当地时间本周三,苹果面向iPhone和iPad用户发布最新版移动操作系统,新功能包括支持第三方键盘(如Swype)、Touch ID、能够在通知中心内部使用的独立开发者开发的小工具。
iOS 8支持iPhone 4S及之后手机版本、第五代iPod Touch、第二代iPad及之后版本。有些功能是专门针对iPhone 6和6 Plus推出的,其中包括苹果支付(Apple Pay)功能。苹果移动支付服务借助新手机中NFC芯片发挥作用。今年10月份,该服务将通过iOS 8升级登陆iPhone 6和6 Plus手机。
用户进入应用设置(Settings > General > Software Update)即可下载该软件,也可以使设备直接访问iTunes下载软件。本周五,苹果将发布搭载iOS 8的新手机iPhone 6和6 Plus。
iOS 8是苹果在首席设计师乔纳森·艾维(Jony Ive)和新软件掌门克雷格·费德里希(Craig Federighi)指导下发布的第二个重大移动操作系统。苹果CEO蒂姆·库克(Tim Cook)于2012年10月份解雇前iOS掌门斯科特·福斯特(Scott Forstall),部分原因是他不肯对苹果地图的失败负责。艾维带头重新设计iOS 7,iOS 7也是自苹果2007年推出首款运行iOS的iPhone以来对iOS进行的第一次彻底改进。
苹果在去年召开的全球开发者大会(WWDC)上公布iOS 7,其字体与色彩方案及扁平化设计理念与之前的iOS版本迥异。iOS还添加了一些实用性强的功能,如自动升级、提高日常使用的易用性,AirDrop、iTunes Radio和一个新的控制中心便于用户快速访问常用功能。3月份升级的iOS 7.1整合了CarPlay功能。
iOS 8把艾维的设计理念又向前推进一步,与视觉相比,新款移动操作系统更注重功能性。苹果通过iOS 8为大量粉丝带来他们多年梦寐以求的功能,并通过一套新“Kit”应用和开发工具助力苹果向健康和家庭自动化领域扩张。
iOS 8添加的新功能包括Handoff,允许用户在iPhone上启动一个诸如写一份电子邮件或一条文本信息的项目,然后在iPad或Mac计算机上完成该项目。iCloud Drive与Google Drive服务及Dropbox功能相似,用户可以在任意一款设备上存储文件。苹果信息应用添加了一项QuickType新功能,这是一个预测键盘软件强化功能,通过熟悉用户与不同人的交谈方式提供快捷自动纠错与书写建议。
苹果还有意打破其封闭性价值观的壁垒,用户现在能够安装第三方键盘和TouchID指纹扫描,均支持第三方应用。此外,独立开发者开发的小工具也可通过App Store下载使用,并能够在通知中心(Notification Center)内部使用。
苹果还发布两个新项目:HealthKit和HomeKit。HealthKit肩负数据存储库作用,存储与健康相关的信息,如用户运动的步数及摄入的食物量。
HomeKit提供智能家庭服务,允许开发者整合控制锁门、灯光明暗和其他家用电器等功能,能够整合至面向iPhone和iPad的iOS应用中。这意味着用户使用一款应用——甚至使用苹果数字语音助理Siri即可控制不同的连接设备,免去在不同应用之间来回转换的麻烦。该项目的最初合作伙伴有电子保安产品制造公司Honeywell和智能锁具公司August。
苹果最近推出的大量移动产品支持iOS 8。据苹果表示,支持iOS 8的设备包括iPhone 4S、iPhone 5、iPhone 5C、iPhone 5S、本周五上市的iPhone 6和iPhone 6 Plus、第五代iPod Touch、iPad 2、配置视网膜显示屏的iPad、iPad Air、iPad Mini、配置视网膜显示屏的iPad Mini。
不支持iOS 8的设备包括iPhone 4及之前老版iPhone、第四代iPod Touch及之前老版产品、第一代iPad。
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。