说到互操作性,科技行业对它能带来的好处非常熟悉。尽管如此,BI Intelligence在2016年发布的《美国智能家居市场报告》(U.S. Smart Home Market report)中发现,由于碎片化,智能家居设备仍处于早期采用阶段和大众市场阶段之间。当许多运营商和服务提供商使用不同的设备和技术来启动物联网服务时,就会出现这种情况,其中包括过于复杂和耗时的操作、供应商锁定和减少的创新等,阻碍了整体的进展。
然而,在处理智能系统缺乏互操作性的问题上,这些并不是唯一的障碍,特别是那些大规模部署的智能系统,例如智能城市。
因为物联网能够为消费者、企业和城市规划者提供真正的价值,智能技术提供的数据需要具有意义,因此许多应用程序可以解释数据并将其用于正确响应。
这是语义互操作性——即物联网市场未来成功的关键因素。它使用元数据和本体来允许不同的应用程序共享“有意义”的信息。使用元标记数据可确保所有信息都可以被理解和重用。这避免了传感器设备的多个独立系统及其应用程序试图收集相同的数据用于不同的目的。
这里给出一个简单的例子,路边传感器将产生各种数字,例如可用于当地冰雪警告电子标志的摄氏温度值。除非我们知道这些数字是什么意思,否则这些信息就没有意义。然而,如果使用元标记数据,用户可以看到信息代表什么以及可以使用什么。它也可以与其他应用程序共享,例如监视和预测天气。因此,语义互操作性对于许多不同的智能技术行业来说是重要和必要的。随着越来越多的应用开发,如果数据格式需要与通信技术相同的集成,集成成本将会上升。
在更广泛的范围内,考虑在智慧城市中可以找到的数千种潜在数据来源。虽然其中许多将生成仅由一个应用程序利用的数据,但是如果所有这些数据可以由许多应用程序组合,交叉编译和重用,智慧城市难道不会更聪明吗?
oneM2M在最新的一组规范(Release 2)中引入了语义互操作性,允许有意义的、安全的数据分发和重用。随着使用的设备和应用程序数量的增加,现在将语义功能构建到标准中,将使集成在未来更容易实现。
oneM2M标准允许将元标记数据发布到网关上的oneM2M资源上,从而通知感兴趣的实体,或者可以通过语义发现找到它。
在一个小的物联网环境中,可能不需要为数据附加意义,因为它通常是由开发的应用程序所暗示的。然而,城市规划者想要充分利用数据资产,在没有语义互操作性的情况下将受到极大的限制。
虽然将应用程序与语义互操作性结合起来会有一些初始成本,但通过传统的数据集成过程实现类似的交互水平,随着应用程序和设备数量的增长,成本将呈指数增长。
在这种情况下,可用于多种用途的信息也可能受到限制。
随着物联网设备数量的增加,城市越来越认识到,如果物联网项目要提供真正的价值,他们就不能再依靠传统方法。语义互操作性只是标准化的一小部分,但它将是实现这种新的工作方式的不可或缺的一部分。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。