersen、長虹葉根軍以及同濟大學劉偉進行討論。
近兩年,Google, Amazon, 蘋果等大佬對智能家居的關注讓這個領域慢慢在投資圈和媒體圈里熱了起來,此外,云計算,終端設備,傳感器,以及大數(shù)據(jù)的發(fā)展也讓智能家居的技術實現(xiàn)越來越成熟。但不管是圈內還是圈外人士都帶著一個原始疑問:究竟什么是智能家居。
七牛CEO許式偉針對這個問題提出了自己的觀點。他提到:關于智能家居,其實是兩個層次的智能,一個是交互的智能,也就是怎么樣讓這種更智能的交互和人的日常的生活結合在一起。因為實際上在計算機發(fā)展早期的階段,交互主要是通過鍵盤,但是實際上鍵盤是不太智能的一個東西。它并不符合人的平常的一種交互方式,所以在未來,所謂的第一層的智能就是更智能的交互,就是語音的交互,手勢的交互這種更加體現(xiàn)智能的東西。這實現(xiàn)起來并不容易,但在今天之所以成為可能,是因為今天計算機的計算能力有非常大的增強,并且云計算帶來了瘦終端化的趨勢,更多的計算是服務端進行。另外一個層次的智能是對人個性的理解,也就是通過人的長期的行為的一些記錄,人的行為歷史記錄來發(fā)現(xiàn)這個人的偏好,并且更加智能的去向他推送一些他可能會非常希望看到的東西,就是對他用戶個性的理解。
后面,許式偉又針對性的闡述了如何實現(xiàn)第二層智能中提到的對人性的理解。首先,所有的家電和傳感器、開關、電視機頂盒,這些都和會互聯(lián)網(wǎng)的數(shù)據(jù),比如說GPS、天氣等,把這些變量相互融合并上傳到云端,然后多維度對用戶使用家居習慣,比如時間,地點,方式,喜好等,進行記憶,挖掘,以及分析。得到的結果反饋到家居系統(tǒng)中,再對用戶進行個性化的推送。許總也提到,數(shù)據(jù)挖掘與分析產品化尚處于早期,但其實會包含的層次非常多,目前也沒有一個非常固定的方法,但他認為一定會跟特定的領域有關,比如說商家想為客戶解決某一特定問題,然后針對這樣的問題來做數(shù)據(jù)挖掘。
目前智能家居的生態(tài)越來越趨于碎片化,但其必然是會結合大數(shù)據(jù)和云計算的技術往前發(fā)展的。七牛云服務以數(shù)據(jù)為中心,專注技術,幫助客戶管理從數(shù)據(jù)上傳,托管,處理到分發(fā)的整個生命周期的理念,相信將給智能家居行業(yè)帶來最穩(wěn)定的產業(yè)發(fā)展支撐與扶持。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(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量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。