英特尔在2018年国际消费电子展(CES 2018)上宣布就人工智能同法拉利展开合作,双方的合作将涉及通过无人机拍摄空中素材,然后对这些素材进行混合和剪辑,以创建个性化的内容。
作者:Corinne Reichert
2018年1月11日——格林尼治标准时间15:52(东八区标准时间23:52)
英特尔表示,该公司同法拉利的合作将推动人工智能(AI)的到来,“从根本上”改变体育转播内容的创作和发行。
英特尔公司的首席执行官Brian Krzanich在2018年国际消费电子展(CES 2018)上的主题演讲中宣布,与法拉利北美公司建立了为期三年的合作关系,就英特尔的人工智能技术——包括Intel Xeon可扩展平台和Neon Framework,以及英特尔无人机拍摄的空中镜头——进行合作。
英特尔人工智能产品部门(AIPG)的副总裁兼总经理Naveen Rao对ZDNet表示,英特尔意识到了从法拉利北美挑战赛的汽车上收集到的数据可以成为一个数据源,提供“新奇的”见解,在此之后,英特尔于去年开始着手建立与法拉利的合作伙伴关系。
Rao表示:“我还没见过有人这样应用人工智能技术,而我们有一个愿景,就是说,‘你知道吗?我们其实可以从根本上颠覆赛车运动’。”
这个项目始于英特尔将目光盯在了赛车运动现在仍然在电视转播中采用的“过时”方式以及在整个比赛日程中,在每条赛道上部署固定摄像头固有的基础设施成本上。
Rao向ZDNet解释说:“我们说,‘我们能够如何通过使用无人机,然后再对它使用人工智能,让这个成本变得更低?而且更重要的是,我认为我们实际上可以开始推动个性化新闻之类的新体验。’
“如果你关心某一位特定的车手,我们实际上可以为你制作针对个人的内容,里面会剪辑一些关于这个车手、现场状况或者这个车队的非常有趣的东西,这些东西是与众不同的。所以我认为这是一个新颖的、真正有趣的人工智能应用。”
多个无人机摄像机拍摄的镜头将会以流的方式进入中央数据源,然后由人工智能将它们混合在一起,并对其进行切割。
他补充表示:“会有一个人工智能系统实际上对它们进行监控,并说‘这个很有趣,那个很有趣’,然后对它们进行剪辑。我们希望让整件事变成自动化的,最终所有的这些源都会以流的方式,传输至一个数据中心,然后你就可以找到你认为有趣的东西——它会为你定制个性化的内容。”
双方的合作还将为法拉利车队提供比赛中的实时分析洞察。
在谈到英特尔的Nervana神经网络处理器的时候,Rao表示,英特尔希望解放“所有的聪明人”,无论是在内部还是紧密合作伙伴——包括脸书(Facebook)——那里的聪明人,让他们致力于改进这个系统,而这个系统是他称之为“良性的工程循环”的一部分。
他表示:“我们用Nervana做的不仅仅是一个芯片,它是一个完整的堆栈。它允许外部和内部人员访问这些工具,并立即为他们的问题增加价值。”
“即使在内部,我们也正在与IT部门合作以提供资源,使数据集变得可用,因为最终,我们希望所有英特尔的聪明人能够解决这个问题,并且希望他们能够打造出更好的产品。”
“我们今天有多个(Nervana)世代正在筹备之中。”
英特尔目前也正在接洽美国政府,商讨使用人工智能技术,并正在积极与国会商谈,以确保其了解潜在的趋势以及可以期望的结果。
不过,Rao表示说,很多基础的人工智能技术还需要花上五年的时间才能够实现,并应用于产品。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。