Metaverse Standards Forum的目标是推动元宇宙开放标准的发展;任何组织都可以免费申请加入该论坛。论坛创始成员包括:0xSenses、Academy Software Foundation、Adobe、阿里巴巴、欧特克(Autodesk)、Avataar、Blackshark. Ai、CalConnect、Cesium、Daly Realism、Disguise、Enosema Foundation、Epic Games、Express Language Foundation、华为、宜家(IKEA)、Jon Peddie Research、Khronos、Lamina1、Maxon、Meta、微软(Microsoft)、NVIDIA、OpenAR Cloud、开放地理空间信息联盟(Open Geospatial Consortium)、Otoy、Perey Research and Consulting、高通(Qualcomm)、Ribose、索尼互动娱乐(Sony Interactive Entertainment)、Spatial Web Foundation、Unity、VerseMaker、Wayfair、Web3D Consortium、万维网联盟(World Wide Web Consortium)和扩展现实协会(XR Association,XRA)。
Metaverse Standards Forum已宣布成立,它将领先的标准化组织和企业聚集在一起,集整个行业之力制定建立开放式元宇宙所需的互操作性标准。其将探讨缺乏互操作性会在哪些方面阻碍元宇宙的部署,以及如何协调和加快标准制定组织(Standards Developing Organizations,SDO)的标准制定和发展工作。Metaverse Standards Forum将向所有组织免费开放,专注于务实的行动项目,例如通过原型设计、黑客松、竞赛、开源工具创建等加速元宇宙标准的测试和采用,同时制定统一的术语和部署指南。
元宇宙正在以更大的规模和更强的沉浸感,推动各种协作空间计算技术的创新整合与部署,包括交互式3D图形、AR和VR、逼真内容创作、地理空间系统、终端用户内容工具、数字孪生、实时协作、物理模拟、在线经济、多用户游戏等。
多位行业领导者表示,如果元宇宙建立在开放标准的基础上,那么它将发挥最大的潜力。为了建立一个开放、包容且大规模普及的元宇宙,Khronos Group、万维网联盟、开放地理空间信息联盟、OpenAR Cloud、Spatial Web Foundation等SDO需要联合制定一套开放的互操作性标准。Metaverse Standards Forum的目标是促进不同SDO和企业之间达成合作共识,制定和统一元宇宙标准的需求和优先事项,加速这些标准的出台并减少整个行业的重复劳动。
Khronos总裁Neil Trevett表示:“元宇宙将汇集各种不同的技术,因此需要一套由许多标准组织创建和维护的互操作性标准。Metaverse Standards Forum是一个协调标准组织和行业的独特平台,其使命是推动务实、及时的标准化,这对实现开放、包容的元宇宙至关重要。”
该论坛由Khronos Group主办,任何企业、标准化组织或大学只需同意参与协议就可以免费加入。希望对论坛进行监督以及希望资助论坛项目的企业可以选择成为主要成员。
论坛活动将依据成员的需求和兴趣来进行,并且可能会涉及不同的技术领域,包括3D资产和渲染、AR和VR等人机界面和交互模式、用户创建内容、形象、身份管理、隐私、金融交易等。论坛预计将于2022年7月开始举办会议。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。