科技行者 8月16日 北京消息: 近日,小米公司联手北京时代美术馆推出重磅科技艺术大展,利用天文物理学常见的“超级对撞”原理,比喻科技与艺术的再次对撞、裂解与融合,并命名为:“小米·时代艺术科技大展:超级对撞Xcelerator”。
小米与北京时代美术馆携手推出的“超级对撞Xcelerator”,将于8月12日—10月14日期间在北京时代美术馆持续展出。邀请十组国际级艺术家,利用工业机器人、现实增强、VR、AI人工智能等技术进行艺术创作,带来全新的科技艺术展。
据悉,这是继去年小米与今日美术馆合作的“小米·今日未来馆”之后,小米公司与艺术馆的第二次合作。
自2015年小米首度提出“一面科技,一面艺术”的品牌理念之后,就不断的在艺术领域深耕。频频与艺术的跨界,正是这一句品牌理念的最佳体现。
2017年初,小米携手YT,联合出品了中国首部艺术大师传记纪录片《大艺术家》,震惊艺术、文化、科技、营销等领域。2017年7月15日,小米与今日美术馆1号馆展开跨界合作,“.zip未来的狂想 | 小米?今日未来馆”正式开幕,引发艺术界的强烈共鸣。
2018年5月8日,小米与大英博物馆联合设计的小米MIX 2S艺术特别版发布,设计灵感来源自大英博物馆收藏的文艺复兴时期知名艺术品——马约里卡陶器 ,载有“无劳则不获”之标语,期望科技与艺术的探索永不止步,并借此向所有伟大的科技与艺术致敬。
2018年8月10日,小米MIX 2S翡翠艺术版发布,来自敦煌壁画天然宝石色彩的灵感,首次注入精密陶瓷机身,历经324天,突破材质特性限制,传承敦煌千年色彩艺术,正式开启了陶瓷手机色彩时代。
小米公司一直将设计作为公司核心竞争力之一,公司联合创始人黎万强和刘德均为设计师出身。目前小米的设计师团队已经超过了400人。2017年,小米一举获得德国iF设计金奖、德国红点最佳设计奖、美国IDEA金奖、日本Good Design Best 100四大奖项,完成了世界四大设计奖中高含金量奖项的大满贯。就在2018年初,在iF设计奖评比中,已有13款小米产品获奖。
2016年10月25日,小米公司发布全面屏概念手机小米MIX,此后“全面屏”设计已经成为世界各大手机厂商跟进的新潮流。2017年9月11日,小米公司发布了全面屏2.0时代产品——小米MIX 2。
自发布后,小米MIX 系列手机屡获世界顶级设计大奖。2017年8月,小米MIX荣获美国IDEA设计金奖。2018年2月,小米MIX 2荣获德国iF设计奖。
2018年2月, 德国慕尼黑新收藏-国际设计博物馆(Die Neue Sammlung - The International Design Museum,下称慕尼黑国际设计博物馆)正式将小米全面屏智能手机小米MIX列入永久馆藏。此前,小米MIX系列已经先后被芬兰国家设计博物馆和法国乔治-蓬皮杜国家艺术文化中心收藏。
三大博物馆前所未有地收藏同一系列手机,这是中国公司在工业设计领域取得的最新成绩,也是小米公司对设计艺术的执着追求,以及持续多年对创新投入的集中展现。
慕尼黑国际设计博物馆总监安吉莉卡·诺勒特(Angelika Nollert)在写给小米公司董事长兼CEO雷军的信件中,专门强调“小米MIX为后代留下工业设计史发展的珍贵记忆。”
11年前,第一代iPhone定义了智能手机的基本形态。现在,小米MIX系列代表全球消费电子工业的最新趋势,并领衔中国设计和中国工艺创新的崛起。
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。