编者按:2018年8月底“THE NEXT下午茶”英特尔召集了AI和5G领域多位专家,包括:英特尔中国研究院院长 宋继强、英特尔中国区通信技术政策和标准总监 邹宁、东南大学移动通信国家重点实验室主任 尤肖虎教授、清华大学计算机系教授及博士生导师、人工智能专家 邓志东教授,通信世界总编辑 刘启诚和至顶网总编辑高飞也作为媒体专家共同相聚一堂,一次头脑风暴,一场产学研思想碰撞,品茶共叙AI与5G的乘法聚变,探讨IT与CT真正融合。
1837年,一封“上帝创造何了何等奇迹!”的电报,拉开了通信时代的帷幕。
1946年,计算机出现,人类处理数据的能力带来指数级的提升。
而在1969年,当计算能力、通信能力这两项技术首次握手,就为人类社会带来惊人的改变。 Arpanet网络(Internet的前身)的出现,将信息处理能力和通信能力连接,一个前所未有的互联网时代开始了。
在这之后,通信能力和计算能力的每一次融合,都带动了一个新产业的出现。
2003年,随着计算机的微型、可移动化技术发展和无线网络技术的进步,英特尔在笔记本电脑里加入无线芯片,迅驰笔记本发布,移动办公产业开始兴旺发展,在餐巾纸上写点子的创业者变少了,在星巴克里写商业计划书的人多了。
2007年,乔布斯掌舵的苹果 iPhone在通信设备里增加计算能力,直接催生出了手机应用商店,和移动互联网产业。
历史已经证明,每当计算与通信技术发展到一定阶段,两者就会产生一次技术融合。这不是简单的技术相加,而是融合聚变,创造出新的技术物种,创造一个全新的产业空间,如同之前的互联网和移动互联网。
虽然未来难以预测,但是有些事物已经出现苗头。与传统汽车相比,自动驾驶车辆就具备新物种的要素。
当车联网、自动驾驶、信息共享技术成熟,将AI驱动的汽车通过5G纳入到智慧交通乃至于智慧城市这个大的网络平台中,我们就看到了一个释放社会生产力的新物种,将大量的人类驾驶员从驾驶中解放出来。
我们简单做一个计算,假设每天上路5000万台汽车,其 5000万个驾驶员每天开一小时车,就是5000万小时。如果有了自动驾驶,这5000万小时折算后节省下来差不多5000年可以用于娱乐和工作。如果自动驾驶得到突破,会催生更多的无人系统,节省更多的人类时间。
5G网络作为基础设施,从为人服务到转变成同时为物服务,存在重大技术突破。AI技术既然是基本使能技术,几乎在每一个领域都可以找到AI的应用,在5G领域同样如此。
不同于过去2G到4G时代重点关注移动性和传输速率,5G不仅要考虑增强宽带,还要考虑万物互联、未来需求多样化、关键技术多样化、演进路径多样化等多个维度。5G需求也变得十分多样化,技术和演进路径自然也复杂了很多倍。
当前运营商网络复杂度越来越高,数据的流量呈爆炸性的增长,用户流量爆炸性增长,现有的网络设备没办法满足用户的数据爆炸。因为网络复杂度增加,运维、网络建设成本都大大增加了。尤其5G不仅是连接人与人,而且是连接物与物,现有的网络维护和管理方式还是人工干预的方式,已经没有办法适应5G时代网络的需求。
因此5G需要“自能”化的管理。自主的进行连接路径选择、自动的进行网络连接健康状态分析,甚至是对已知故障自己进行修复的能力等等。利用AI的自主学习、数据分析等技术特长,赋予5G“自主”、“自能”的能力。
5G从边缘到云端的连接是迄今可以遇到的最理想的连接。通过5G的连接,将决策、规划部分放到云端处理,从边缘端到云端加倍赋能,让AI的算法有能力提取出相应的关联并提升自己;个体得到提升之后,通过5G网络和云端大脑,能力将快速分发到其他个体。
还以自动驾驶为例:汽车只是一个智能节点,它会与智慧交通甚至智慧城市的AI通过5G进行连接。汽车的行车路线规划、时速、启停均可受到智慧交通的AI统一管理。车辆传感器会将行车过程中的路况信息及时与智慧交通AI进行同步。当有紧急或意外情况发生时,车辆AI主动进行控制,同时向智慧交通AI实时进行汇报,以便等候进一步的处理指令。而智慧交通AI则会向其它相关自动驾驶车辆进行信息同步,并产生进一步的自动控制。
也就是说,AI与5G结合之后,机器将产生类似于群体智慧的能力,对整个社会带来价值。也将催生网络本身自适应能力的要求,这是一个互促式、螺旋式发展的新机会。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。