
CNET科技资讯网 12月28日 国际报道: 一个多月前,笔者对Google Home进行了评测,得出的结论是,虽然Google Home潜力巨大,但还是不像亚马逊的Echo那样功能齐全,“不过我们预计未来的日子里它将有所改善。”
也许是我有些心急,只是一个多月后的现在,Google Home迄今为止所做出的改进并未打动我。目前,它仍然处于Google Home生命周期的早期。而一个月前的亚马逊Echo还远未达到它目前的强大功能和合作伙伴。而且鉴于Echo作为智能音箱的鼻祖,它完全有能力慢慢来。但Google Home并没有这样的优势。
想要打败亚马逊Echo,Google Home要做的工作还很多。2016年的尾声即将到来,国际消费电子展(CES)指日可待。下面是谷歌迄今为止为Google Home做出的改进,以及笔者希望能在新一届的国际消费电子展会上看到的改进。
Google Home和亚马逊Echo均为一直待命的“发言人”。只需对Google Home说句“你好,谷歌”或“好,谷歌”,或向Echo说声“Alexa”这些唤醒口令,用户就可以在不点击任何按钮的条件下对设备发出语音命令。两者均起到了个人助理、智能家居控制器和游戏、笑话纷呈的艺人的作用。
2014年亚马逊推出的Echo,爆了个冷门,目前其销量已超过500万件。亚马逊还有一些其它利用其数字助理Alexa的Echo产品,例如Echo Dot。而Google Home在十月份才刚刚推出,采用的是谷歌自家数字助理Google Assistant,该公司的全新Pixel手机也采用这一数字助理。
Google Home的推出显然是为了直接与Echo作竞争,但它在推出时具备的唯一优势是,用户可以进行语音设置并控制家中的家庭娱乐设备。而Echo在智能家居控制器和个人助理方面做得更好。
过去的一个月,我本希望能够看到谷歌通过众多新的组合和对第三方开发者的支持来积极追赶其竞争对手。然而事与愿违。
谷歌的确做了一些改进。用户现在可以使用Google Home控制Belkin WeMo产品,其中WeMo Insight开关也是我们收藏的一个简单智能家居设置。这是Home推出后唯一的一个新型智能家居集成。Alexa也兼容Belkin以及其它的智能家居伙伴,如Nest、SmartThings、Philips Hue和IFTTT。但除此之外,Alexa兼容更多产品。
由于亚马逊允许开发人员通过Alexa API整合研发,该公司已经为Alexa收集了很多功能。Home推出后,Google也曾为达到同样的效果做出过努力。谷歌在上周的一篇博客中宣布,该公司正在扩大其智能家居的功能语言Weave,允许Weave与更多类型的智能家居设备“对话”。
在公告中谷歌宣布了一些将会采用Weave的智能家居公司,包括:Belkin WeMo、LiFX、霍尼韦尔、Wink、TP-Link和First Alert。很可能这些公司不久都将遵循Belkin的节奏。
或许更为重要的一点在于,谷歌还宣布了一项名为Android Things的开发工具包。Android Things为设备制造商提供了工具,来连接支持Weave的产品。
至于Google Home平台的其他较大更新,例如,如果用户有Chromecast,用户可以用自己的声音控制Netflix,也可以控制索尼扬声器和电视。Netflix集成尤为重要,它使得用Home控制Chromecast这件事变得特别有用。尽管如此,这一集成是在Home发布时宣布的,所以谷歌在将这一承诺化为现实的过程并未增分多少。
我们希望在CES大会上,会有更多新设备加入Google Home的阵营。除了灯泡、智能插座、开关和恒温器,Weave也将拓展到其他的产品类别。然后,我期待有更多的智能家居公司发布相应公告,宣布他们将兼容Google Home。
我希望谷歌能够更好得支持多用户。举例来说,毕竟它现在只能解读一个人的日程,如果可以支持多用户就更好了。
除此之外,我还期待能使用Google Home买东西回家,并用它来打开和关闭智能锁。当然,这些功能的实现将需要一个额外的安全层,说不定用户可以在特定命令后给它设一个密码。不过目前,用户只能选择在应用中打开或关闭个人信息。Home并未提供额外保护信息的方法。
最后,还有一个崇高的目标,Home可以通过允许推送通知来打破过去的Alexa传统。Alexa目前不提供任何类型的警告,因此这或将是Home不再仅追逐Echo,而是开始钻研自己路径的方法。
初期的智能家居领域正逐渐向主流意识靠拢,谷歌有机会为自己在这个市场上凿出一席之地。如果谷歌希望能很快赶上亚马逊的Echo,那它需要努力增强Google Home的功能。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。