
在英特尔信息技术峰会(IDF)的开幕演讲环节,英特尔首席执行官科再奇(Brian Krzanich)阐释了一系列旨在支持日益增长的个性化计算的一系列全新产品、工具和计划,并描绘了面向空前广泛的技术领域为开发者创造新机遇的趋势。
科再奇表示,计算已日趋个性化,并在对人类日常生活的几乎所有方面产生积极影响。“计算已经融入我们的书桌、书包、服装、房子和身体当中。它们不仅变得更加智能和互联,还具备了感应能力,成为人类的延伸。”
面对计算领域的丰富机遇,一个围绕英特尔的生态系统正在崛起。科再奇详细介绍了英特尔旨在帮助开发者创造差异化体验的一系列基础性产品、技术和工具。
他还披露了多项关于英特尔实感技术的更新,这将有助于深度感知能力进入到更多设备和应用。此外,他宣布了旨在为物联网提供安全保护的全新合作计划,以及帮助开发者加速工业物联网解决方案上市的计划与套件。针对高度个性化的可穿戴计算领域,科再奇介绍了英特尔Curie模块的最新进展,并预告了一档名为“美国最伟大创客”的竞技真人秀节目。这档节目由United Artists传媒集团首席执行官Mark Burnett负责制作,将在Turner Broadcasting的电视网上播出。
在历年IDF上,英特尔都会向开发者、合作伙伴分享其对于未来技术创新的愿景,帮助他们进行产品制造、系统设计、电影渲染以及创造能带来惊人体验的物品与设备。如下则是今年IDF的关键发布:
IDF 2015新闻亮点:
· 英特尔实感技术将支持更广泛的平台,为开发者创造新的深度感知软硬件带来更多机遇。除了Windows和Android,英特尔实感技术还将支持Mac OS X、ROS、Linux、Scratch、Unity、XSplit、OBS、Structure SDK、OSVR、Unreal Engine和Google Project Tango。此外,Razer、XSplit、Savioke等开发商还宣布推出一系列基于英特尔实感技术的新平台、外围设备和解决方案。
· 英特尔正在与Google展开合作,通过将Google的Project Tango以及英特尔的实感技术整合至一个Android智能手机开发者套件中,推动在移动设备深度感知领域的创新。英特尔实感技术智能手机开发者套件集成了Google Project Tango功能,将实现包括室内导航和区域学习、虚拟现实和3D扫描等在内的全新体验。这个开发者套件将于今年末开始面向特定的Android开发者发布。
· 英特尔正在与Mark Burnett的United Artists传媒集团和Turner Broadcasting合作,联合推出名为“美国最伟大创客”的竞技真人秀节目。该节目将于2016年上半年首播,创客们将基于英特尔Curie模块发明可穿戴技术和智能互联消费设备,竞逐100万美元的优胜奖金。
· 英特尔推出了英特尔Optane技术。该技术基于革命性的3D XPointTM非易失性存储器介质,并融合了英特尔先进的系统内存控制器、接口硬件和软件IP,有助于充分释放未来众多产品的巨大性能潜力。英特尔Optane技术将被应用在全新的高耐用性、高性能固态盘产品系列中,而该系列产品将于2016年开始上市。英特尔Optane技术被还将应用在英特尔为下一代数据中心平台设计的全新双列直插式存储模块(DIMM)之中。
· Fossil Group预发布了三款基于英特尔技术的产品,其中包括一款运行Android Wear平台的互联手表。这些产品是该公司自2014年9月宣布与英特尔围绕可穿戴领域展开合作以来的成果,计划于今年第四季度上市。
· 英特尔宣布推出一个专为英特尔Curie模块开发的全新软件平台,它包括实现各种设备体验所需的所有硬件、固件、软件和应用SDK。英特尔IQ软件工具包将支持该平台的未来版本。
· Atmel和Microchip等领先的物联网传感器和微控制器厂商将部署英特尔增强隐私身份(EPID)技术,为日益智能和互联的世界提供安全保护。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。