CNET科技资讯网 1月3日 国际报道:每一年的CES(国际消费电子展),我们都能从拉斯维加斯收获惊喜,在去年的展会上,三星带来了超级冰箱。今年一月初,没有哪里比这个展会更适合谈论5G技术了。爱立信北美科技部负责人格伦·拉达伊(Glenn Laxdal)表示:“5G将成为一项至关重要的技术,它将成为本届CES展会上所探讨的众多技术的基础。”
作为当下最受追捧的技术,5G到底是什么?简单说,5G就是下一代(或者说“第五代”)无线技术。理论上,5G的速度将会无与伦比的快,而且反应敏捷、可靠且无处不在。举例来说,5G环境下载整个《辛普森一家》剧集合集(共600多集)的时间,与看其中一集的时间(20分钟左右)差不多。5G将有望成为其他几大行业热门趋势的核心基础,从无人驾驶汽车到物联网,你很可能会听到科技圈纷纷谈论5G的好处。
去年底,Verizon Wireless无线公司表示,它将是第一个进行5G实地试验部署和商业部署的公司。美国电话电报公司(AT&T)紧随其后。而且在2016年12月早些时候,AT&T正在德克萨斯州奥斯汀为一位商业用户进行5G试验。
那么问题来了:5G技术可能在近几年内并不能真正实现,可业界为什么对此如此兴奋呢?
Verizon在2017年初或将保持低调,这是该公司的传统作风——除了在2011年举办的那场标志着其4G LTE网络首次亮相的引人注目的发布会,Verizon过去都跳过了每年绚丽迷人的CES大会。不过,一旦其5G网络技术足够成熟,可以进行探讨,那么历史可能会再次重演,Verizon或将再次大张旗鼓地举办一场发布会。
不过,这并不意味着其他无线运营商也会保持沉默。AT&T将随着CES在拉斯维加斯的开幕开启其年度开发者大会,并畅谈5G技术。
AT&T无线网络架构和设计高级副总裁汤姆·基斯利(Tom Keathley)虽然不会对该公司在CES展会的具体计划发表评论,但他表示,5G将在本次展会中发挥重要的作用。
当然,在展会上我们也会听到更多关于5G技术的基础——LTE发展进程的消息。
5G也将成为高通CEO史蒂夫·莫伦科夫(Steve Mollenkopf)的CES展会主题演讲的核心。他将阐述5G的社会和经济效益,同时也将和与会的其他行业领导人一同展示5G将如何影响移动之外的各个领域。他的目标是:开始将5G推向主流。
总的来说,我们将从莫伦科夫的演讲中听到这一主题:“5G将成为未来十年乃至更久远的未来的统一连接架构。”
与此同时,爱立信将在下一代无线技术上投入更多,其CES展台将铺天盖地全都是5G网络基础设施。届时我们将看到30多种演示,包括如何在5G网络上更加快速地实现媒体传播,如何让城市变得更加智能,如何将5G技术用于关键设备的远程控制等。
在此前的展会上,爱立信为我们展示了一个虚拟现实平台,允许用户远程控制一个1550英里以外的巨型挖掘机。当时是在4G网络上运行,它有点缓慢,而且在响应上有明显的滞后——5G将有望解决这些问题。
这些演示代表了5G的终极愿景,不过它们也非常遥远。目前,业界还未就5G的标准达成一致,而乐观估计,这一标准的形成时间最早在2018年。
大部分关于5G的讨论一直关乎于所谓的固定移动宽带理念,也就是说,它或将取代连入我们家中的物理网线 。这意味着,未来将不会再有宽带安装工人来你家墙壁上打孔,把网线电缆接入你的客厅了。
基斯利表示:“未来将有更多关于5G试验的信息,我们将见证着它的发展。”
Verizon表示,公司将于明年年初在特定城市进行类似的5G试验。
虽然固定移动宽带理论听起来很不错,但现在我们谈及5G所带来的功能只是冰山一角。那些真正酷炫的东西,我们将在CES大会上得知,而它们在未来几年内还不会到来。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。