对于众多技术成果而言,2016年将成为其生命的最后阶段。这并不是说人们会在这一年中彻底抛弃这些过时的技术方案。毕竟,甚至尚有一家企业在利用古董级的Apple II处理日常业务。
不过,这些已然年老色衰的技术成果已然度过了漫长的人生,而且早已被大多数用户及企业所遗忘。举例来说,尽管Windows XP还将被相当一部分厂商以及高达11%的用户所使用——NetMarketShare发布统计结果称,但绝对不会有人把XP视为拥有光明前景的系统平台——换言之,其已经成为一套僵尸系统。另外,Windows XP的当前安全性确实值得诟病,相当一部分XP的PC设备已然沦为恶意软件肉鸡。
那么,这些“老家伙”会在2016年当中,遭遇怎样的命运?
事实上,历史上曾经出现过多种风行一时的小东西。大家还记得一度人气爆棚的数字音乐播放器吧!也就是MP3,苹果的iPod一出市场很快被其统一。然而,如今iPod也已经过气了好一阵子。人们曾经希望Apple Music的出现能够重振iPod的雄风,但这种情况并未发生。未来口袋音乐的重任仍将像现在一样,由智能手机来承担。
而说起智能手机,过去一年中黑莓也仍然没能拿出任何值得一提的表现。作为其最后一代机型,黑莓Priv并没能获得可观的市场反响。虽然一度激起了人们的热情,但黑莓却始终停滞不前并迫使其忠实粉丝也将目光转投向Android或者iOS。总之,曾经的智能机老大哥,请静静走入坟墓吧!
我也很好奇,为什么微软投入巨资却仍然无法在Windows Phone这潭死水中激起任何波澜?我的意思是,软件帝国于2015年7月通过收购诺基亚重写了自己的智能手机定位,而根据NetMarketShare提供的统计结果,目前Windows Phone OS在全球移动市场上的份额仅为3.4%。可以肯定,这已经是一款行尸走肉般的操作系统。
尽管如此,Windows Phone的表现仍然要比固定电话更好一些。这些曾经驻留在各家各户中的固定装置早已为时间所淘汰,我身边的朋友们几乎单纯只使用手机而放弃固话。基本上手机已经成为普通民众的必需配置,在这种情况下谁还要额外掏钱购买一项既不灵活又鲜少使用的服务?也许大叔大婶们可能还会选择吧!
而说到古董级技术成果,乙烯制品已然卷土重来,但CD、DVD以及蓝光是否还有生存空间?它们都面临着重大威胁,因为我们的流媒体已然能够解决一切需求。虽然我还在购买CD与DVD播放器,但我已经是个老家伙了。另外,也许我有点偏执,但我确实更喜欢能够把音乐、视频以及书籍握在手中的感觉——而不是调用自某套遥远的云平台。然而像我这种人越来越少,甚至绝大多数PC与笔记本电脑已经不再提供CD/DVD驱动器。
我们过去曾习惯于利用CD/DVD驱动器安装软件,但现在连我都已经不会选择这种方式了。这不光是因为人们习惯于从网上下载并安装各类软件,同时也是因为各独立PC软件都在探索着新的实现途径。财会、办公套件乃至客户关系管理方案,一切大家能够说出名字的产品都开始通过云进行交付。
因此,不出所料,PC已经开始一步步退出历史舞台——虽然速度不快,但这种趋势确实极为稳固。IDC公司宣称2015年PC发货总量较2014年下降了10.3%。目前PC市场仍然拥有数亿美元规模,因此相信此类设备不会很快从我们的办公环境中消失。不过到2020年,传统计算机很可能面临着岌岌可危的生存状态。
以上提到的不少技术都伴随着我的成长一同发展,而且相信我在五、六年之后还会继续坚持使用。不过在我看来,大多数普通用户未来都将逐步告别PC设备、DVD播放器乃至独立软件程序。在这里,我们谨以此文作为写给那些伴随大家成长的技术成果们的讣告——再见,各位老友!
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。