至顶网CIO与应用频道 09月18日 北京消息:作为计算机技术与思维科学相结合的产物,VR(虚拟现实)正在迅速拓展人类对世界的认知方式。三维空间的实时表现能力、人机交互式的操作环境以及身临其境逼真感受,令VR技术在视频游戏、电影影像、医疗卫生、电力能源乃至航空天领域都有着十分广阔应用前景。VR技术正在为传统行业及新兴产业带来革命性的变化。
为了培养中国VR技术研发和应用的创新人才,AMD与中国虚拟现实与可视化产业创新技术战略联盟,协助教育部科技发展中心,在2017年6月启动了“第四届全国高校云计算[注]应用创新大赛”。大赛设立了“大学生虚拟现实应用场景命题赛”,让参赛学生能动手发掘虚拟现实的应用场景,利用迅速兴起的VR技术解决实际问题,以创新的设计和先锋的理念为VR产业发展带来新的动力。在整个赛程中,AMD将全程支持和参与,包括硬件技术支持、决赛阶段团队的一对一技术辅导等。优胜团队的学生还将获得AMD实习乃至工作的宝贵机会。AMD将与有意愿开展VR项目合作的高校进一步接触交流,共同为VR产业的繁荣发展贡献力量。
本次命题赛已于9月1日正式启动报名,获得了全国各高校的积极响应。参赛学生需利用基于锐龙7、锐龙5处理器和Radeon RX580或RX480以上显卡的全系列配置PC或台式机,模拟现实环境中无法开展的高危险场景,进行模拟成本高、实施风险高、资源(包括能源和试验原材料)消耗大的教学与科研专题研究;学生还可开发具有创新性和实用性的作品。作品呈现的形式分为VR动画作品软件和VR全景视频类,以及VR设备与实验室工具和管理类软件,学生们可在技术科普、展览展示、职业培训、模拟教学、公众话题创意等众多应用场景中尽情发挥自身的创造力。
作为全球半导体领先厂商,AMD近年来一直在VR领域不断寻求突破。众所周知,高性能计算、图形及可视化技术的进步是实现VR的关键。VR技术的推广应用,需要性价比更高的技术产品支持。AMD推出创新性的LiquidVR™技术,通过简化和优化虚拟现实内容创作,借助兼容的Radeon显卡释放诸多与头戴式设备无缝协作的独特AMD硬件功能,让“身临其境”变为可能。AMD锐龙Threadripper、锐龙7、锐龙5和锐龙3处理器以超强的计算力满足甚至超出了一些高端头显的要求,助力提供卓越的虚拟体验。另外,AMD显卡品牌Radeon专为VR、图形计算设计的产品与AMD LiquidVR™技术紧密配合,相得益彰,全力打造逼真的VR体验。
除了技术方面的不断锐意创新,AMD还在VR领域积极寻求各类合作,着力扩展VR应用边界。例如,极具前瞻性地与美联社开启战略合作(+本站微信networkworldweixin),联合开创全新的虚拟现实体验频道;与HTC等行业领军企业携手成立了亚太虚拟现实产业联盟,进一步推动VR产业在亚洲的发展;与全球知名的VR头盔制造商如Oculus、HTC,以及游戏引擎开发商和内容创作者达成深度合作;为戴尔、华硕等品牌主机配置专为VR设计的AMD处理器产品,帮助打造“沉浸式”的使用体验。另外,在中国,AMD凭借为VR内容创作定制的Radeon Pro Duo显卡及技术与网易、清华大学等合作,共同发起成立VR领域实验室“VR Dream Lab”,打造连接平台、孵化VR内容,推动VR的普及和发展。
AMD中国公共事务部副总裁黄志强先生强调,“技术创新是 AMD 的灵魂、培育人才是AMD责任、合力共赢是AMD 的发展路线 ”,此次AMD支持“第四届全国高校云计算应用创新大赛”并主办大学生虚拟现实应用场景命题赛,正是看到了中国VR市场的良好发展前景,希望通过支持大学生们的创新创意,为VR产业的发展注入新鲜活力,共同推动实现技术创造美好工作生活的愿景。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。