借助GMIC 2015的东风,Synaptics公司CEO日前访华并参与主会演讲,直言人机交互从2005年至2035年间重叠发生的四次变革浪潮,其中生物识别技术将加速密码使用的减少,全方位感知将是人与设备继交互、身份识别以及情境感知之后的第四阶段。
万物互联时代,人与设备的交互方式正潜移默化地发生巨大变革。触控技术是人与智能设备自然而然的连接方法,也是人机交互领域第一次重要的变革。作为在显示集成技术市场的领导者,Synaptics总裁兼首席执行官Rick Bergman,就当下人机交互领域详细分享未来20年间将重叠发生的四次变革浪潮:
交互: 专注于个人设备。从按键到触控屏的转变是这次变革的关键,重点是提高触控性能和扩大触控范围;同时显示质量从VGA至UHD(4K);工业设计方面则是更纤薄的曲面显示。
个性化: 专注于用户。变革的标志是密码的使用正在减少,取而代之的是生物识别(用户独有的特征)。这将推动移动支付的普及,但仍需要协调银行,支付机构,商家,技术提供商等各个环节,因此需要FIDO(线上快速身份验证)联盟来制定标准。
情境识别: 专注于环境。属于早期创业阶段,目标是让设备能够了解环境情况,能够预知用户的潜在需求。这需要不同类型的传感器一起工作,增强现实感。
全方位感知: 专注于终极用户体验。这将是人机交互的前沿创新模式,它将超越智能设备本身,个人设备退居幕后,甚至消失在信息基础设施中,取而代之的是纤巧尺寸的传感器将无处不在。
如今,每小时有300万个苹果应用被下载;微信上每分钟发送1000万条信息。但这还远远不够,万物互联时代智能设备将延展人类的感官和认知能力,甚至拥有听觉、视觉、触觉。基于此,全新使用场景将会应运而生,并重塑一切方式和关系,而排在首位的正是人与设备之间的连接关系和交互方式。
此外Synaptics还直言,除了手机,笔记本,及平板电脑,触控技术还将超越这些传统市场,并在以下三大全新市场呈现爆发式需求:
可穿戴设备:可穿戴设备是增长最快的智能设备细分市场之一。Synaptics认为,支持灵活的触控/显示,是可穿戴设备取得成功的关键。因为增加触控功能,可为人们与可穿戴设备互动提供一种自然而然的方式。预计2015年交付超过4000万个采用触控界面的智能手表。
智能汽车:汽车在未来不仅是一个出行产品或工具, 还将是一个以“数据”驱动的数字终端。消费者良好的智能手机体验正在促进汽车人机界面发展,消费者对汽车智能化的需求在不断提高。Synaptics认为,未来每辆车上有多个显示器,有多个触控界面,但触控界面必须简便易用,不会分散驾驶员注意力。未来,要提供适用的汽车人机交互界面,如何利用力度和触觉是关键。
智能家居:智能触控界面正在简化我们的家居生活。例如冰箱,未来智能化程度足够高的冰箱,可以根据储存在冰箱中的食品提供健康食谱。不管是冰箱,还是其它家用电器,增加触控显示界面后,人们就能够更高效和简单地管控这些设备。
通过把握移动互联领域不断增长的全新机遇,Synaptic业绩也迎来增长。最新财报显示,2015财年第三季度的净收入同比增长134%,达到4.78亿美元。其中,移动产品收入同比增长177%,达到4.174亿美元,移动产品收入包括所有触控、显示驱动器,以及指纹识别产品。
正如Synaptics所言,真正的创新必须兼顾设备智能和最佳体验。从1972年开始,触控技术颠覆了传统键盘;最近几年,指纹识别不断取代数字密码;就在今天,情境识别开始重塑智能体验;展望未来,全方位感知即将顺势而来。
好文章,需要你的鼓励
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。