“嘿,你的手腕上没佩戴任何智能设备。”Mophie的一位发言人向笔者如是说,笔者解释道并非如此:笔者手腕上戴有一块Withings Activité智能手表,只是它看起来与普通手表别无两样,感觉就是一块普通手表,而且它通过下方蓝牙实现智能互联。
凭借与普通手表别无二致的外观,最新且更便宜的Withings Activité Pop智能手表在本次国际消费电子展会上引起了轰动。Martian与Guess共同打造的全新智能手表亦是如此。有趣的是,这些智能手表只是追求在外观上看起来很普通,而并不打算凭借宽大、亮丽的屏幕脱颖而出。
短短几个月内,随着苹果Apple Watch的推出,再加上一大批不可避免的新一代Android Wear和三星Gear智能手表的问世,该领域的其他厂商似乎已准备好向精巧产品进发。2015年的热门产品恰恰可能刚好是件小巧设备。
可穿戴设备制造商Misfit与施华洛世奇(Swarovski)联手推出的Swarovski Shine太阳能可穿戴设备看上去就像一款施华洛世奇首饰:一条水晶项链,或是一个水晶吊坠。仅仅从外观上看它,你永远不会知道某人穿戴的是一款智能设备。
日本眼镜制造商Jins推出一款感知眼球运动、测量疲劳型眼镜,其外形与普通眼镜无异。
这种趋势在智能家电产品上也有体现:巧妙联网的咖啡机、真空低温烹调设备、慢炖锅、冰箱、灯。而汽车产业公司则正致力于植入智能手表兼容性。
除可穿戴设备外,一些公司已经开始计划整体性进军更多类型的产品,例如HTC公司,而Withings等公司已经在这样做了。可穿戴公司Misfit目前正在制造智能电灯泡。
笔者在CES上看到了什么呢?令人惊叹不已的并非某个产品,倒是很多产品表现出来的一种迹象令人赞叹。尤其是智能手表。
虽然本次展会上有无数的健身型智能手表和智能手环,但在大多数情况下,其他智能手表往往呈现出一种暂停状态——“等侯全球移动大会”似乎已成为一个常见口号。当然,其言外之意也代表着苹果Watch将于那时亮相。
除此之外,一个鲜为人知但越来越重要的巴塞尔世界钟表珠宝展将在瑞士举行。届时,各大传统手表制造商将聚集瑞士,而很多智能手表和可穿戴公司也逐渐出席这一展会,因此,如果还有下一批微智能普通手表,那么它们很可能将会出现在这个展会上。
基于增强现实(AR)和虚拟现实(VR)技术的各种眼镜仍“潜伏”在CES展会上,隐秘在各处。Oculus Rift的最新设备就隐秘在游戏展会馆,而Vuzix则藏在靠近电视展区的一个大厅后,头戴式显示器Avegant Glyph位于TechWest展会的金沙酒店(The Sands)。爱普生为其Moverio BT增强眼镜更新了软件,而索尼在展会的一个角落里陈列着其SmartEyeglass原型。三星Gear VR在节假期间刚刚提供了有限的产品供应,但每周都会有新软件出现。Google Glass并未出现在展会上,不过可穿戴眼镜不会消失,它们正在蛰伏、进化。
帕尔默·拉基(Palmer Luckey)在CNET“下一个大事件” (Next Big Thing)峰会上表示,增强现实和虚拟现实终将融为一体。只是连接显示器、摄像头、镜片、硬件和软件的技术还未出现。CES展会上甚至没有一个专门的虚拟现实展馆。不过,或许明年将彻底改变。2016年可能会成为真正的虚拟现实年度。
随着可连接设备的激增,可穿戴科技将有更多的用途。而伴随着Android Wear和Apple Watch对更多全新应用和手机互联的推动,这些生态系统很可能最终将胶合在一起。毕竟制造商等待的可不仅仅是苹果Watch,他们也在等待谷歌和其他行业引发轰动。而且,所谓的“可穿戴”理念不过是“可连接”的一种委婉说法。各大公司都正在这一巨大转变中分定位自己,而这一转变正是今年的CES大会真正的潜在主题——“可连接”。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。