
CNET科技资讯网 5月25日 国际报道:谷歌正在碾压着Siri,主导着智能家居,不过苹果还有机会在6月来一波反击。
在上周谷歌召开的一年一度的Google I/O开发者大会上,谷歌为我们展示了一连串令人兴奋的创新点。苹果应该为之颤抖了。
这家搜索及软件巨头目前正通过其Assistant在人工智能领域大步迈进,通过Google Lens在图像搜索和检测方面大显身手,通过即时应用(Instant Apps)改进其网络搜索,同时用户可以在Google上通过Jobs搜索工作。
换句话说,谷歌的生态系统将能够大大超越苹果所构建的紧密集成型软件和硬件系统,毕竟在提及Siri、虚拟现实、智能家居和汽车仪表盘等领域时,苹果的创新速度已经落后于谷歌了。
虽然谷歌的方法很清晰——利用深度信息数据库,希望将其他公司所依赖的平台据为己有,但苹果更喜欢掌控一个完整的、可靠生态系统,这也意味着后者需要花费更长的时间才能将所有事情“做好”。
在6月5日,也就是几周后的苹果开发者大会上,苹果就有机会用其自己在iOS、iPhone、MacBook、Siri AI、智能手表甚至是智能家居领域的改进对谷歌和新版微软系统进行反击了。
但谷歌上周的开发者大会给苹果带来了很大的挑战。我们将在下面阐述苹果应该担心、且需要将其A级产品带到其6月份的WWDC全球开发者大会上的原因所在。
·虚拟助手:谷歌的语音搜索工具早就超过了苹果的Siri。前者比后者更为精准,而且多数时候的反应都更为灵敏。而且不久以后,新一代Google Assistant将允许用户用Google Lens输入查询并识别物体。用户可以在会议结束后用Assistant迅速点午餐。而且它也将登陆iPhone。
·智能家居:Google Home刚刚为我们带来了一系列激动人心的功能,它们甚至超越了业界领导者亚马逊的Echo系列。即:它目前不仅区分与其对话用户,并进行个性化的反应,而引入了免提通话功能。虽然苹果有HomeKit,但我们还在等待传闻中将会到来的控制中心,类似于Google Home,能够将智能家居全部绑定到一起。
·图像:尽管人们对Google Photos有一些有争议的酷炫更新,但截至目前,最令人兴奋的变化之处都围绕着Google Lens,它主要是用来通过摄像头识别物体和地点的。而且Google Lens将首度与Google Photos和Google Assistant深度融合。
·VR和AR:根据传闻,苹果将把交替现实(alternate reality)技术加入其下一代iPhone的摄像头中,但谷歌已经推出了一款专用的虚拟现实头盔、支持VR的手机和两款AR手机了。
·Chrome:谷歌Chrome浏览器将可以同步移动手机,而且还可以支持更多设备(而用户在Android设备上无法使用苹果的Safari浏览器)。谷歌还宣布,其Chrome浏览器也将登陆VR。
·汽车:谷歌希望从一开始就让用户的汽车信息娱乐系统在Android平台上运行,而它也正致力于达到这一目的的各种途径。这其实不同于苹果CarPlay和Android Auto,后两者都是让用户通过手机来改变汽车屏幕上的内容,而谷歌正设法更进一步。
·搜索和数据库:谷歌的主要优势在于其搜索工具和庞大的事件和地点信息数据库。在I/O开发者大会上,谷歌宣布它将简化工作列表,使它们看起来更像搜索结果。
不过,虽然谷歌在某些领域目前确实占有优势,但苹果仍具有翻盘的空间。例如,其短信应用从iMessage到Face Time,都比谷歌的强,后者一直是一个混合复杂的冗余平台。而且苹果在跨设备整合其软件生态系统方面也做的更好。
(隐藏在Google Tango项目里的AR梦)
与此同时,苹果各设备的软件更新更为及时,而这点谷歌并不能保证所有设备都可以及时更新。虽然新的Project Treble项目会缓和一点这种弊端,但是其他使用其自家界面的手机制造商仍做不到完全同步更新。
诚然,苹果还有机会为其下一代操作系统(可能名为iOS 11)掀起一番热潮,但是最好用一种谷歌的新版Android O没有用过的方式。
尽管苹果可能永远也无法在搜索引擎领域赶超谷歌,但在其他一些重要领域,苹果确实拥有足够的资源来赶超这个对手,例如虚拟现实、增强现实技术和智能家居。
苹果的反击倒计时已开始。
苹果并未就此置评。
好文章,需要你的鼓励
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。