CUHK的黄铠教授,IEEE Fellow,内容链接:https://www.chaoqi.net/xinchao/2019/0725/229409.html
将AIoT的应用缩减为SMACT的缩写,分别是Social (社交——用户)/ Mobile(移动通讯——连接)/ Analytics(分析)/ Cloud(云端——服务)/ IoT(物联网——感知)。
其中Cloud Computing现在又延伸出Fog以及Edge等领域,但其本质就是提供软件服务的。
继续阅读CUHK的黄铠教授,IEEE Fellow,内容链接:https://www.chaoqi.net/xinchao/2019/0725/229409.html
将AIoT的应用缩减为SMACT的缩写,分别是Social (社交——用户)/ Mobile(移动通讯——连接)/ Analytics(分析)/ Cloud(云端——服务)/ IoT(物联网——感知)。
其中Cloud Computing现在又延伸出Fog以及Edge等领域,但其本质就是提供软件服务的。
继续阅读填写出差单必须提前填写,不能事后补。这次决定得还是略为匆忙,不小心已经到了杭州才想起来还没填出差单。
回到页面本身,提醒说是不能事后补填。但我看浏览器的表现是没有提交到服务器进行验证的,那一定是在前端进行了初步/全部验证。
修改PC时钟到出差前,没有用。
检索页面上的时间戳,并使用浏览器自带的工具修改该戳,需要重新触发一个计算出差时间disable域,导致页面重载,修改退回去。
于是再修改时间戳和手工补上这个disable域的value,通过,成功提交出差单。
代表科大讯飞作报告的是李世鹏,副总裁,IEEE fellow。
报告在这里http://tech.ifeng.com/a/20190717/45611806_0.shtml
他把智能的级别分为六层:Notification——Computation——Perception——Cognition——Prediction——Decision
不同层级对目前计算机智能的知识范围要求都不一样:
继续阅读张教授年龄也偏大了,他自己讲述的经历可以看出是经过几十年学术生涯的,也看到不少生物特征识别技术的前世今生。
文章链接:http://www.sohu.com/a/327559671_720705
80~85,哈工大博士
85~88,清华博士后
88~95,Waterloo,第二个博士学位
95~,到香港,CUHK。(中文大学目前影响力及水平已经超过港大,港大很大程度上政治气氛过于浓厚,而学术上固步自封)
张教授出书很多。
指纹、人脸、虹膜在他看来都有各自的缺点,近年选择的方向是掌纹。然后就是从掌纹出发,再到中医的望闻问切,也使用生物识别的方式进行工业化。
比如舌像、气味、脉象等分别通过CV、气味传感器、触觉感知等方式进行数据采集,上架设各种分析平台。不过也直到最近两年才有相关的paper发出。听起来很niche的方向。
再说到平均脸的问题,以平均脸的理论去推导机器的人脸审美……
怎么说呢,生物识别离开了最一般的用法——身份识别,走向其他的领域,比如疾病预警/识别/诊断,智能审美等,总觉得怪怪的。
Intel应该是此次GAIR的高端赞助商吧,他们也确实把AI方面的平台级别的产品都展示了。再加上戴金权的报告。http://www.sohu.com/a/238849703_114877
Intel坐拥芯片上的优势,却被GPU方面的NVIDIA喝了好几年AI芯片的头啖汤。
这次Intel推出的是AI方面的整套解决方案,从底层到上层,分别定义为:
继续阅读GAIR听到第三个,就明白了,这其实是一个学术经历(经历>经验)分享的活动。
张正友的报告在https://www.toutiao.com/i6713143613334749703/
有完整的文本内容,不再复述。
就补充一下我记录的体会吧:
近三、四十年,AI在各种领域上是算法各有擅场、百花齐放,直到近十年来,才被深度学习一统天下。但张博士认为深度学习的局限也是明显的。
继续阅读GAIR第一天信息含量最高的就是James J. Heckman的报告了。题为:Technologies for Measuring and Fostering Child Skills in China。
我一度以为一个诺贝尔经济学得主的演讲会跟AI和机器人关系不大。实际上听完才理解到,这才是真正高密度高信息量的内容。
与其NGO OECD的研究题目略有差别的是,Heckman重点对中国进行了分析。
中国的现状是,劳动力正进入短缺的阶段、技术/技能与社会所需要的并不匹配、新增人口在下降、人口倒金字塔危机、大学毕业生的工作技能形成存在问题,等等。
我以为他会说AI有多重要。实际上,Heckman还是关心人的有效技能的形成和度量,而并非AI取代人类。也就是说,更关心教育。而很多早教机构也会反复把Heckman的话语拿来当作赢在起跑线的佐证。
继续阅读从智能家居说起
智能家居的兴起是现在家庭内的电子产品越来越多了,通讯能力和运算能力也得到了相应的增强。在Windows时代的后期,微软发起维纳斯计划,妄图各种家电能通过统一协议加入到家庭PC机可以控制的范围,然而事与愿违,当时各种家电的巨头势力仍然相当的庞大,即使强如微软,也无法在全球范围掀起智能家居的热潮。
十年后,情况出现了很大的变化。第一,智能手机、智能机顶盒或者是(高配置)家用路由器的组合已经完全取代了家用PC的位置。第二,智能手机成为用户可穿戴设备,随身小电器的连接中心。第三,家电的门槛已经下降得足够低,公开的模具相当的普及,以至于互联网公司可以借助资本进入。说不上是轻易,但至少比十年前简单多了。
因此智能家居重新提起,引领的有手机厂商(苹果、小米、华为),也有Google、Amazon这类型的互联网公司。
通常的做法是各自定义自身的连接协议,然后投资或者建立产业联盟,让各类家电厂商加入。
零售智能硬件
家庭中需要大量电器和电子产品,依赖于家庭中智能的运算中心(手机、路由、机顶盒),可以智能化进行协同工作。
同样的,在一个商业的店铺中,收银机、广告投屏、监控摄像头、POS是我们常见的IoT设备,近年来,随着无人零售或者自助结账的兴起(其原因还是减少收银员,降低人力成本),更多的电子设备加入了店铺中,比如自助点单、电子标签、智能货架、自助收银台,甚至是用来做货架管理的机器人、无人机等。
零售IoT设备的特点:
零售IoT的目的
零售场景中加入如此多的IoT设备,归根结底还是希望能够a.优化供应链和b.提升零售运营效率。
我们看看一些更具体的方向:
功能联动
不同品牌不同协议的电子设备加入零售场景中,自然有衍生了类似智能家居的需求,统一管理/自组网/即插即用/协同工作等等。
对于零售商来说,如果每增加一款新的零售IoT设备都需要引入新的终端管理系统,都要重新编写控制和数据存储,都要为设备接入重新设定IT环境或者编程。成本太高,短期效益又不明显。
这种情况下,使用同一家零售IoT设备厂商的多款产品就成为更好的选项了。这也是智能ECR、智能POS再延伸下去的方案,统一的零售IoT接入方案,避免客户陷入不必要的实施成本陷阱中。