虽然已经是2025年,但许多公司似乎仍然不清楚AI的实际用途。
这正是我从今年的CES上得到的印象:展会上展示了许多AI驱动的厨房电器、婴儿床和其他其实并不需要AI的产品。
例如:Spicerr,一款配备“智能”触摸屏的调味品分配器,可以在你做饭时学习你的口味,推荐独特的食谱。
然而,Spicerr的实用性本身就值得怀疑。它不具备研磨功能,而且需要15到20美元的专用胶囊,这些胶囊无法重新填充。即便如此,你真的需要一个
可以推荐菜谱的盐和胡椒调味瓶吗?
在展会的其他地方,还出现了Dreo的ChefMaker 2,一款AI驱动的空气炸锅。
是的,你没有看错——这是一款AI驱动的空气炸锅。
相比Spicerr,ChefMaker 2的概念并不那么荒唐。它可以通过扫描页面从食谱书中提取食谱,甚至能够处理计算烹饪时间和温度的复杂数学问题。
不过,扫描食谱书真的是空气炸锅买家真正需求的功能吗?作为一个空气炸锅的用户,我从未考虑过这个问题——似乎大多数人也没有。
然而,CES上还有更多比这还要奇怪的AI产品。
Razer的Project Ava,奇怪地以2014年电影《机械姬》(Ex Machina)中的杀手机器人Ava命名,是一款“AI游戏助手”,正如公司所描述的那样。Ava基本上并不直接玩游戏,而是在你玩游戏时为你提供指导。得到许可后,Ava会捕捉你的屏幕截图,并给出一些建议(例如:“当刀片旋转时躲开”)。
正如The Verge编辑Sean Hollister所写的,Ava引发争议的原因在于,它显然是通过游戏攻略训练的,但却没有标明这些攻略的作者。此外,Ava还有些分散注意力。至少在目前的版本中,Ava有几秒钟的延迟,并且会打断游戏的音频来提供指令。
我不得不再次问:究竟是谁在呼唤这些鬼东西?谁会定期使用它,甚至为它付费?
从目前来看,CES上这些奇怪的AI产品体现了行业的过度炒作。去年,AI公司仅在美国就筹集了970亿美元,足够购买42个Spheres(注:Spheres是一个虚构的概念或项目)。厂商们正在尝试各种AI产品,看看哪些能成功,因为这样做几乎没有风险——而且潜力巨大。
但在许多情况下,他们也面临着现有AI技术的局限。弄清楚哪些AI应用在技术上可行一直是行业的一大挑战。很多时候,这导致了过度承诺,但未能兑现。ChatGPT仍然会犯错;图像生成器在历史上也不够准确;AI视频中的角色常常会“重叠”……
所以我们只能接受现实中的AI乱象:空气炸锅、调味品分配器和“AI游戏助手”。这些并不是大多数人想要的,但它们是目前相对容易实现的AI产品。
希望明年能有更好的进展。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限,采用稀疏体素表示和体素不确定性评估,无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略,在DTU等标准数据集上取得了最佳性能,为VR/AR、文物保护、影视制作等领域提供了新的技术选择。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。