技术经济周刊TECHNOLOGY&ECONOMY
2018年6月28日星期四Tel:(010)62580722
执行主编:赵广立编辑:李惠钰校对:何工劳E-mail押glzhao@
5G或许将成为我们可能见到的最具影响力的技术变革之
一,因为它不仅是通信技术的演进,更是一场从智能设备、无线技术、接入网、核心网到云端的跨行业革命。
标准已出软肋犹存 ■本报记者贡晓丽 在近日举行的3GPP(第三代合作伙伴计划)第80次TSGRAN会议上,5GNR标准SA(独立组网)方案获得发布,首个面向商用的5G标准出炉。
5G时代离我们更近了一步,这无疑是个利好消息,毕竟利用5G网络的峰值,下载一部8GB的电影只需要6秒,而4G网络下,最快也要七到八分钟。
除了最直观的感受,5G或许将成为我们可能见到的最具影响力的技术变革之
一,因为它不仅是通信技术的演进,更是一场从智能设备、无线技术、接入网、核心网到云端的跨行业革命。
独立组网版的标准意味着5G的无线接口和核心网接口实现了端到端全新的业务承载能力,这也给垂直行业的应用带来机遇。
但另一方面,“这次冻结的标准依然属于R15版本,是第一阶段基础版的5G标准。
”工信部通信科技委常务副主任、中国电信科技委主任韦乐平告诉《中国科学报》记者,不论是从技术还是市场,5G的推广应用仍面临不小的挑战。
真正的5G网络 2017年底,5G的非独立组网(NSA)标准第一个版本正式冻结,相对NSA,此次冻结的SA标准不再是4G网络的补充与增强,也不再采用4G的EPC(演进分组核心网),而是采用全新的5G核心网,并具备体现5G特征的一系列功能:网络切片、MEC(移动边缘计算)、服务化架构等。
“本次冻结的独立组网SA标准应该说是能够体现5G特征的真正的5G网络。
”韦乐平在解释5G网的进步之处时强调。
“从5G技术本身来看,它的特点是支持大带宽、低时延、灵活可配制、适应移动互联网等场景。
”中国信息通信研究院副院长王志勤在近日举行的2018年IMT—2020(5G)峰会上表示。
“5G支持全新的网络架构,通过网络切片、边缘计算等技术的使用,能够针对不同的行业用户配置网络整体资源,实现差异化的应用场景和性能的提升。
” 虽然此次标准的制定对产业发展将有很大的推动作用,但这次冻结的标准依然属于R15版本,离第二阶段完整版的5G标准R16还存在不小差距。
3GPP会议上定义了5G的三大场景:eMBB(增强移动宽带)、uRLLC(超高可靠超低时延通信)和mMTC(大连接物联网)。
韦乐平解释说:“此次冻结的标准主要面向可能最先应用的eMBB商用场景,再加上部分低时延高可靠物联网应用场景,而R16版将重点完成面向高可靠低时延uRLLC物联网垂直应用等场景,这是5G真正差异化的新业务。
” 首个面向商用的5G标准的发布为5G产业的研发奠定了很好的基础。
“要完成R16阶段的标准工作还需要至少15个月时间,到2019年9月份才能完成。
”韦乐平补充道。
发展的车轮已经启动,5G标准所确立的高速率、高容量、低时延和海量连接密度等目标,以及描绘的几大重点应用场景,给电信行业带来诸多新的机遇。
据韦乐平介绍,就eMBB场景而言,可能的应用有4K高清视频、虚拟现实、增强现实、远程会诊、远程教育等;就uRLLC场景而言,可能的应用有工业控制、配电自动化、无人机控制、面向自动驾驶的V2X应用等;就mMTC场景而言,可能的应用有智慧城市、智能家居、工业信息化、智能物流等。
“随着实际网络的部署和行业应用的拓展,更多的潜在应用都可能出现,想象空间很大。
” 今年是关键一年 “5G第一版标准的发布为5G产业的研发奠定了很好的基础,现在正是产业全力以赴投入研发的关键时间点。
”王志勤表示。
技术本身并不是驱动5G发展的源动力,需求才是。
王志勤介绍,行业应用是5G获得成功的一个必备条件,IMT-2020(5G)推进组也在大力推进垂直行业的应用。
此外,5G推进组还专门成立了应用工作组,将部分先行领域和工业领域作为重点研究方向,包括高清视频、AR/VR、无人机、电力行业、公安系统等领域。
“目前已经跟这些行业开 展深度的对接,把行业的需求映射到5G网络的切片、资源配置和实现的具体方式,通过设施和应用示范配合实验进一步推进。
”王志勤说。
自动驾驶被认为是目前最典型的5G应用场景之
一。
“对于智能汽车的安全与商用,无线通信网络将起到关键性作用,包括智能车辆与人、车、路、云端服务等交互。
”中国科学院自动化研究所原副研究员、无人驾驶专家黄武陵向《中国科学报》记者表示。
据黄武陵介绍,5G可以在不依赖广域网覆盖的情况下完成车间和车路通信,现阶段直连通信覆盖可达1公里以上,高速和高密度下的通信时延小于20毫秒。
“实现V2V(车到车)和V2(I车到基础设施)通信,速度和容量都实现跨越,这对自动驾驶安全至关重要。
例如,允许无人驾驶车辆远程运维人员根据现场情况和车辆诊断信息实时评估并接管车辆的操控,避免事故发生。
” 此外,5G网络的安全性和连接性是其商机所在。
在自动驾驶车辆上,人们更需要娱乐与通信连接,5G可满足提供更高带宽的需求。
“现阶段,需要全面达成5G技术规范共识,解决技术上的不确定因素。
”黄武陵表示,例如,中国芯片厂商应加速推出适合车载环境的计算和通信芯片,网络运营商确定如何针对智能网联汽车的交通环境的新基站升级和部署。
商业运营公司可与自动驾驶车辆车企联手,确定和拓展驾驶安全、数据处理与数据管理等领域的合作,并且简化其数据连接、数据存储及数 据分析的管控流程,使得商业变得廉价,让用户愿意升级到5G网络。
王志勤坦言,从研发的角度来看,今年是非常关键的一年,“希望通过今年一年产业的共同努力,实现5G系统的商用和预商用。
” 我国仍存“致命”软肋 5G为我们展现了一个美好的前景,同时也让我们看到其中存在许多的挑战。
在国家03专项支持之下,中国在通信标准的软件实力上已经处于领先地位。
这也得到韦乐平的肯定,“目前中国在国际通信标准的参与度上显著提高,已经成为标准制定的主导者之
一,特别在5G标准上中国的提案数量比4G时代有了很大的提升,提案的采纳度也在逐渐提高”。
“但是,尽管我国标准提案数量巨大,在标准的必要核心专利上还不是很多,与提案的数量不成比例,这也反映了我国在基础性研究实力上还不够坚实。
”韦乐平说。
谈及影响5G发展的“致命性”软肋,韦乐平认为相对标准而言,我国在实际高端芯片的研究制造上差距还较大,特别是在射频芯片上差距更大,在手机射频前端的份额几乎为零,在毫米波段还没有可商用化的芯片。
“这方面不仅需要有相当强度的投入,还需要有很长时间的技术和经验积累才行,必须早下决心,下大决心。
” 从技术层面看,5G首先要面对覆盖难的挑战。
据韦乐平介绍,由于频段高、覆盖差,必然需要有大量的小基站,靠多天线技术的波束赋形和快速扫描追踪有望明显改善,但能否根除覆盖盲点,仍是一个不确定事件。
另外,滤波器的性能和集成,高速可调激光器的传输速率、距离和成本,网络切片带来的跨域、跨技术、跨平台、跨厂家的端到端的技术和非技术的挑战也不容忽视。
从市场层面看,究竟什么应用必须用5G?现在并不确定。
业界所期待的物联网应用能否在近期担当业务收入的大任,也不乐观。
垂直行业对5G的热情和积极性还停留在纸面上。
从投资回报层面看,我国2015年开建4G,现在网络负荷还很轻,2020年就开建5G,仅仅5年时间不太可能收回4G的投资。
其次,5G的频段高,基站多(至少是1.8G的2倍)、基站贵(目标希望能降到4G的2倍)、功耗高(是4G的7倍),投资会大幅增加。
究竟运营商能承担多高的投资增加,什么业务能补偿投资的增加?
韦乐平认为,“这些目前还不清楚,指望流量收入希望不大,指望垂直行业带来的物联网收入,中近期也不靠谱,仍有待技术和业务的突破或者拉长投资期。
”。
异言堂 近年来共享经济迎来大发展,各类“共享”概念层出不穷。
共享单车之外,共享充电宝、共享睡眠舱、共享健身房等业态都在探索共享模式中的机会。
然而,近期在山东、福建等地新兴的“共享护士”,将护士这一本该在医院发挥技能的群体,当做一项上门服务项目来经营,让人觉得好像哪里不对劲。
所谓的“共享护士”,实际上是通过移动端APP,将“专业医护”“执业护士护理”等服务的购买场景从医院转换到患者的家中,具体医疗服务包括上门打针输液、上门体检、上门推拿、导尿等。
这种模式下,患者减少了去医院排队、挂号、缴费等时间,在没有家人陪护的情况下也能得到放心的医疗护理;于医疗方而言,一方面可以大大缓解医院紧张的医疗资源,护士也能够 护 士﹃ 共 ■赵广 享 立﹄存 隐 忧 通过上门服务实现技能变现,增加 额外收入。
鉴于此,许多人对“共享护士” 这一模式前景看好。
特别是,据卫 健委数据,到2020年,我国60岁 以上的老人将增加2.55亿,空巢老人将增加1.18 亿。
而另一项统计数据显示,我国91%的已故老人死 于慢性病。
联想到独生子女家庭在照顾病患老人方 面的捉襟见肘,面向疾患的上门护理,看起来“风口” 很大。
但在笔者看来“,共享护士”好处虽多,潜在的问 题也不少。
首先,护士的护理服务,本质上还是医疗服务行 为,其性质不同于普通上门家政服务。
正规医院的输 液室会有严格的验药、配制等程序,以及应对突发状 况的医生值班和抢救设备等,这是“共享护士”所不 具备的。
这就意味着“共享护士”平台要在相关部门 的指导下开展可控的服务项目,而哪些服务算是“可 控的”? 其次,从安全的角度而言,一方是孱弱的病患,
一 方是以女性居多的护士,假设两方中有一方居心叵 测,使用虚假信息利用平台“钓鱼”,都难保不会发生 伤人或图财害命的恶劣事件。
如何严密审核各个平台 注册护士的资质,以及如何防止别有用心之人借类似 平台开展违法活动,也需要顶层设计上的考虑。
再次,依照现有的执业管理规范,护士在执业医 疗机构之外提供有偿服务的“共享护士”服务行为, 应属于违法执业。
如果涉嫌异地非法执业,那么“共 享护士”平台的做法恐怕首先就要解决合法合规的 问题才能继续开展。
最后,如何防止注射美白针等一些处于灰色地 带的“医疗服务”借“共享护士”模式大行其道,也是 监管部门需要考虑的问题。
医疗服务是人命关天的大事,它比其他的共享 经济复杂百倍千倍。
就算“共享护士”市场很大、能够 打通病人和医疗服务间的壁垒,如果要套上“共享经 济”的外衣,也要将规范考虑在前面。
政府相关部门 须在准入、保险、平台责任等多方面加强引导和规 范,确保这一新模式真正能够服务病患、保障各方权 益,才可推而广之。
按图索“技” ①VAR
示意图②VAR场边③VAR室内 世界杯上VAR是如何工作的? 世界杯赛场上,当主裁判在空中比划出一个框时,VAR(视频助理裁判)就登场了。
VAR,这个足球赛场上还略显陌生的名词,已经一跃成为比赛中的焦点了。
事实也正是如此———在北京时间6月26日凌晨2点同时开打的B组的两场关键战中,VAR在两场比赛的两个进球中均起到了关键作用,西班牙和葡萄牙足球队的命运也因此改写。
2018俄罗斯世界杯是世界杯历史上第一次采用VAR技术。
VAR也不负使命,在保障比赛公平性的表现上有目共睹———据统计,本届世界杯截至目前所出现的错漏判要远远少于往届世界杯同阶段,即使是曾用“上帝之手”改变比赛结果的马拉多纳也肯定了VAR的作用,并认为“科技可以让比赛变得更加透明和公正”。
作为一项辅助技术手段,VAR到底是如何工作的? VAR的背后是由1名裁判组长和
3 名助手组成的四人VAR裁判组。
在视频 操作间内,VAR裁判组成员面前摆着多 台监视器,他们有权限调取比赛球场内的 33台摄像机———其中包括8台慢速摄像 机和4台超慢速摄像机以及2台越位判 定摄像机。
当场上发生争议时,VAR裁判 组能多角度、全方位地回看争议场景,快 速做出判断。
据报道,在淘汰赛阶段,还会增加两个 超慢回放摄像头,用来回看每个进球的过 程。
此外,为了确保裁判之间没有“暗箱操 作”,视频回放室内还会安排一名国际足联 官员,负责监督所有视频回放及裁判之间 的沟通。
值得一提的是,为了保证比赛的流畅 性,VAR
在比赛中以静默查看的方式进行。
尽管此前曾有声音质疑VAR技术的引进 将“人为地割裂比赛”,会影响比赛的整体 性和流畅性,但从目前的情况看,这一担忧 并没有成为现实。
(赵广立整理) 专家视点 搭建A“I积木”还缺少新工程学科 ■迈克尔·乔丹 作为这个时代的代名词,人工智能(AI)受到技术人员、学者和风险投资人等社会各界的追捧,但这个名词在被使用的过程中却伴随着种种误解。
当我们用大数据推断出某一事件的结果,就需要反思:数据来自哪里?数据得出了什么推论?这些推断与当前情况之间的相关程度如何? 虽然人工智能大工程的“积木”块已经具备,但是把这些积木块组合在一起的原则还没有出现,所以这些积木的组合现在还是以特例的方式存在。
正如早期没有土木工程学科之前的建筑和桥梁,有时会以不可预见的方式崩塌一样,目前许多早期的大规模推理和决策系统已经暴露出严重的概念缺陷。
我们并不善于预测下一个会出现的严重缺陷,但我们能够意识到,AI领域缺少的是一个具有分析和设计原理的工程学科。
AI概念需厘清 一个训练有素的医学专家也许能够逐个解决大部分的医疗问题,但问题是,我们能否设计出全球医疗系统的解决方案,不用人类监督也可以解决相关问题?作为一名计算机科学家,想要建立这种全球的推理和决策系统所需的原则,将计算机科学与统计学相结合,并考虑到人类的福祉———至今还无法做到。
不仅在医疗领域,在商业、交通和教育等领域,这些原则的建立与发展都与AI系统一样重要。
当我们频繁地使用“AI”,就很难推理AI这项新兴技术的范围和后果。
我们需要仔细思考AI指的是什么。
今天大多数所谓“AI”,指的是机器学习或是数据科学,甚至优化和统计学等领域也包括在内。
AI的概念总是不确定且外延不断发展扩大,使用这个单一的、定义不清的缩略词,会妨碍人们对技术和商业变革的清晰理解。
无论是否能很快理解“智能”,我们都面临一个重大挑战,即将计算机和人类友好交互,从而给人类生活带来便利。
为了解决这一问题,就需要创建一个新的学科,这门新学科的目标是聚合几个核心思想的力量,以安全的方式为人们带来新的资源和能力。
这个新的工程学科将以“信息”“算法”“数 据”“不确定性”“计算”“推理”“优化”等思想为基础。
由于这个新学科建立在有关人类的数据之上,所以其发展也需要从社会科学和人文科学的视角剖析。
关注智能增强和智能基础设施 目前看来,我们的研究重点除了“类人AI”,还应该对“智能增强”(IA)和“智能基础设施”(II)两大系统给予更多关注。
在过去的二十年里,IA在工业和学术界取得了重大进展,这是对“类人AI”的补充。
在IA领域,计算和数据被用来增强人类智力和创造力。
搜索引擎可以被看作是IA的一个例子(它增强了人类的记忆和知识),自然语言翻译也是如此(它增强了人类的交流能力)。
基于计算的声音和图像生成,虽然可能涉及高层次的推理和思想,但目前它们仍在执行各种字符串匹配和数字操作,其真正的作用还没有展现。
II即一个由计算、数据和物理实体组成的网络,它使人类所处的环境更加友好、有趣和安全。
现在这种基础设施已开始出现在运输、医药、商业和金融等领域,并对个人和社会产生巨大影响。
我们可以想象,在一个“社会规模的医疗系统”中生活,它建立了医生以及位于患者体内外设备之间的数据流和数据分析流程,从而帮助人类进行诊断和提供护理。
当然也可同时预见,这一系统将会出现很多问题,比如隐私、责任、安全等问题,但这些问题应该被视为挑战,而不是阻碍。
我们现在需要解决的问题是:如果要建立上述系统,“类人AI”研究是最佳,或者是唯一的方法吗? 机器学习领域的成功案例中,有一些与“类人AI”有关,如计算机视觉、语音识别、人机对局和机器人等。
这些领域的进一步发展值得期待。
而要实现这样的技术,还需要解决一系列的工程问题,而这些问题可能与人所缺乏的能力关系不大。
今后,整个智能系统可能会复杂得多,尤其是将使用大量数据和自适应统计建模来进行更细层面上的决策。
这些挑战才是最需要被摆在首位的,而在努力解决这些挑战的过程中,专注于 “类人AI”可能会令人分心。
专注“类人AI”研究的观点可能会认为,人类 的智慧是我们目前所能知道的唯一一种智慧,我们应该先模仿它。
但其实人类在某些推理上并不十分擅长———我们会有失误、偏见和局限。
关键是,人类还没有演化出大规模决策的能力,这种能力是现代II系统必须拥有的。
人类也还不足以应对II系统场景中的各种不确定性。
重要的是,必须将激励、定价等经济概念带入统计和计算基础设施领域,是它们连接了人与人、人与商品。
这样,II系统就不仅仅是提供服务,而是在创造市场。
构建以人类为中心的工程学科 目前,AI研究的重点还是收集数据、部署“深度学习”基础设施、展示能模仿某些狭义上的人类技能(即几乎没有新出现的解释原则)的系统。
但是,这样的研究重点偏离了经典AI研究里最主要的开放性问题,包括在自然语言处理系统中引入推理和意义以及开发制定和追求长期目标系统的必要性。
这些都是“类人AI”研究中的经典目标,但在目前的AI热潮中,这些亟待解决的问题很容易被忽略。
我们希望计算机能够激发人类更高的创造水平,而不是取代人类的创造力,我们面临由AI、IA和II带来的全方位挑战和机遇。
过于集中地关注“类人AI”,会让人们屏蔽很多声音。
工业领域的进步将继续推动发展,学术界也将继续发挥重要作用,学术界的作用不仅在于提供创新性的技术理念,而且在于将来自:计算机和统计科学、社会科学、认知科学和人文科学等不同领域的研究人员汇聚起来,他们的价值和观点十分重要。
在学术界以及其它领域里,“工程学”这个术语经常被狭义地引用,以指代机器,但工程学科其实是可以成为我们想要的样子的。
我们有机会来建构一种新学科领域———真正以人类为中心的工程学科。
(作者系美国加州大学伯克利分校计算机科学与统计学教授,本报记者贡晓丽编译整理)
一,因为它不仅是通信技术的演进,更是一场从智能设备、无线技术、接入网、核心网到云端的跨行业革命。
标准已出软肋犹存 ■本报记者贡晓丽 在近日举行的3GPP(第三代合作伙伴计划)第80次TSGRAN会议上,5GNR标准SA(独立组网)方案获得发布,首个面向商用的5G标准出炉。
5G时代离我们更近了一步,这无疑是个利好消息,毕竟利用5G网络的峰值,下载一部8GB的电影只需要6秒,而4G网络下,最快也要七到八分钟。
除了最直观的感受,5G或许将成为我们可能见到的最具影响力的技术变革之
一,因为它不仅是通信技术的演进,更是一场从智能设备、无线技术、接入网、核心网到云端的跨行业革命。
独立组网版的标准意味着5G的无线接口和核心网接口实现了端到端全新的业务承载能力,这也给垂直行业的应用带来机遇。
但另一方面,“这次冻结的标准依然属于R15版本,是第一阶段基础版的5G标准。
”工信部通信科技委常务副主任、中国电信科技委主任韦乐平告诉《中国科学报》记者,不论是从技术还是市场,5G的推广应用仍面临不小的挑战。
真正的5G网络 2017年底,5G的非独立组网(NSA)标准第一个版本正式冻结,相对NSA,此次冻结的SA标准不再是4G网络的补充与增强,也不再采用4G的EPC(演进分组核心网),而是采用全新的5G核心网,并具备体现5G特征的一系列功能:网络切片、MEC(移动边缘计算)、服务化架构等。
“本次冻结的独立组网SA标准应该说是能够体现5G特征的真正的5G网络。
”韦乐平在解释5G网的进步之处时强调。
“从5G技术本身来看,它的特点是支持大带宽、低时延、灵活可配制、适应移动互联网等场景。
”中国信息通信研究院副院长王志勤在近日举行的2018年IMT—2020(5G)峰会上表示。
“5G支持全新的网络架构,通过网络切片、边缘计算等技术的使用,能够针对不同的行业用户配置网络整体资源,实现差异化的应用场景和性能的提升。
” 虽然此次标准的制定对产业发展将有很大的推动作用,但这次冻结的标准依然属于R15版本,离第二阶段完整版的5G标准R16还存在不小差距。
3GPP会议上定义了5G的三大场景:eMBB(增强移动宽带)、uRLLC(超高可靠超低时延通信)和mMTC(大连接物联网)。
韦乐平解释说:“此次冻结的标准主要面向可能最先应用的eMBB商用场景,再加上部分低时延高可靠物联网应用场景,而R16版将重点完成面向高可靠低时延uRLLC物联网垂直应用等场景,这是5G真正差异化的新业务。
” 首个面向商用的5G标准的发布为5G产业的研发奠定了很好的基础。
“要完成R16阶段的标准工作还需要至少15个月时间,到2019年9月份才能完成。
”韦乐平补充道。
发展的车轮已经启动,5G标准所确立的高速率、高容量、低时延和海量连接密度等目标,以及描绘的几大重点应用场景,给电信行业带来诸多新的机遇。
据韦乐平介绍,就eMBB场景而言,可能的应用有4K高清视频、虚拟现实、增强现实、远程会诊、远程教育等;就uRLLC场景而言,可能的应用有工业控制、配电自动化、无人机控制、面向自动驾驶的V2X应用等;就mMTC场景而言,可能的应用有智慧城市、智能家居、工业信息化、智能物流等。
“随着实际网络的部署和行业应用的拓展,更多的潜在应用都可能出现,想象空间很大。
” 今年是关键一年 “5G第一版标准的发布为5G产业的研发奠定了很好的基础,现在正是产业全力以赴投入研发的关键时间点。
”王志勤表示。
技术本身并不是驱动5G发展的源动力,需求才是。
王志勤介绍,行业应用是5G获得成功的一个必备条件,IMT-2020(5G)推进组也在大力推进垂直行业的应用。
此外,5G推进组还专门成立了应用工作组,将部分先行领域和工业领域作为重点研究方向,包括高清视频、AR/VR、无人机、电力行业、公安系统等领域。
“目前已经跟这些行业开 展深度的对接,把行业的需求映射到5G网络的切片、资源配置和实现的具体方式,通过设施和应用示范配合实验进一步推进。
”王志勤说。
自动驾驶被认为是目前最典型的5G应用场景之
一。
“对于智能汽车的安全与商用,无线通信网络将起到关键性作用,包括智能车辆与人、车、路、云端服务等交互。
”中国科学院自动化研究所原副研究员、无人驾驶专家黄武陵向《中国科学报》记者表示。
据黄武陵介绍,5G可以在不依赖广域网覆盖的情况下完成车间和车路通信,现阶段直连通信覆盖可达1公里以上,高速和高密度下的通信时延小于20毫秒。
“实现V2V(车到车)和V2(I车到基础设施)通信,速度和容量都实现跨越,这对自动驾驶安全至关重要。
例如,允许无人驾驶车辆远程运维人员根据现场情况和车辆诊断信息实时评估并接管车辆的操控,避免事故发生。
” 此外,5G网络的安全性和连接性是其商机所在。
在自动驾驶车辆上,人们更需要娱乐与通信连接,5G可满足提供更高带宽的需求。
“现阶段,需要全面达成5G技术规范共识,解决技术上的不确定因素。
”黄武陵表示,例如,中国芯片厂商应加速推出适合车载环境的计算和通信芯片,网络运营商确定如何针对智能网联汽车的交通环境的新基站升级和部署。
商业运营公司可与自动驾驶车辆车企联手,确定和拓展驾驶安全、数据处理与数据管理等领域的合作,并且简化其数据连接、数据存储及数 据分析的管控流程,使得商业变得廉价,让用户愿意升级到5G网络。
王志勤坦言,从研发的角度来看,今年是非常关键的一年,“希望通过今年一年产业的共同努力,实现5G系统的商用和预商用。
” 我国仍存“致命”软肋 5G为我们展现了一个美好的前景,同时也让我们看到其中存在许多的挑战。
在国家03专项支持之下,中国在通信标准的软件实力上已经处于领先地位。
这也得到韦乐平的肯定,“目前中国在国际通信标准的参与度上显著提高,已经成为标准制定的主导者之
一,特别在5G标准上中国的提案数量比4G时代有了很大的提升,提案的采纳度也在逐渐提高”。
“但是,尽管我国标准提案数量巨大,在标准的必要核心专利上还不是很多,与提案的数量不成比例,这也反映了我国在基础性研究实力上还不够坚实。
”韦乐平说。
谈及影响5G发展的“致命性”软肋,韦乐平认为相对标准而言,我国在实际高端芯片的研究制造上差距还较大,特别是在射频芯片上差距更大,在手机射频前端的份额几乎为零,在毫米波段还没有可商用化的芯片。
“这方面不仅需要有相当强度的投入,还需要有很长时间的技术和经验积累才行,必须早下决心,下大决心。
” 从技术层面看,5G首先要面对覆盖难的挑战。
据韦乐平介绍,由于频段高、覆盖差,必然需要有大量的小基站,靠多天线技术的波束赋形和快速扫描追踪有望明显改善,但能否根除覆盖盲点,仍是一个不确定事件。
另外,滤波器的性能和集成,高速可调激光器的传输速率、距离和成本,网络切片带来的跨域、跨技术、跨平台、跨厂家的端到端的技术和非技术的挑战也不容忽视。
从市场层面看,究竟什么应用必须用5G?现在并不确定。
业界所期待的物联网应用能否在近期担当业务收入的大任,也不乐观。
垂直行业对5G的热情和积极性还停留在纸面上。
从投资回报层面看,我国2015年开建4G,现在网络负荷还很轻,2020年就开建5G,仅仅5年时间不太可能收回4G的投资。
其次,5G的频段高,基站多(至少是1.8G的2倍)、基站贵(目标希望能降到4G的2倍)、功耗高(是4G的7倍),投资会大幅增加。
究竟运营商能承担多高的投资增加,什么业务能补偿投资的增加?
韦乐平认为,“这些目前还不清楚,指望流量收入希望不大,指望垂直行业带来的物联网收入,中近期也不靠谱,仍有待技术和业务的突破或者拉长投资期。
”。
异言堂 近年来共享经济迎来大发展,各类“共享”概念层出不穷。
共享单车之外,共享充电宝、共享睡眠舱、共享健身房等业态都在探索共享模式中的机会。
然而,近期在山东、福建等地新兴的“共享护士”,将护士这一本该在医院发挥技能的群体,当做一项上门服务项目来经营,让人觉得好像哪里不对劲。
所谓的“共享护士”,实际上是通过移动端APP,将“专业医护”“执业护士护理”等服务的购买场景从医院转换到患者的家中,具体医疗服务包括上门打针输液、上门体检、上门推拿、导尿等。
这种模式下,患者减少了去医院排队、挂号、缴费等时间,在没有家人陪护的情况下也能得到放心的医疗护理;于医疗方而言,一方面可以大大缓解医院紧张的医疗资源,护士也能够 护 士﹃ 共 ■赵广 享 立﹄存 隐 忧 通过上门服务实现技能变现,增加 额外收入。
鉴于此,许多人对“共享护士” 这一模式前景看好。
特别是,据卫 健委数据,到2020年,我国60岁 以上的老人将增加2.55亿,空巢老人将增加1.18 亿。
而另一项统计数据显示,我国91%的已故老人死 于慢性病。
联想到独生子女家庭在照顾病患老人方 面的捉襟见肘,面向疾患的上门护理,看起来“风口” 很大。
但在笔者看来“,共享护士”好处虽多,潜在的问 题也不少。
首先,护士的护理服务,本质上还是医疗服务行 为,其性质不同于普通上门家政服务。
正规医院的输 液室会有严格的验药、配制等程序,以及应对突发状 况的医生值班和抢救设备等,这是“共享护士”所不 具备的。
这就意味着“共享护士”平台要在相关部门 的指导下开展可控的服务项目,而哪些服务算是“可 控的”? 其次,从安全的角度而言,一方是孱弱的病患,
一 方是以女性居多的护士,假设两方中有一方居心叵 测,使用虚假信息利用平台“钓鱼”,都难保不会发生 伤人或图财害命的恶劣事件。
如何严密审核各个平台 注册护士的资质,以及如何防止别有用心之人借类似 平台开展违法活动,也需要顶层设计上的考虑。
再次,依照现有的执业管理规范,护士在执业医 疗机构之外提供有偿服务的“共享护士”服务行为, 应属于违法执业。
如果涉嫌异地非法执业,那么“共 享护士”平台的做法恐怕首先就要解决合法合规的 问题才能继续开展。
最后,如何防止注射美白针等一些处于灰色地 带的“医疗服务”借“共享护士”模式大行其道,也是 监管部门需要考虑的问题。
医疗服务是人命关天的大事,它比其他的共享 经济复杂百倍千倍。
就算“共享护士”市场很大、能够 打通病人和医疗服务间的壁垒,如果要套上“共享经 济”的外衣,也要将规范考虑在前面。
政府相关部门 须在准入、保险、平台责任等多方面加强引导和规 范,确保这一新模式真正能够服务病患、保障各方权 益,才可推而广之。
按图索“技” ①VAR
示意图②VAR场边③VAR室内 世界杯上VAR是如何工作的? 世界杯赛场上,当主裁判在空中比划出一个框时,VAR(视频助理裁判)就登场了。
VAR,这个足球赛场上还略显陌生的名词,已经一跃成为比赛中的焦点了。
事实也正是如此———在北京时间6月26日凌晨2点同时开打的B组的两场关键战中,VAR在两场比赛的两个进球中均起到了关键作用,西班牙和葡萄牙足球队的命运也因此改写。
2018俄罗斯世界杯是世界杯历史上第一次采用VAR技术。
VAR也不负使命,在保障比赛公平性的表现上有目共睹———据统计,本届世界杯截至目前所出现的错漏判要远远少于往届世界杯同阶段,即使是曾用“上帝之手”改变比赛结果的马拉多纳也肯定了VAR的作用,并认为“科技可以让比赛变得更加透明和公正”。
作为一项辅助技术手段,VAR到底是如何工作的? VAR的背后是由1名裁判组长和
3 名助手组成的四人VAR裁判组。
在视频 操作间内,VAR裁判组成员面前摆着多 台监视器,他们有权限调取比赛球场内的 33台摄像机———其中包括8台慢速摄像 机和4台超慢速摄像机以及2台越位判 定摄像机。
当场上发生争议时,VAR裁判 组能多角度、全方位地回看争议场景,快 速做出判断。
据报道,在淘汰赛阶段,还会增加两个 超慢回放摄像头,用来回看每个进球的过 程。
此外,为了确保裁判之间没有“暗箱操 作”,视频回放室内还会安排一名国际足联 官员,负责监督所有视频回放及裁判之间 的沟通。
值得一提的是,为了保证比赛的流畅 性,VAR
在比赛中以静默查看的方式进行。
尽管此前曾有声音质疑VAR技术的引进 将“人为地割裂比赛”,会影响比赛的整体 性和流畅性,但从目前的情况看,这一担忧 并没有成为现实。
(赵广立整理) 专家视点 搭建A“I积木”还缺少新工程学科 ■迈克尔·乔丹 作为这个时代的代名词,人工智能(AI)受到技术人员、学者和风险投资人等社会各界的追捧,但这个名词在被使用的过程中却伴随着种种误解。
当我们用大数据推断出某一事件的结果,就需要反思:数据来自哪里?数据得出了什么推论?这些推断与当前情况之间的相关程度如何? 虽然人工智能大工程的“积木”块已经具备,但是把这些积木块组合在一起的原则还没有出现,所以这些积木的组合现在还是以特例的方式存在。
正如早期没有土木工程学科之前的建筑和桥梁,有时会以不可预见的方式崩塌一样,目前许多早期的大规模推理和决策系统已经暴露出严重的概念缺陷。
我们并不善于预测下一个会出现的严重缺陷,但我们能够意识到,AI领域缺少的是一个具有分析和设计原理的工程学科。
AI概念需厘清 一个训练有素的医学专家也许能够逐个解决大部分的医疗问题,但问题是,我们能否设计出全球医疗系统的解决方案,不用人类监督也可以解决相关问题?作为一名计算机科学家,想要建立这种全球的推理和决策系统所需的原则,将计算机科学与统计学相结合,并考虑到人类的福祉———至今还无法做到。
不仅在医疗领域,在商业、交通和教育等领域,这些原则的建立与发展都与AI系统一样重要。
当我们频繁地使用“AI”,就很难推理AI这项新兴技术的范围和后果。
我们需要仔细思考AI指的是什么。
今天大多数所谓“AI”,指的是机器学习或是数据科学,甚至优化和统计学等领域也包括在内。
AI的概念总是不确定且外延不断发展扩大,使用这个单一的、定义不清的缩略词,会妨碍人们对技术和商业变革的清晰理解。
无论是否能很快理解“智能”,我们都面临一个重大挑战,即将计算机和人类友好交互,从而给人类生活带来便利。
为了解决这一问题,就需要创建一个新的学科,这门新学科的目标是聚合几个核心思想的力量,以安全的方式为人们带来新的资源和能力。
这个新的工程学科将以“信息”“算法”“数 据”“不确定性”“计算”“推理”“优化”等思想为基础。
由于这个新学科建立在有关人类的数据之上,所以其发展也需要从社会科学和人文科学的视角剖析。
关注智能增强和智能基础设施 目前看来,我们的研究重点除了“类人AI”,还应该对“智能增强”(IA)和“智能基础设施”(II)两大系统给予更多关注。
在过去的二十年里,IA在工业和学术界取得了重大进展,这是对“类人AI”的补充。
在IA领域,计算和数据被用来增强人类智力和创造力。
搜索引擎可以被看作是IA的一个例子(它增强了人类的记忆和知识),自然语言翻译也是如此(它增强了人类的交流能力)。
基于计算的声音和图像生成,虽然可能涉及高层次的推理和思想,但目前它们仍在执行各种字符串匹配和数字操作,其真正的作用还没有展现。
II即一个由计算、数据和物理实体组成的网络,它使人类所处的环境更加友好、有趣和安全。
现在这种基础设施已开始出现在运输、医药、商业和金融等领域,并对个人和社会产生巨大影响。
我们可以想象,在一个“社会规模的医疗系统”中生活,它建立了医生以及位于患者体内外设备之间的数据流和数据分析流程,从而帮助人类进行诊断和提供护理。
当然也可同时预见,这一系统将会出现很多问题,比如隐私、责任、安全等问题,但这些问题应该被视为挑战,而不是阻碍。
我们现在需要解决的问题是:如果要建立上述系统,“类人AI”研究是最佳,或者是唯一的方法吗? 机器学习领域的成功案例中,有一些与“类人AI”有关,如计算机视觉、语音识别、人机对局和机器人等。
这些领域的进一步发展值得期待。
而要实现这样的技术,还需要解决一系列的工程问题,而这些问题可能与人所缺乏的能力关系不大。
今后,整个智能系统可能会复杂得多,尤其是将使用大量数据和自适应统计建模来进行更细层面上的决策。
这些挑战才是最需要被摆在首位的,而在努力解决这些挑战的过程中,专注于 “类人AI”可能会令人分心。
专注“类人AI”研究的观点可能会认为,人类 的智慧是我们目前所能知道的唯一一种智慧,我们应该先模仿它。
但其实人类在某些推理上并不十分擅长———我们会有失误、偏见和局限。
关键是,人类还没有演化出大规模决策的能力,这种能力是现代II系统必须拥有的。
人类也还不足以应对II系统场景中的各种不确定性。
重要的是,必须将激励、定价等经济概念带入统计和计算基础设施领域,是它们连接了人与人、人与商品。
这样,II系统就不仅仅是提供服务,而是在创造市场。
构建以人类为中心的工程学科 目前,AI研究的重点还是收集数据、部署“深度学习”基础设施、展示能模仿某些狭义上的人类技能(即几乎没有新出现的解释原则)的系统。
但是,这样的研究重点偏离了经典AI研究里最主要的开放性问题,包括在自然语言处理系统中引入推理和意义以及开发制定和追求长期目标系统的必要性。
这些都是“类人AI”研究中的经典目标,但在目前的AI热潮中,这些亟待解决的问题很容易被忽略。
我们希望计算机能够激发人类更高的创造水平,而不是取代人类的创造力,我们面临由AI、IA和II带来的全方位挑战和机遇。
过于集中地关注“类人AI”,会让人们屏蔽很多声音。
工业领域的进步将继续推动发展,学术界也将继续发挥重要作用,学术界的作用不仅在于提供创新性的技术理念,而且在于将来自:计算机和统计科学、社会科学、认知科学和人文科学等不同领域的研究人员汇聚起来,他们的价值和观点十分重要。
在学术界以及其它领域里,“工程学”这个术语经常被狭义地引用,以指代机器,但工程学科其实是可以成为我们想要的样子的。
我们有机会来建构一种新学科领域———真正以人类为中心的工程学科。
(作者系美国加州大学伯克利分校计算机科学与统计学教授,本报记者贡晓丽编译整理)
声明:
该资讯来自于互联网网友发布,如有侵犯您的权益请联系我们。