至顶网CIO与应用频道 09月14日 人物访谈(文/王聪彬):
最深奥的技术是那些消失了的技术。它们渗透到日常生活的方方面面,直至成为日常生活的一部分而无法区分。----普世计算之父Mark Welser
在光合作用的办公室里,每个员工头顶都有一盏灯,你可以时不时地看到它们闪现着各种颜色,这并不是简单的装饰,而是一个个用灯光进行传递的信号,当然其中的含义只有他们自己知道。
通过灯光作为智能反馈的方式,可以让整个环境的交互变得更高效和有价值,这正是光合作用发现的智能照明的秘密。这个50多人的团队虽然只有一个照明工程师,但他们做的都是同一件事,利用智能让照明意义非凡。借助云计算的力量让光合作用在平台对接、服务推广、设备协作都变得那么轻而易举,为客户带来更优质的体验。
智能照明我们要反着来
照明产品在生活环境中的部署非常普遍,并且拥有着非常规律的部署特点,可以形成一张完美的静态网络。成都世纪光合作用科技有限公司CEO张祠瑞正是看到这一特点,对无线智能设备可以快速接入、部署、服务为节点的灯泡进行改造。
光合作用就这样诞生了,通过将人工智能技术与物联网通信技术的快速融合,光合作用打造出了下一代照明的创新理念。
成都世纪光合作用科技有限公司CEO张祠瑞
要说和传统的智能照明厂商最大的区别就在于,光合作用反其道而行,并不是用现有通信网络和技术来来构建智能照明系统,而是通过智能照明系统来部署通信网络、感知设备、社会控制的交互入口。
光合作用自主研发的Lettin智能照明网络(属于WLAN IoT, Wireless Local-Area Networks for IoT, WLAN)实现了智慧照明交互的同时为整个环境提供稳定的物联网通信网络,在大量异构设备之间为实现跨协议通信与交互提供快速接入服务并成为数据枢纽。
“部署Lettin(换灯泡)就相当于完成了一次本地化物联网通信网络的部署。”张祠瑞说,Lettin的含义就是Let it in,所有标准协议都可以接入Lettin网络,这也变相让更多的智能设备可以在同一个网络环境中。
在主动控制上除了传统的手机App,通过Amazon Echo系列产品连接Lettin网络,可以实现语音交互。被动控制的维度就更加广泛,各种传感器都可以控制照明产品进行改变。例如,根据用户的睡眠习惯,灯光可以在每天10点进入睡眠模式,呈现一种低亮度的陪护状态,伴你入眠。
让照明接管你的智能环境
要让Lettin网络活起来还要靠Lettin照明产品,光合作用在其中倾注了大量的资源,一个灯泡里所蕴藏的硬件部署程度已经远远大于我们的想象,其中还应用了最新的量子点荧光粉技术和高阶COB封装技术。按张祠瑞的话说,Lettin产品的硬件能力可以达到至少三年内不断迭代的要求,也就是三年内都不会过时。
光合作用的照明产品不论是家用还是商业投放都是标准化的,只要换上灯泡你就拥有了智能照明网络,并不需要额外的改装。在北美,光合作用已经拥有了很多家庭和商业用户,预计10月份还将推出全新的产品和服务。
基于Lettin网络,光合作用的产品还具备了感知的特性,包括时间、状态指令、自然语言、空间、知识信息五大感知力。这让Lettin可以通过场景设计灯光的同时,实现更多设备之间的联动,对设备自动化进行补充,实现自动的触发而不是主动操作,接管你的智能环境。
光合作用和加拿大不列颠哥伦比亚大学(UBC)以及当地政府在去年年底进行了一项实验,为当地原住民建造一千套智慧屋并提供给他们居住。房子须全部使用环保材料和清洁能源。其中每一套房子都部署了168个Lettin光源,通过部署Lettin筒灯,整个Lettin智能照明网络除了给智慧屋提供照明服务,还可以提供智能传感器的通信,像人体传感器、温度传感器、水质传感器等等。
云让照明真的活起来
光合作用在开始的一年里,主要做的就是定义照明产品和智能照明使用框架,还有用云服务来支撑开展业务,因为通信网络、感知、交互这一切的实现都需要云服务支撑。
北美是光合作用的主战场,与AWS的合作后,AWS可以满足大量设备的接入,弹性应对早晚大并发量,并在设备众多的情况下提供高效服务。另外就是安全,AWS在物联网设备的安全机制上更为完备。
未来AWS IOT平台服务也是光合作用非常想尝试的服务,因为光合作用全新的Lettin3.0系统将会为整个Lettin智能照明网络加入价值数据服务和智能算法的支持。
基于AWS IOT服务架构Lettin可以为用户提供价值更高的云服务,在Lettin新系统正式上线时,光合作用将会把全部的海外用户运维转移到AWS IOT平台。更好地促进Lettin产品在智能自动化上与互联网信息数据的交互,实现更丰富的用户交互体验。
好文章,需要你的鼓励
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。
这项研究揭示了RAG系统中位置偏见的真实影响——虽然在受控环境中明显存在,但在实际应用中却微不足道。研究人员发现,先进的检索系统不仅会找出相关内容,还会将具有干扰性的段落排在前列,超过60%的查询中至少包含一个高度干扰段落。由于相关和干扰内容同时出现在检索结果前列,位置偏见对两者都有惩罚作用,从而抵消了偏见效应。因此,基于位置偏好的复杂排序策略并不比随机排序更有效,这一发现将优化方向从段落排序重新导向检索质量提升和模型抗干扰能力增强。