
CeBIT進入到第三天,迎來了一個大事件,在HALL8(8號館),CeBIT的官方主持人通過視頻遠程連線了現(xiàn)在身在俄羅斯的斯諾登,同時,斯諾登的小伙伴——英國前衛(wèi)報記者Greenwald也現(xiàn)身會場參與對話。
主持人的采訪非常直接了當,斯諾登的回答也滴水不漏。以下是一些核心信息的整理:
1、斯諾登的出場是伴隨在英國前衛(wèi)報記者Greenwald的出場之后,Greenwald正是協(xié)助斯諾登透露了棱鏡門相關(guān)信息的記者?,F(xiàn)在Greenwald自己建立了一個獨立媒體——intercept。
圖1:英國前衛(wèi)報記者Greenwald和CeBIT主持人
2、斯諾登的視頻畫面很有特點,除了前景肩部以上,其他畫面是全黑色的背景,斯諾登本人則帶著一付耳機??梢赃@樣說,根據(jù)這個視頻畫面,你幾乎得不到任何關(guān)于斯諾登所在的環(huán)境信息。曾經(jīng)有消息說,訪問他的人需要把電話放在冰箱里防止竊聽。這次視頻對話也說明了他在這方面的謹慎。
圖2:遠程對話中的斯諾登
3、Greenwald認為,因為斯諾登的行為,世界變得更加好了(指在公民注重隱私保護方面)。這周也有統(tǒng)計表明,美國有超過1/4的網(wǎng)民在斯諾登事件之后,更加注重自己的隱私保護。
4、斯諾登不清楚自己是否有機會回到美國(這句話的背景是奧巴馬還有兩年的總統(tǒng)任期)。
5、或許因為CeBIT是一個IT的會議,所以斯諾登提出保護隱私也需要技術(shù)(Technology)的協(xié)助,而每個人都可能受到隱私的侵犯(attack)。
6、在斯諾登事件兩年之后,顯然安全問題成為一個熱門的安全議題。在所有的CeBIT日程安排當中,這次訪談吸引了最大數(shù)量的觀眾參與,會場左右和后方有很多站立聽會的觀眾。以至于斯諾登出場前的另外一個講IT的一個創(chuàng)始人嘉賓發(fā)現(xiàn),隨著自己的演講結(jié)束,會場的人竟然越來越多,不清楚他是否知道這些逐漸涌進來的人其實是為了下一場對話占座位的。
7、斯諾登的出場共得到了三次全場范圍的鼓掌。最后一次在視頻連線結(jié)束后,持續(xù)了5秒鐘。對于主持人提出他是否應(yīng)該回到美國的看法,他和Greenwald沒有認同主持人提出的思路。
圖3:斯諾登現(xiàn)場對話
8、斯諾登認為未來不是安全和隱私之間的關(guān)系,而是監(jiān)督和隱私之間的關(guān)系。
9、歐洲媒體認為,有5件發(fā)生CeBIT上的事不能錯過,一個是斯諾登參與對話,另外四件事是:一是,工業(yè)4.0相關(guān)的移動設(shè)備與工業(yè)機器人;二是,工業(yè)4.0相關(guān)的物聯(lián)網(wǎng)的開放平臺;三是,大數(shù)據(jù)分析,比如體育賽事等方面的應(yīng)用;四是,三星這樣的前端公司也參與到B2B IT展會中來,力度還很大。
10、主持人提議,如果未來有一天斯諾登離開俄羅斯,是否會到CeBIT現(xiàn)場來,而不是再視頻對話,斯諾登回答沒問題,但還是要問德國總理默克爾。
11、斯諾登被問到再有一次這樣的機會,你會怎么樣?斯諾登回答:“I will do it again。” ——如果上天再給我一次機會,我一定會再干一次。
好文章,需要你的鼓勵
浙江大學(xué)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(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)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)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(xué)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(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實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、注意力錨點機制和高效訓(xùn)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(zhì)量視頻,延遲僅0.76秒,質(zhì)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(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(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,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)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(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。