扎克伯格最近几周的日子显然不好过。作为元宇宙首批公开发布的图像,扎克伯格的新头像已经成为人们找乐子的好素材。但Meta似乎不为所动,坚持把元宇宙视为所谓Facebook 2.0,号称将打造一个能够承载社交、协作和未来工作的完全沉浸式VR体系。但人们对元宇宙的担忧在于,万一它只是Facebook套上层VR外皮,那世界人民岂不要彻底沦为扎克伯格的家奴?而很明显,这位CEO公布的新头像丝毫没能打消人们的焦虑。
相较于支持,元宇宙计划招来的似乎更多是嘲笑和冷漠,这自然也沉重打击着扎克伯格的信心。据报道,就连Meta公司也在担心自己无限憧憬的这一VR社交网络可能既不够社交、也不够虚拟。而解决这个问题的关键,也许应该从《堡垒之夜》(Fortnite)这款红遍全球的游戏找起。
《堡垒之夜》《我的世界》《第二人生》和文化虚拟化
用免费电子游戏加上虚拟化来重塑整个线上交互体系,这似乎并不是特别靠谱的思路。然而有专家指出,《堡垒之夜》确实实现了Meta还远未能达成的目标。人们实际上就是沉浸于《堡垒之夜》,而且深深为之着迷。这就是Meta版元宇宙的两大核心诉求所在。更有趣的是,《堡垒之夜》从来没强调过自己有什么革命性。它的“大逃杀”玩法能让用户在这里快速度过第一个11小时,而且虽然作为射击游戏本身并不算成功,但《堡垒之夜》仍然在全球范围内掀起了热潮。如今,它已经建立起蓬勃发展的数字社区。
所以,《堡垒之夜》的发展轨迹也许能为元宇宙指明前进的方向。全球合作创意空间已经存在了几十年,但迄今为止仍然脱离不了封装游戏的范畴。《我的世界》(Minecraft)随后依靠无压力协作和无限制游戏内容的设置,在整整六年中持续领先于时代。类似的社区,现在在《Roblox》中也能见到,甚至开始出现在索尼的《Dreams》及其所谓“Dreamverse”当中。
但这些只能算是后起之秀。稍微年长些的读者应该还记得2003年亮相的《第二人生》(Second Life),接过“再造一个世界”大旗的《魔兽世界》(World of Warcraft)和《EVE Online》等MMO游戏也包含大量创意和协作内容。就连纯浏览器游戏《憎恨王国》(Kingdom of Loathing)这种粗糙的项目都有自己的铁杆粉丝。ASCII的忠实拥护者也继续在玩MUD和MUCK游戏。不管大家信不信,从《堡垒之夜》到上世纪九十年代的线上文字冒险,都做对了一件Meta到现在也没做到的事情。
打造丰富且低价值的现实
正如《第二人生》缔造者Philip Rosedale在回顾当初的创作时所言,“用户之所以愿意待在这里,是因为他们可以结交朋友、建造东西,把自己的想法外化成现实。”MUD和《我的世界》也是如此,就连《堡垒之夜》也不例外。在这里,人们用既有元素打造出了本不存在的事物。
但元宇宙计划的惨淡经历让我们看到,Meta还没能做到这个基本前提。目前,关于Meta元宇宙的共识在于,它仅仅只是人们在现实世界中已经实现的创作/协作的VR版本。而元宇宙费尽心力想要重现的运动控制和身临其境的图像,其实在现实当中不用什么成本就能获得。
回顾历史,只有带来超越现实的体验,虚拟社区才有可能获得成功。在《我的世界》中重塑世界,在《第二人生》中定制生活,在《堡垒之夜》中尽享赛季,成功的虚拟社区就是要做人们在现实世界里做不到的事情。所以在Meta也能拿出超越现实的成果之前,我们对扎克伯格的元宇宙计划只能继续抱怀疑态度。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。