
据苹果首席执行官蒂姆•库克(Tim Cook)透露,苹果正在酝酿很多“真正伟大的产品”,而这些产品应该并非局限于智能手表,可能会有更多其他产品。
尽管很长时间以来,所有迹象都表明苹果将推出一款智能手表,但再深入了解一些会发现,苹果的下一个目标貌似是对更健康(或许还可能是永生?)的追求。
蒂姆•库克佩戴并非常喜爱耐克燃料腕带(Nike FuelBand)已不再是什么秘密。库克从2005年以来便一直是耐克公司董事会的一名成员,因此他对健身跟踪器的选择显而易见,同样明显的是他很关心健康。
库克曾在提及可穿戴技术时称之“十分有趣”,而且他认为在手腕上佩戴点儿什么的理念很“自然”。而在美国科技网站Re/code的创立者莫博士(Walt Mossberg)和卡拉·斯韦舍(Kara Swisher)向库克问起“未来会使用可穿戴产品吗?”,他回应称“我认为会的”。
暂不提iWatch这个算是木已成舟的事情,我们应该关注全局,关注苹果想要征服蓬勃发展的健康监测市场的愿望。当然,苹果智能手表将拥有报时、控制音乐、显示下一个预约和天气等功能。但这些都已屡见不鲜,笔者使用已近一年的Pebble智能手表早已具备这些功能。更别提,新款Pebble Steel功能更强大。
笔者曾说过,苹果即将推出的智能手表将不仅是一款能替代iPhone的产品,更是一款健康监测设备,笔者认为该理论有效。此外,在Pebble和其他许多市场上现有的智能手表(如索尼和三星等)发布这么久以后,苹果若再推出一款相仿产品加入这场竞争,未免为时太晚。
在2014年1月31日,苹果爆料网站9to5mac爆料称,苹果确实在研制一款健身产品,被命名为“Healthbook”,并称它可能将和iOS 8一同发布。据传闻称,苹果这款新产品将综合硬件(如手表、iPhone)和软件(各种应用),能够监测用户的身体素质(如步数、卡路里、英里数等)和健康状况(如血压、水化、心率、葡萄糖含量等)。结合传感器和iPhone、iWatch中含有的技术,Healthbook将可能成为现实。
而据《纽约时报》报道,苹果高管杰夫•威廉姆斯(Jeff Williams)和巴德·特里布尔(Bud Tribble)曾在上月会见美国食品和药物管理局(FDA)官员洽谈移动医疗应用事宜。
近来,苹果公司的招聘行为又很好地指出了苹果未来要推出的产品特征。据9to5mac表示:“去年,苹果聘请了几名健康、医疗和健身专家为这些硬件和软件项目工作。其中包括著名的前耐克顾问杰·伯拉尼克(Jay Blahnik)和传感器公司Senseonics前高级副总裁托德·怀特赫斯特(Todd Whitehurst)博士。
今年,苹果又聘请了来自医疗器械公司Vital Connect的拉维·纳拉西曼(Ravi Narasimhan)和来自初创公司Sano Intelligence的南希·多尔蒂(Nancy Dougherty)加入其开发团队。我们也了解到,苹果去年夏天还雇用了一名来自医疗设备企业Masimo Corporation的前高管迈克尔·奥赖利(Michael O’Reilly),从事无创脉搏传感器的研究。
近日,苹果网站也出现了一则招聘运动生理学家的信息,大家推测该职位获得者显然将加入HealthBook的开发团队:“这份工作要求受聘者‘设计和测试运动追踪技术进行用户研究,研究涉及卡路里消耗量、代谢速率、有氧健身水平测量/跟踪以及其它重要生理测量。’该职位需要受聘者在用户研究测试/验证时应用产品设计的相关知识。”
当地时间本周二,苹果从飞利浦研究所雇佣了睡眠研究专家Roy J.E.M Raymann,Roy J.E.M Raymann在可穿戴、传感器和非药物性改善睡眠质量的方法领域可谓经验丰富。而Raymann显然也会直接加入HealthBook开发团队。
HealthBook存在的可能性非常大,苹果可能会彻底改造可穿戴设备,并利用可穿戴设备的火热趋势监测用户健康。
别再提“智能手表”了,它已不仅仅是一块“手表”。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。