据报道,美国国防科技初创公司Anduril Industries宣布正在与微软合作,将其Lattice软件整合进美国陆军的集成视觉增强系统(Integrated Visual Augmentation System,IVAS)中,这一合作将可以提升士兵的战场感知能力和作战效率。
Anduril的Lattice是一个开放的软件平台,能够整合来自各种传感器、网络和系统的数据,并通过人工智能、机器学习和传感器数据处理技术,为用户筛选高价值信息。这种整合可以让士兵能够实时接收到来自无人机、地面车辆和空中防御系统的信息,从而快速识别和响应战场上的威胁。
IVAS是基于微软HoloLens技术开发,不仅包括了增强现实护目镜,还集成了夜视、热成像和其它传感器,以及云服务工具和自适应小队架构软件。这些技术的综合应用,使得士兵能够在战场上获得前所未有的态势感知能力。
目前IVAS的最新版本是IVAS 1.2。这个版本在设计上进行了多项改进,解决了早期版本中士兵使用时出现的眩晕和不适问题。IVAS 1.2具有更扁平的设计,便于士兵轻松翻转,提高了佩戴的舒适度。此外,计算机模块从头部前部移至头盔后部,并缩短了连接线,进一步改善了人体工程学设计。IVAS 1.2还包含了一个新的低光传感器,增强了在暗环境中的功能。
这次合作的目的是将Lattice平台集成到IVAS生态系统中,利用Anduril在软件和系统集成方面的专业知识,增强通过IVAS向士兵提供的作战能力。Lattice整合到微软的IVAS硬件和软件平台后,士兵将能够更有效地检测、跟踪和应对实时威胁,提高在复杂环境中的生存能力。
Anduril的创始人,也是Oculus VR的前创始人帕尔默·拉奇(Palmer Luckey)表示:“我们的想法是增强士兵的能力,包括他们的视觉和听觉感知,基本上就是给他们超人的视力,让他们更加致命。”据悉,这个项目是他在Anduril的首要任务,并且他已经为这个项目准备了多年。
微软混合现实部门的企业副总裁Robin Seiler也强调:“通过整合现有和新的软件及传感器,IVAS为每位士兵提供了战场的全景,使作战更安全、更有效。我们与Anduril的合作,将他们的关键传感器套件以及开创性的Lattice系统集成到IVAS中,并将进一步扩大IVAS对每位美国士兵的影响。”
美国陆军计划在2025年将IVAS 1.2投入实战使用,此外,美国陆军还计划在2025财年采购超过3000套IVAS 1.2系统,并为此申请了2.55亿美元的预算。
与美国军方签订增强现实技术合同曾在微软内部引发了争议。2018年11月,微软获得了一份价值4.8亿美元的合同,将为美国陆军提供增强现实系统原型,用于实战和训练。根据合同,陆军将购买超过10万台头戴设备。然而,这一决定遭到了微软员工的反对,他们通过联名信的形式表达了对微软参与军事项目的不满。
在一封致微软高层的信中,员工们表示他们对于微软向美国军方提供武器技术的合同感到震惊,并指出这与他们加入微软的初衷相违背。信中提到:“我们没有注册开发武器,我们要求对工作成果的使用方式发表意见。”员工们要求微软取消与美国陆军的合同,并停止开发任何武器技术。他们还要求公司制定公开政策,承诺不制造武器技术,并设立外部道德审查委员会来执行这一政策。
微软CEO萨蒂亚·纳德拉(Satya Nadella)对此进行了辩护,他表示微软不会向美国政府“隐瞒技术”,并强调微软将继续与员工进行对话,同时考虑公司作为美国企业公民的角色。纳德拉在移动世界大会上表示,微软“清楚地认识到我们作为企业公民的责任”,但他认为向美国军方提供武器的决定是正确的。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。