3月15日消息,去年夏天,英特爾公布了3D Xpoint——一種他們稱之為“在存儲(chǔ)過(guò)程技術(shù)中取得重大突破”的新技術(shù)。3D Xpoint比之前的NAND閃存速度快了10倍而且更加耐用,而它的存儲(chǔ)密度又是用于電腦的DRAM芯片的10倍。
從技術(shù)層面看,這種革新關(guān)鍵在于晶體管交叉點(diǎn)創(chuàng)建出一個(gè)三維網(wǎng)格,內(nèi)存單元坐落于網(wǎng)格的交點(diǎn)處,而且允許被單獨(dú)調(diào)用。所以,數(shù)據(jù)可以以更小的單位被讀取和寫入,速度大大超過(guò)現(xiàn)在所有的讀取寫入技術(shù)。
英特爾已承諾第一個(gè)采用3D Xpoint 產(chǎn)品將在2016年初用在Optane固態(tài)硬盤的上。根據(jù)Macworld的消息,3D Xpoint與NVMe(取代現(xiàn)在的AHCI的新的硬盤傳輸標(biāo)準(zhǔn))兼容。而蘋果公司對(duì)這一產(chǎn)品非常有興趣。
蘋果現(xiàn)有的Retina MacBook使用的正是NVMe技術(shù), 2016年發(fā)布的新Mac很有可能還會(huì)繼續(xù)采用NVMe。因?yàn)?D Xpoint與NVMe兼容,讓蘋果公司的新產(chǎn)品采用Optane固態(tài)硬盤成為可能。
雖然在iPhone上相對(duì)保守,在電腦產(chǎn)品線上,蘋果公司倒經(jīng)常是采用新技術(shù)的先驅(qū),這些年來(lái),MacBook陸續(xù)取消了網(wǎng)口,光驅(qū),甚至常規(guī)usb接口,雖然每次改變都引起用戶的激烈討論,但不得不承認(rèn)的是,正是這些改進(jìn)讓MacBook一直領(lǐng)先。
據(jù)說(shuō)英特爾打算讓Optane固態(tài)硬盤在2016年內(nèi)上市,所以我們沒辦法看到這個(gè)技術(shù)馬上被廣泛采用??梢灶A(yù)見的是,在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi),3D Xpoint存儲(chǔ)解決方案將和NAND閃存方案同時(shí)存在,直到Optane固態(tài)硬盤的價(jià)格下降到可以進(jìn)行大批量生產(chǎn)。除此之外,英特爾還在致力于研發(fā)Optane內(nèi)存條。
回到蘋果公司這,如果他們要在未來(lái)的Mac電腦上使用Optane固態(tài)硬盤,那么搭載此種硬盤的真機(jī)上市還需要等一段時(shí)間。預(yù)計(jì)2016年Mac電腦的新機(jī)型搭載的還是NAND閃存,但是如前所述,速度改進(jìn)的需求可能會(huì)采用更寬的NVMe解決方案來(lái)滿足。
我們或?qū)?huì)在最近幾個(gè)月看到第一臺(tái)蘋果Mac電腦升級(jí),也許在六月的全球開發(fā)者大會(huì)(WWDC)才看得到。
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(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(guò)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(wèn)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(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)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(wú)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。