至顶网软件频道消息:Fingerprint Cards(简称Fingerprints)推出了新一代指纹传感器FPC1511,这款解决方案将推动智能手机指纹传感器市场的整合。
随着第四代指纹传感器FPC1511的发布,Fingerprints将为智能手机制造商提供具有卓越生物识别性能的单芯片指纹传感器,以实现安全而快捷的用户身份认证。在第三代指纹传感器的基础上发展演变而来,FPC1511拥有更优化的芯片设计与制程,是目前Fingerprints能够为智能手机制造商提供的最具成本效益的解决方案。虽然FPC1511的体积比较小,但其所拥有的3D传感芯片和永久性算法开发,将为这款指纹传感器带来世界领先的生物识别性能。
Fingerprints移动事业部全球高级副总裁Ted Hansson表示:“FPC1511的尺寸极具竞争力,是一款非常具有突破性的指纹传感器,适用于矩形主页按钮和方形或圆形的背部指纹识别按键。我们相信,凭借卓越的生物识别性能和成本优化的设计,这款指纹传感器将在2019年大幅提升指纹识别方案在手机市场的渗透率。FPC1511指纹传感器,适用于所有智能手机机型,将助力智能手机制造商为消费者提供便捷、安全的生物识别认证。
由全球领先模组制造商负责打造的FPC1511,通过了重重的测试和检验,其样品可以提供给各个智能手机制造商。第一款采用FPC1511指纹传感器的商用智能手机,预计将于2018年底或2019年初推出。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。