至顶网商用办公频道 12月05日 北京消息(文/黄当当):科技的发展正剧烈重塑未来的社会环境,人们的工作将发生大逆转?
答案是肯定的。
那些曾在科幻大片中出现的“记忆增强师”、“器官工程师”、“气候设计工程师”、甚至“3D打印食品营养师”都可能在不久后持证上岗。
这些新职业的出现,也让人开始思考教育的重构。
当人工智能、机器学习、自动化、机器人、无人机、AR和VR等技术成为“常态化”,社会要如何适应,人们应该接受怎样的教育,而今天的教育及教育模式是否还能应对?
我想没有标准答案,但肯定的是,教育行业一定会发生翻天覆地的变化。
因为有这样一群志同道合的人在推动中国教育的前进,包括英特尔,包括腾讯。
图:腾讯与英特尔签约仪式现场。腾讯高级执行副总裁、云与智慧产业事业群总裁汤道生,腾讯副总裁钟翔平,英特尔副总裁市场营销集团中国区总经理王锐,英特尔市场营销集团副总裁兼中国业务总经理王稚聪等高层领导出席签约仪式。
借乘腾讯MEET教育科技创新峰会的东风,昨日,英特尔与腾讯宣布了战略合作,共同签署了智慧教育产业战略合作备忘录及智能教育PC合作备忘录。
这次合作的内容,强强联手,双方发挥各自在云计算,智能终端,物联网及人工智能等方面的优势,从平台、硬件、生态等多方面就教育电脑展开全面而深入的合作,共同搭建智能教育应用平台,打造基于腾讯云和腾讯人工智能的的教育学习电脑。
更细节来说,双方将在多方面开展深度合作,英特尔主要发挥其自身在云到端的硬件、软件优化、系统开发、开发工具、解决方案、行业领导力等优势以及行业领导力,联合OEM等合作伙伴等将共同推动相关产品的定制开发以及推广上市;腾讯则充分利用基于腾讯云、腾讯人工智能和腾讯小程序框架,开发腾讯教育解决方案计划、教育套件,并将腾讯教育解决方案平台向第三方独立软件开发商开放,用以开发小程序、Web应用程序,Native应用程序,同时,腾讯还将为第三方提供软件开发工具包,以整合腾讯的人工智能能力。该智能教育应用平台将通过统一的账号,向用户开放整套的云服务、小程序等内容,为中国、九年义务教育阶段、高中、高等教育以及成人教育等群体创造更专注、更便捷、更高效、更具性价比的产品及教学体验。不仅各个阶段的教师及学生可以享受基于整套云服务的教育创新带来的便利,学校也能够通过部署班级应用,与教师学生共同体验到更高效的学习交互。
此次合作还宣布两个计划:
一是双方及海尔教育将于2019年第四季度末一起推出第一版智能教育应用平台Leadpie智能学习电脑,包括教学套件及第三方应用;
二是计划于2020年第一季度开发全新的联合定义的智能教育应用平台的落地,目标是拓展中国市场,在 5 年内实现每年千万台的出货量。
事实上,这并不是英特尔第一次在教育领域的探索。这位芯片巨人早已通过信息技术及智能技术赋能教育产业。
英特尔市场营销集团副总裁兼中国业务总经理王稚聪表示,依靠着足够大的生态影响力,英特尔有能力将一切(硬件、互联网软件、教育资源提供者等)串联起来,做更扎实的平台,促进教育生态良性循环发展。
其实,这正是目前中国教育所缺失的一环。
纵观世界,基于云到端架构的应用模式,正越来越多地运用在教育领域。欧美已有非常成熟的云到端学生电脑应用模式案例,并深受学校、家长及学生的欢迎,而我国还未有此类完整模式的智能教育平台及应用,在教育行业中PC端的应用及解决方案相对缺失。
据统计,我国拥有23.8万所K12学校,1.89亿K12学生,过去几年间,中国教育电脑出货量每年在400万台到500万台之间,总安装量超过3000万台。这是一个机遇与挑战并存的市场,但英特尔相信,智能教育电脑入市后,将大大提升教与学的用户体验,拉动教育电脑市场长足增长,并通过技术赋能智慧教育,给教与学都能带来新的模式和体验。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。