
CNET科技资讯网 12月2日 北京消息(文/齐丰润): 技术的发展带来最多的就是大家对于未来的追逐与畅想,在近两年的科技圈里,我们经常能见到这样一个词——未来已来,其实大部分人用这个词想表达的意思就是当年存在于人们想象之中的事情如今变为了现实。
每当看到这样的词语的时候,我都不禁会想,未来到底应该是什么样的。在2016百度云智峰会上,百度认为将成为时代主题,并为各行业创造全新机遇的就是“ABC”。当然,这个ABC并不是你那个满口流利英文“American Born Chinese”朋友。
百度所说的ABC即人工智能(AI)、大数据(Big Data)、云计算(Cloud Computing)三个词语的英文首字母缩写,这三个领域已然成为当下最为热门的三大领域。百度总裁张亚勤表示,随着云计算发展规模逐渐壮大,由云计算和人工智能组成的“ABC”将成为一个时代的主题。
从数据的表现中我们就不难发现这样的趋势,数据显示,2015年,全球以IaaS、PaaS和SaaS为代表的典型云服务市场规模达到522.4亿美元,并有望在2020年突破2000亿美元;IDC数据显示2016年,国际云计算市场规模为868亿美元,国内云市场规模达到27亿美元;而根据Gartner数据,2016年全球云市场规模达到2000亿美元。
而对于人工智能和大数据领域来说,其发展效率也是有目共睹。随着大数据技术的崛起,近两年人工智能也得到了空前的发展。国内以百度和阿里为首的百度大脑以及ET,国外则是战胜人类围棋选手的Google AlphaGo,都掀起了人们对于人工智能空前的关注热潮,而且我们也能看到人工智能被应用到许多领域中,包括智能客服、无人车、语音识别等等。
百度总裁张亚勤表示,未来人工智能将像电力一样重要,对个人数字生活起到主导作用;大数据将类似于新能源,拉近服务商与用户的距离,形成供求之间的精准对接;云计算则为各种应用和服务运营的落地提供平台基础。
技术说得再多不过不落地的话到头来还是空话,所以将ABC融入到行业中去,也成为了百度十分重要的发展方向。
百度云事业部联席总经理刘炀介绍到,2016年的话可以说是百度云的元年,七月份正式对外发布了百度云计算的战略,十月份进行了品牌的升级,再到首次的百度云智峰会。但在这之前百度云的团队就成立了,进行了很多研发,目前百度云上面已经有80几款产品。
其实就目前来看,在O2O、物流、智能家居、医疗、金融、智能终端等领域都有非常大的人工智能的场景。而三位一体的策略也让百度对于行业的未来有很强的信心。张亚勤表示,以云计算为基础,以人工智能为中枢,以大数据为依托,“ABC”将深度结合并改造传统行业,真正地提升每一个企业的运营效率,释放商业潜能,创造全新机遇。
在IaaS层面,百度多年的经验将为弹性,稳定,可靠,安全的云服务提供保障;在PaaS层面,百度通过深度学习和机器学习技术,能够打造独特的知识图谱,用户画像,商业逻辑;最后在SaaS层面,百度将和行业合作伙伴一起打造生态,服务各个产业。
据介绍,目前百度已经和超过三万家企业展开合作,百度云也陆续渗透到物流、医疗、教育、营销、金融等关系到百姓生活的各个行业中,通过“云智数”三位一体的云服务结构,也让百度可以为客户提供业务可持续发展的动力引擎。
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。