
《今日美国报》近日撰文,总结了奥巴马担任美国总统期间科技行业的5大变革。
以下为文章全文:
如果特朗普能够连任,那么等到他2024年与我们挥手告别时,科技行业有望进入全新的阶段,届时,我们可以乘坐无人驾驶汽车,规划火星之旅,甚至把机器人当成最好的朋友与之聊天。
这也引发了我们的思考:既然今后8年的科技行业有望发生重大变革,那么在巴拉克·奥巴马(Barack Obama)执政的8年内,科技又给世界带来了哪些变化呢?
移动、移动、移动!他当选美国总统的时候,我们多数人仍在使用台式机或笔记本处理日常工作。而iPhone也刚刚发布一年,这位新总统当时为了继续使用自己钟爱的黑莓手机,还与白宫安全部门展开了旷日持久的斗争。彼时,黑莓是政商两界最受欢迎的通讯设备,而iPhone则被PC行业领导者微软嘲笑为一是狂热。
但时过境迁,一切都已今不复昔。
以下就是2008年以来的五大科技科技变革:
1、智能手机

我们如今每天都会携带智能手机,全球约有26亿人每天使用智能手机。但情况却并非始终如此。根据美国市场研究公司Gartner的统计,2008年的智能手机销量为1.39亿部,2015年则高达14亿部。
在口袋里塞进一台个人电脑已经改变了我们的沟通、拍照、登机和点餐方式。回想一下,你上一次去餐馆却没有看到一个人低头看手机,是在什么时候?
2、社交媒体

2008年,Facebook只有1亿用户,Twitter刚刚开始腾飞。如今,总统大选都以Twitter为阵地,我们则会借助各种社交网络分享和获取信息,并将其作为重要新闻来源——尽管上面的信息未必总是真实可信。
Facebook如今的注册用户高达17.9亿,随着Facebook将直播视频作为其News Feed的重要差异化因素,虚拟现实也成为了这家社交网络未来的发展重点,2024年的Facebook究竟会变成什么样子,令人颇感好奇。
阅后即焚照片分享应用Snapchat 2011年刚刚在斯坦福大学的寝室里被创造出来。如今,这款应用已经成为美国年轻人最喜欢的娱乐方式,日活跃用户高达1.5亿。它10年后的用户能否突破10亿?
3、交通

你上次使用Garmin或TomTom导航是在什么时候?估计至少有8年了。谷歌地图和Waze已经通过手机上的逐向语音导航改变了我们的出行需求。虽然每个人的情况都不一样,但的确有很多人离开了导航应用就不知道该如何出门。借助最新的科技,我们能够以前所未有的方式了解偏僻的街道。
2008年,我们可能会到街边招手打车,但2011年却发生了变化,Uber和Lyft的相继推出也让我们可以在几分钟内打到专车。这种模式大幅蚕食了出租车市场,我们现在支付的车费更低,拼车也更加频繁。如果Uber的设想得以实现,我们几年之后或许真的可以用手机应用叫到无人驾驶汽车。
4、约会

分类广告、网络论坛——这种约会方式似乎已经过时10年了。Tinder改写了约会规则:如果喜欢就向右滑动,不喜欢就向左滑动。该公司表示,大约有100亿人在该网站上配对。
5、流媒体

还记得你上次用《电视指南》了解电视节目信息是什么时候吗?现在,由于Netflix、Hulu、亚马逊、Sling等公司的快速发展,Blockbuster的门店已经悉数倒闭。
我们现在可以自主掌握节目播出时间,自主设定观看的内容。正因如此,有很多人干脆取消了昂贵的有线电视套餐。今后8年,我们可能看到有线电视套餐彻底消失,传统的线性电视模式甚至也有可能就此消亡,一切内容都将以点播形式提供。
我们今后8年可能会看到更多的节目,但却可以通过更具沉浸感的虚拟现实体验获得各种感受。即便是开车的时候也不受影响,因为汽车是由机器人驾驶的。
好文章,需要你的鼓励
Instagram负责人莫塞里在接受采访时透露,平台正考虑引入长视频内容功能,尽管此前一直专注于短视频。他承认为了吸引优质内容,Instagram可能需要支持长视频格式。此外,Meta最近推出了"您的算法"功能,旨在让用户更好地控制信息流内容。莫塞里承诺未来将提供更多工具,让用户主动塑造个性化内容,但完整实现可能需要2-4年时间。
香港大学联合Adobe研究院提出PS-VAE技术,成功解决了AI无法同时具备图像理解和生成能力的难题。通过创新的两阶段训练策略,让AI既能准确理解图片语义,又能生成高质量图像,在图像编辑任务上性能提升近4倍,为统一视觉AI系统开辟新路径,在数字创作、教育、电商等领域具有广阔应用前景。
在信息爆炸的时代,AI实验室的研究员们常常需要面对海量的论文、专利文件、论坛发言等各种渠道的信息。传统的查找方式不仅费时费力,还容易遗漏关键内容。那么,有没有一种方式能让AI真正代替人工,完成从找资料到写出稿的全流程工作?
华中科技大学与马里兰大学研究团队开发出Sage评估框架,首次无需人工标注即可评估AI评判员可靠性。研究发现即使最先进的AI模型在评判任务中也存在严重不一致问题,近四分之一困难情况下无法保持稳定偏好。团队提出明确评判标准和专门微调等改进方法,为构建更可靠AI评估体系提供重要工具。