今日,微軟和富士通宣布達成合作,共同致力于通過物聯(lián)網和M2M(machine to machine)來提高生產效率,降低生產成本。前不久,微軟還和德國美諾達成類似的合作。
在漢諾威展會上,富士通展示了IoT/M2M平臺從微軟Azure數(shù)據(jù)庫調用數(shù)據(jù)。二者的合作是工業(yè)4.0的一部分,它完美地詮釋了技術是如何精簡系統(tǒng)的,從有關人的系統(tǒng),到有關機器的系統(tǒng)。
說到富士通,你可能不會把它和農業(yè)聯(lián)系起來。但是,借力微軟,富士通正在幫助適合腎病患者的低鉀萵筍的大批量生產。同時,富士通還使用云監(jiān)控莊稼,并將信息反饋給科學家、工程師、計算機。
富士通的坂井宏行說,將微軟Azure和富士通IoT/M2M平臺結合起來,能撬動整個富士通生態(tài)管理系統(tǒng)。包括實時傳輸可視化加工處理過程,并進行大數(shù)據(jù)分析,優(yōu)化生產效率,優(yōu)化企業(yè)決策。
物聯(lián)網能做的,遠遠不止最受關注的智能家居。能深刻影響社會的技術變革,往往發(fā)生在你看不見的地方。
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。