除了让冰箱知道什么时候牛奶喝完了,物联网(IoT)还有更深层次的东西。在这个系列文章中,我们将分析三个IoT网络,以及用它们可以实现的企业服务。
在上世纪80年代,卡内基梅隆大学有一组计算机科学学生将他们公寓的一台可乐售卖机连接上互联网。这台机器可以报告库存量,以及新放置的饮料是否已经冰冻。
这就是所谓物联网(IoT)的开端,传奇仍在继续。
许多围绕IoT技术的公众宣传都集中在消费类应用上,例如大家所熟知的当牛奶喝完后就会自动下订单购买的电冰箱。这些IoT技术主要是一些具有收发数据连网功能的物件。但是,IoT网络也逐渐成为各种组织的强力支持,其中包括市政、校区和商业环境等。在11月,Gartner预测到2015年会有49亿连网“物体”,其数量比2014年增长30%。Gartner指出,这个数字很可能到2020年达到250亿。
然而,随着企业寻找到更多的IoT应用,他们需要考虑大师设备涌入对环境的影响,如它们所产生流量对有线和无线网络的影响。支持IoT网络的基础架构也需要负责处理密度、管理和安全性等需求的变化。
我们将探寻现在正在运行IoT网络的三个组织——拉斯维加斯Sands集团、圣何塞与田纳西啤酒零售商Del Papa,探讨他们部署的网络,了解背后支撑这些网络的技术。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。