技术构建块在2017年的发展预测

简介:

随着新的一年到来,数据中心运营商应该为未来的市场机会感到高兴。云服务和应用程序编程接口(API)使每个人都能够构建服务块,并使用它们以快速和可扩展的方式构建应用程序和业务。未来三到五年应该会看到第一代的语音功能和人工智能后端服务的快速发展。

亚马逊的Alexa,苹果的Siri,Google的Home和微软的Cortana都是使用多个构建块的服务的例子。语音识别是第一个构建块,接下来是自然语言处理,以了解人类在说什么,而不是强迫的语法。人工智能以机器学习的形式用于细化语音识别和自然语言处理过程,可以提高用户请求的准确性和成功率。

Alexa和其他支持API的协助也构成服务的下一个构建块。用户可以要求Alexa从Amazon订购商品(毫不奇怪),但第三方使用助理API来启用免提服务订单。AmazonEcho用户可以订购鲜花,比萨饼和汽车共享游戏。

三星公司2016年收购的Viv是API支持的助理的最新演变,使用开放标准和接口来实现广泛的第三方生态系统,同时为多层查询添加“可堆叠性”,并即时编写自己的代码以处理任务。人们期望Alexa和Viv在2017年以后推出新产品,以抢占市场份额。亚马逊公司希望更多的用户采用不断增长的AWS服务,而新的玩家Viv希望成为市场的领导者。

一些构建块需要更长的时间才能开发和发展。十年前,“纽约时报”报道,掀起清洁技术的巨大浪潮是工程细菌和其他生物过程,通过基因工程开发工业化学品。这是一个伟大的想法,但却比预期更加杂乱和复杂。

花费时间开发更好的工具,用于编辑DNA的构建块,需要测量结果,以及了解如何在工业规模实现自动化过程。开发团队可以在实验室环境中做很多神奇的事情,而生产制造数千到数万加仑的化学品需要一套完整的不同的过程,才能使其变得容易,并负担得起。

目前取得的最大进步是采用敏捷样过程生物技术。对遗传学的小变化进行快速调整,因为更好的分析可以为微调提供更多的信息。Lygos公司采用大数据技术在酵母中筛选2,000个基因,以及每个基因筛选300个氨基酸的能力中发挥关键作用,找到酵母发酵酸的正确特性。Crispr是关键的生物学工具,使Lygos和其他公司有效地“编辑”DNA,使他们得到希望获得的酵母和细菌,但自动化和大量的服务器能够测量和预测所产生的最好的酵母菌株。

Lygos公司已经投入了2100多万美元的投资,并与合作伙伴一起扩大规模,通过在自动生物学和大数据分析之间取得平衡,为改善生物体生产化学产品提供更多信息,并找出从实验室扩展到商业生产的最有效的方法。

所有这些构建块业务都需要云计算和数据中心进行计算和存储。因此,到数据中心空间将会持续增长,如今的应用程序数量和类型仅通过现有的和在用的应用程序。增加了增强现实(AR)的潜力,并将虚拟现实(VR),各种物联网(IoT)以及家庭机器人技术运用其中,那些精明的厂商可能开始考虑添加服务器机房空间。

本文转自d1net(转载)

相关文章
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
扩散引导语言建模(DGLM):一种可控且高效的AI对齐方法
DGLM(Diffusion Guided Language Modeling)是一种新型框架,结合了自回归模型的流畅性和扩散模型的灵活性,解决了现有引导生成方法的局限性。DGLM通过扩散网络生成语义提案,并使用轻量级提示生成器将嵌入转化为软提示,引导自回归解码器生成文本。该方法无需微调模型权重,易于控制新属性,并在多个基准数据集上表现出色。实验结果显示,DGLM在毒性缓解、情感控制和组合控制等方面优于现有方法,为可控文本生成提供了新的方向。
21 10
扩散引导语言建模(DGLM):一种可控且高效的AI对齐方法
|
2月前
|
编解码 测试技术 计算机视觉
Sora视频重建与创新路线问题之VAR在技术上的自回归过程是如何实现的
Sora视频重建与创新路线问题之VAR在技术上的自回归过程是如何实现的
|
3月前
|
机器学习/深度学习 搜索推荐 知识图谱
图神经网络加持,突破传统推荐系统局限!北大港大联合提出SelfGNN:有效降低信息过载与数据噪声影响
【7月更文挑战第22天】北大港大联手打造SelfGNN,一种结合图神经网络与自监督学习的推荐系统,专攻信息过载及数据噪声难题。SelfGNN通过短期图捕获实时用户兴趣,利用自增强学习提升模型鲁棒性,实现多时间尺度动态行为建模,大幅优化推荐准确度与时效性。经四大真实数据集测试,SelfGNN在准确性和抗噪能力上超越现有模型。尽管如此,高计算复杂度及对图构建质量的依赖仍是待克服挑战。[详细论文](https://arxiv.org/abs/2405.20878)。
68 5
|
2月前
|
机器学习/深度学习 vr&ar
Sora视频重建与创新路线问题之Perceiver AR模型模态无关的自回归生成如何处理
Sora视频重建与创新路线问题之Perceiver AR模型模态无关的自回归生成如何处理
|
2月前
|
机器学习/深度学习 编解码 自然语言处理
Sora视频重建与创新路线问题之更高解析度的视频输出该如何实现
Sora视频重建与创新路线问题之更高解析度的视频输出该如何实现
|
5月前
|
编解码 自动驾驶 数据可视化
超越BEV视角 | 新型紧凑占用Transformer助力自动驾驶3D占用预测
超越BEV视角 | 新型紧凑占用Transformer助力自动驾驶3D占用预测
110 0
|
机器学习/深度学习 存储 人工智能
AI在数学界的作用和影响
众所周知,数学在科学中占据至关重要的地位。爱因斯坦曾说,“纯数学能使我们发现概念和联系这些概念的规律,给了我们理解自然现象的钥匙。数学之所以比一切其它科学受到尊重,一个理由是因为它的命题是绝对可靠的,无可争辩的,而其它的科学经常处于被新发现的事实推翻的危险。”那么,AI在数学界有哪些作用?AI未来对数学界会有哪些颠覆性影响?现在我们来进行论述和探讨。
207 0
|
传感器 机器学习/深度学习 编解码
2022最新综述!一文详解自动驾驶中的多模态融合感知算法(数据级/特征级/目标级)
多模态传感器融合意味着信息互补、稳定和安全,长期以来都是自动驾驶感知的重要一环。然而信息利用的不充分、原始数据的噪声及各个传感器间的错位(如时间戳不同步),这些因素都导致融合性能一直受限。本文全面调研了现有多模态自动驾驶感知算法,传感器包括LiDAR和相机,聚焦于目标检测和语义分割,分析超过50篇文献。同传统融合算法分类方法不同,本文从融合阶段的不同将该领域分类两大类、四小类。此外,本文分析了当前领域存在的问题,对未来的研究方向提供参考。
2022最新综述!一文详解自动驾驶中的多模态融合感知算法(数据级/特征级/目标级)
|
移动开发 计算机视觉
自监督学习如何兼顾语义对齐与空间分辨能力?清华、商汤提出「SIM」方法
自监督学习如何兼顾语义对齐与空间分辨能力?清华、商汤提出「SIM」方法
149 0
|
机器学习/深度学习 人工智能 安全
快80~500倍!人工智能快速预测两种蛋白质的结构互作方式
快80~500倍!人工智能快速预测两种蛋白质的结构互作方式
133 0