日前,IBM提交了一項新專利申請,目的是在用戶通過AR訪問真實世界的位置時,增強該位置的可信任度。
美國專利商標(biāo)局(USPTO)上周公布了該專利的申請?zhí)?mdash;—20180311572。
IBM的專利申請文檔在描述解決方案時表示,該解決方案能夠“阻止AR游戲玩家闖入不受歡迎的位置”,例如私有財產(chǎn)、文化敏感地點或一些高風(fēng)險地區(qū),包括那些可能犯罪相對集中的地區(qū)。
AR應(yīng)用程序在我們的環(huán)境中用了額外一個層次的虛擬“現(xiàn)實”。2016年,首款A(yù)R游戲“精靈寶可夢(Pokemon Go)”上架后給游戲玩家們帶來了驚喜的體驗,引發(fā)了一波AR游戲的新潮流,但同時也暴露了一些不足。
Pokemon Go游戲是一款對現(xiàn)實世界中出現(xiàn)的“神奇寶貝”進行探索捕捉、戰(zhàn)斗以及交換的游戲 。玩家可以通過智能手機在現(xiàn)實世界里發(fā)現(xiàn)精靈,進行抓捕和戰(zhàn)斗。玩家作為精靈訓(xùn)練師抓到的精靈越多會變得越強大,從而有機會抓到更強大更稀有的精靈。
然而,這種基于地標(biāo)位置的游戲也對居民造成了一定對滋擾,比如噪音、交通堵塞、人流等等;有時還會將玩家?guī)У讲贿m當(dāng)?shù)牡胤?,例如戒毒診所、紀(jì)念館和私人住宅。
也就是說,這類游戲?qū)⑽锢砻舾形恢眠B接到虛擬現(xiàn)實里是時有發(fā)生的,尤其是那些在全球范圍內(nèi)開發(fā)的游戲。
區(qū)塊鏈技術(shù)正在解決這一問題。當(dāng)用戶接近敏感區(qū)域時,就可以發(fā)出警告。
IBM的專利文檔表示,“該方法的實現(xiàn)所基于的是海量位置數(shù)據(jù)庫,其中包括移動設(shè)備等第一傳感器所獲取的數(shù)據(jù),以及針對移動設(shè)備的位置所訪問另一個首要位置等等。該方法還包括:從首要位置數(shù)據(jù)庫里檢索增強現(xiàn)實對象;在移動設(shè)備處于敏感位置時進行標(biāo)注;修改增強現(xiàn)實對象令移動設(shè)備位置根據(jù)對應(yīng)的標(biāo)示做出響應(yīng)。”
基于區(qū)塊鏈的數(shù)據(jù)庫將提供需要避免的位置記錄,數(shù)據(jù)庫包含的記錄存儲在多個系統(tǒng)上,因而使得偽造記錄和時間戳變得非常困難。
當(dāng)然,這些數(shù)據(jù)庫的記錄不僅可以用于為AR游戲提供拒絕訪問的區(qū)域信息,而且還可以增加對安全區(qū)域的可信任度。
專利文檔還提到,“參與者或用戶可能會由于不同目的惡意描述某個位置”,例如出于攻擊或破壞目的,因此,能夠獲得更“可信賴”的來源。這有利于保護所有年齡段游戲玩家的利益。
除此之外,專利文檔進一步描述了如何用同樣的區(qū)塊鏈技術(shù)為玩家、監(jiān)管機構(gòu)和企業(yè)提供唯一加密ID。該唯一ID可以保留游戲歷史的所有權(quán),包括訪問過的位置及時間。
對此,IBM的基本思路是利用區(qū)塊鏈保護和隔離一些在AR體驗期間可能引起客戶興趣的物理位置,以吸引未來客戶進一步探索。一方面,推動AR游戲的發(fā)展,另一方面也避免之前Pokemon Go所面臨的問題。
如今,IBM已經(jīng)不是唯一一家將塊鏈技術(shù)用于銀行、保險和加密貨幣以外區(qū)域的技術(shù)巨頭。
比如,索尼上個月也宣布開發(fā)了數(shù)字版權(quán)管理(DRM)平臺,旨在保護基于區(qū)塊鏈技術(shù)內(nèi)容創(chuàng)建者的知識產(chǎn)權(quán)。
該系統(tǒng)建立在索尼現(xiàn)有的DRM工具基礎(chǔ)之上,這些工具可以跟蹤受版權(quán)保護的數(shù)字內(nèi)容,而區(qū)塊鏈固有的安全性也賦予這個系統(tǒng)獨特的優(yōu)勢,具備處理與訪問權(quán)限有關(guān)信息的功能。
區(qū)塊鏈的工作方式意味著索尼能跟蹤數(shù)字內(nèi)容從創(chuàng)建到共享的全過程,也就是說,區(qū)塊鏈DRM工具的用戶將能夠知道并驗證電子數(shù)據(jù)是由誰在何時創(chuàng)建的。
現(xiàn)階段該系統(tǒng)主要應(yīng)用在索尼全球教育,但該系統(tǒng)也適用于各種類型數(shù)字內(nèi)容的權(quán)限管理,支持音樂、電影、虛擬現(xiàn)實內(nèi)容等娛樂媒體。當(dāng)然,除此之外,索尼也正在考慮該技術(shù)在其他領(lǐng)域中的可能用途。
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(zhǔn)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(zhǔn)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(zhǔn)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(biāo)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(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)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。