数字货币“剧透”来了
近日,清华大学微纳电子系、未来芯片技术高精尖创新中心的钱鹤、吴华强教授团队与医学院洪波教授团队在《自然•通讯》(Nature Communications)在线合作发表了题为“Neural signal analysis with memristor arrays towards high-efficiency brain–machine interfaces”的研究论文,利用忆阻器的仿生与存算一体特性,提出了基于忆阻器阵列的新型脑机接口,构建了高效智能的脑电神经信号处理系统,演示了大脑癫痫状态的识别,实现了93.46%的高准确率,并将系统功耗降低了400多倍。这是两个研究团队学科交叉的最新研究成果。 营商AI特性规模应用挑战重重 在本次发布的白皮书中,有一部分内容引起了电信运营商的特别关注,那就是华为云地协同解决方案,它解决了AI应用在规模复制过程中碰到的关键问题。 众所周知,电信行业一直是AI应用的前沿阵地。实践也证明了,AI技术在运维效率、能耗效率、网络资源利用率以及用户业务体验提升等方面确实能够带来明显价值。但在电信行业智能化升级过程中,网络 AI 的规模化工程应用仍然存在很多挑战,例如模型泛化能力差、模型重训练占用资源多、模型版本升级管理难度大、本地样本少并且模型精度不够等问题。 以AI模型版本升级管理为例,很多场景的AI模型都是一站一模型,例如无线流量预测、无线基站智能节能等场景,各站点的模型都根据本地化数据进行定制化训练。但由于各局点模型版本不同,升级频度也不同,成千上万的站点模型导致管理难度很大。电信运营商迫切需要有一个统一的平台,高效实现模型状态的监控和版本升级策略等管理任务。 在站点模型数量众多的同时,部分场景又面临着样本量太少不足以支撑模型训练的问题。例如核心网KPI异常检测,单局点发生异常频率很少,训练需要的样本量根本不够。这时电信运营商又需要能够汇聚所有局点的全量样本信息,同时辅以联邦学习等技术,才能训练得到满足业务精度要求的AI 模型。除此之外,还面临AI模型训练占用资源多有可能会影响设备性能的隐患。 面对这样的挑战,华为创新地推出了云地协同解决方案,可以实现AI特性规模应用,这也是助力运营商迈向自动驾驶网络的关键。其中云端是指部署在公有云、合营云或 HCS 上的 NAIE 云端智能,地端则是指集成在网络管控单元的网络 AI、以及网元设备中的网元 AI。
云地协同加速 AI 特性规模应用 第二条路,往技术底层走。与NCDP相似的LCDP(低代码开发平台)也在蓬勃发展,它的特点就在于针对未满足的场景允许通过额外的编码来自定义实现。但是届时的编程环境已经与现在不同,你通过编码所能掌握的范围有限,如何编写出高性能、稳定好的代码变得更加的重要。 另外,NCDP如果要继续发展可能会出现组件、项目模版生产者的岗位,为平台提供更加丰富的组件和模版。此时你也得对NCDP背后所用到的技术了如指掌才行。 最后一条路,你也可以进入到软件是非标准化的行业。比如,游戏行业。在那里找回你熟悉的编程感觉。 简而言之,未来做程序员的门槛又要提高了。 其实你仔细回想一下,你会发现NCDP提倡的软件开发方式早就在一些特定领域内出现了。比如,CMS系统。 甚至微软在20年前就推出了拖拉控件式的编程方式WinForm、Asp.Net,虽然一直没能成为主流。 如今的NCDP汹涌袭来,自然是有它的优势的。但是我们也不能忽略它背后可能会带来的新麻烦。 想象一下,以后每个人都可以都可以搭建应用,那么会不会导致更多的数据冗余和信息孤岛产生?而且冗余的数据如果没有及时同步带来的后果可想而知。 另外,如果不加以限制,通过NCDP搭建应用程序的数量会爆炸式增长,长期如何来维护?谁来维护?等等很多问题在等着我们。 好了,总结一下。 这篇呢Z哥和你聊对当下时髦的NCDP的看法。首先,我认为不管从功能性角度还是价值角度都不会代替程序员,当然以CRUD为主的软件肯定会受到影响。 以后NCDP最多会是像Excel那样的通用技能,每个人都会一些简单的使用方式,比如用来拉拉报表什么的。 但是,作为程序员我们还是要未雨绸缪一下,我能想到的应对这个潮流的道路有三条。
希望对你有所启发。
不管怎样,“人人都是程序员”的时代即将来临,你准备好了吗? (编辑:新余站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |