女子9球年末大戏将演中国军团强势出击世锦赛

中新网12月14日电 2019年12月16日-19日,世界女子9球锦标赛将于海南三亚展开正赛角逐。届时将有包括韩雨、陈思明、刘莎莎、付小芳、凯莉•费雪、贾思明•欧斯纯等在内的众多名将悉数登场,她们将为球迷们奉上“最美赛事”的精彩对决。

佳都科技智慧城市业务群副总裁张进飞此前在雷锋网AI掘金志主办的「全球AI芯片·城市智能峰会」上表示,我国的城镇化发展特别快,但是这种快速也给城市带来了诸多问题。

据介绍,今年是9球世锦赛连续第二年在三亚举办,通过9球文化与三亚传统文化的融合,借助接地气的互动项目、“体育+旅游”的创新模式、世界顶级美女球手等元素,让世界进一步了解三亚。而作为本届赛事新媒体独家直播平台,CCTV微视客户端也将全程助力“最美赛事”,不仅将对比赛进行全方位报道,还有精彩互动邀观众参与。(完)

目前WPA排名第一的中国选手韩雨,无疑是本届赛事的夺冠热门,斩获世锦赛三冠的她,将向凯莉•费雪保持的四个世锦赛冠军发起挑战 。然而,中国选手陈思明、刘莎莎在今年的比赛中也有不俗的表现,分列WPA排名第二和第四,她们会成为韩雨卫冕之路上最大的威胁。中外美女球员蓄势待发,将在海南三亚为全世界的球迷奉献出一道台球的“视觉盛宴”。

变革,显然已经成为AI安防行业的时代主题。

智慧城市的进一步发展必然需要三大技术的持续进步:物联网、边缘计算、通信,眼下常见的智慧城市方案大多在后端打通了数据,但受限于网络等问题,仅能实现沙粒般的智慧化。

从业务层面出发,A、B、C这三家厂商便直接获得了两种能力:1、最快速地优化自身业务;2、最快速地拓展新业务。

最快速地拓展新业务表现在,A、B、C每家厂商都有各自构建好的模型,通过汇总去得到更大的数据模型,在不流通数据的情况下得到数据流通的最好效果,通过资源互补可以在最短时间内安全地获得对方的能力,去拓展新业务。

从隐私保护层面来看,通常智能摄像头产生的数据会被上传到后台服务器中,然后由部署在服务器上的神经网络模型根据收集到的大量数据进行训练得到一个模型,服务商根据这个模型来为用户提供服务。

类比一条公路,AI芯片的集成好比是铺上了柏油,但车辆通行时除了对于路面的高要求,还有对于路牌、路标、服务区的需求,而这些在实际过程中,都得不到很好满足。

大背景下,赛道玩家们必须走一步看百步,了然新技术下产业的未来走势,而这都将决定着企业产品的周期、产业竞争的最后胜败。

2019年以来有两次A股热炒的概念,一是边缘计算,另一个就是数字孪生,多支相关股票出现涨停。

最快速地优化自身业务表现在,平台每天会有若干个类似A厂商的企业向平台输入加密后的数据模型,而这些数据模型中有A厂商非常缺乏的其他数据信息,而A厂商便可根据这些数据去更新自己的算法模型。

譬如A厂商有校园数据、B厂商有工厂数据、C厂商有社区数据,且这三家厂商都使用了联邦学习技术。

一直以来,市场上大多都是通用型AI芯片提供人工智能计算所需的算力,而针对某些场景的专用AI芯片较为匮乏,AI芯片发展后期,用户关注的一定是真实场景下的综合效果,而不仅仅是计算加速。

通俗来说,深度学习时代,每个AI企业的技术能力是单打独斗式的;而联邦学习的出现,更为紧密、安全地将各个AI企业联系在了一起,联邦中的每个成员都可以用最快的速度提升自身能力的同时汲取别人的长处,最终获得共同成长。

据悉,为打赢打好取消高速公路省界收费站攻坚战,提升客户服务水平,在交通运输部指导下,路网监测与应急处置中心在河南建立了全网ETC客户服务中心,开通服务监督热线95022,按照“统一受理、部省联动、多方协同、限时办结、回访反馈”的运营模式,为全国ETC客户提供7×24小时投诉受理服务。

一、通用型AI芯片无法和数据产生高效、深度连接。专用AI芯片通常针对某些场景做定制化处理,对于数据的理解、分析、处理更为透彻、精准。

他在一篇文章中首次提到“Digital Twin”,并认为通过物理设备的数据,可以在虚拟(信息)空间构建一个可以表征该物理设备的虚拟实体和子系统,并且这种联系不是单向和静态的,而是在整个产品的生命周期中都联系在一起。 

1、在联邦学习的框架下,各参与者地位对等,能够实现公平合作;

而联邦学习就不再是让数据发送到后台,而是在每个企业自己的服务器上进行训练,并加密上传训练模型,后台会综合成千上万的用户模型后再反馈给用户改进方案。

9球世锦赛是目前最具吸引力的世界顶级台球竞技赛事之一,每届赛事都有上百名来自各个国家和地区的顶尖高手前来参加。从1990年开赛以来,在过往的29年间共举办了27届比赛,决出了18位世界冠军。本届赛事总奖金为17.5万美元,冠军独揽4.4万美元。

5、联邦学习是一个「闭环」的学习机制,模型效果取决于数据提供方的贡献。

二、通用型AI芯片无法与市场产生紧密耦合。通用芯片的作业模式是1对N,很难与部分市场环境产生强粘合关系,无法强聚焦。

2、数据保留在本地,避免数据泄露,满足用户隐私保护和数据安全的需求;

4、建模效果与传统深度学习算法建模效果相差不大;

河南省交通运输厅副厅长宋华东介绍,该中心主要提供三大模块服务,包括全国ETC客户服务监督、营改增发票业务服务和河南ETC业务客户服务。

数字孪生这一概念诞生在美国,时间在2002年,提出者是密歇根大学教授Dr. Michael Grieves。 

四、通用型AI芯片功耗过大、对温度等环境因素敏感度不够。前端感知对功耗、散热的要求很高,需要做到极致;另外,产品落地不仅仅是技术问题而是工程问题,比如外界气候、温度等都会成为关键因素。

联邦学习之所以能够在如此短的时间里迅速由一个构想变为一门学科,主要因为它可以让参与各方在不披露底层数据的前提下共建模型,之后利用整个数据联邦内的数据资源,提高每个成员的模型表现。

智能城市“数字孪生化”

交通运输部路网监测与应急处置中心副主任王刚表示,截至12月9日,全网ETC客户量接近1.85亿,客户服务工作面临巨大压力。因此,全网ETC客户服务中心的启动是一项重大的民生工程,是满足人民对美好出行生活向往的有力抓手。

“全网ETC客户服务中心目前在河南开通了200多个坐席。随着客户需求的变化,我们会随时调整坐席量。同时,河南中心将和全国其他省份既有的客户服务中心联网。也就是说,ETC客户拨打一个号码,享受的是全国各地的服务。”王刚说。

遗憾的是,市场上现有的AI芯片方案难以满足前端感知技术的切实需求。

在传统的方法下,用户只是人工智能的旁观者——使用,但没有参与;而在联邦学习场景下,每个人都是“驯龙高手”,每个人都是人工智能发展的参与者。

具体来看,通用型AI芯片在实际应用过程中,会遇到四个问题:

也就是说,唯有在前端完成智能分析,与后端相配合,才能将城市物联网数据完整利用,打造感知城市。

3、能够保证参与各方在保持独立性的情况下,进行信息与模型参数的加密交换,并同时获得成长;

这是一种集中式的模型训练方法,这种方式很难保证数据隐私安全。

相较传统学习模式,联邦学习的优点是显而易见的:

商业模式在变,盈利模式在变,行业参与者在变,消费者习惯也在变;大量新名词、新公司的涌现让传统老人们无所适从,今天的新人在明天到来之时也遇到了上述所提困扰。

三、通用型AI芯片缺乏优质算法。芯片是框架、算法是灵魂,没有灵魂的框架难以产生足够价值,必须借助和算法强粘合的专用AI芯片才能实现潜在潜能。

据预测,到2022年,85%的IoT平台将使用某种数字孪生技术进行监控,少数城市将率先利用数字孪生技术进行智慧城市的管理。 

藉由此,在即将过去的2019年,、平安科技、华为、京东等在内的国内企业和机构推动联邦学习进入了学术研究与行业落地新阶段。