虽然一台平板电脑正面的触摸屏能够让用户完成众多不同的任务,但其设备的背面通常却并未发挥多大作用。
图:位于iPad背面的传感器概念图
苹果或许想要改变这一点,希望在其iPad平板电脑背部表面添加传感器和控制器来赋予该平板更多功能。在美国专利和商标局于当地时间本周二批准的苹果专利中提到了这个理念,考虑以线型或网格型方式将传感器放置在一台平板电脑背面。
这一理念将有助于一台平板增加更多新用途,如运行更为复杂的游戏等。目前,由于大多数移动设备均没有单独的实物控制器,很多移动游戏只涉及点击和滑动屏幕的操作方式。如果在平板电脑背面增加一套新的控制元件,那么用户的游戏体检将有可能接近于通过游戏控制手柄的操作体验。
此外,苹果目前正忙于应对iPad日渐疲软的销量,作为该公司第二大设备收入来源,为其iPad添加一项新功能(比如一项背部功能)很可能会有助于刺激人们对该产品的需求。
该专利中提到,这个传感器可能为超声波传感器、压力传感器或电容式传感器,此外根据不同的用途,用户双手的感知位置既可以在平板前面显示,也可以不显示。
这项专利中还提到了一种有助于用户不必向下看键盘即可盲打的方法,这暗示着用户显示屏上或将出现一个虚拟键盘,能方便用户看到他们正在输入的内容。
苹果并未立即回应记者的置评请求。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。