世界最快、寿命百倍于闪存

混合读写性能是傲腾的拿手好戏之一。NAND 闪存在读取方面表现更好，而随着写入负载比例的加大，性能会持续走低，最终能丢掉一半的速度。

　　但是傲腾相当黑科技，从纯读取向读写混合转变的时候，性能会不降反升，在最典型的 70％ 读取、30％ 写入混合负载中达到最高水平，此时性能可以接近 200 万 IOPS，要比 AND 闪存高出足足 3.7 倍。

　　这种状态一直能持续到 30％ 读取、70％ 写入，而即便在 100％ 写入的时候，性能也会和 100％ 读取基本不相上下。

　　另外，傲腾强大的读写能力，可以更轻松地喂饱数据中心里的 100GbE (十万兆)网络，效率是 NAND 闪存的 16-35 倍。

　　如果使用 PX5800，只要最小的 400GB 容量，2 块随机读取，或者 3 块随机写入，或者 3 块混合读写，都能吃满 100GbE 网络。

　　而使用传统闪存，比如说 D7-P5600 ，就得动用大容量的 3.2TB，还得 4 块随机读取，或者 13 块随机写入，或者 7 块混合读写，才能让 100GbE 网络不会闲置。
 

嫦娥五号轨道器和返回器组合体正在回归地球的路上，目前距离地球约 3.8 万公里，可以说到家门口了，预计今夜凌晨3-4 点左右返回地球，第一次为中国带回月球“土特产”。

　　嫦娥五号返回器将会降落在位于内蒙古的四王子旗着陆场，位于内蒙古草原中部，也是我国神舟飞船的主着陆场。

　　尽管刚刚经历了一场降雪，但是四王子旗着陆场已经做好全部准备工作，迎接嫦娥五号回家。

　　为保障此次任务，气象分队提前 3 个月进驻着陆场区，24 小时不间断观测温度、湿度、气压、风向、风速等，每日零点释放高空探测气球。

　　嫦娥五号返回器的返回方式非常特殊，采用半弹道跳跃式，形象地说就是“打水漂”，控制难度非常大，回收区的范围也特别大，因此在冰天雪地的夜间寻找如此小的目标，难度可想而知。

　　为此，搜索回收分队组织了多次贴近实战的训练演练，空中分队、地面分队同时行动，雷达测量数据实时送到直升机和搜索车辆上，引导直升机和车辆搜索接近返回器。

这表明，采用 VAR 技术的赛事或与 VAR 相关的事件都会给观众带来明显的不满情绪。

　　那么如何减少观众们的消极评估，除了进一步提升技术减少乌龙事件外，研究人员在此也给提出了两条建议：

　　足球协会在 VAR 的使用过程中应尽可能确保透明度，即在球场上同步公布 AI 评审过程的信息。

　　足球管理机构需要改进现行体制，实施质询制度，让比赛各方可以通过对现场投诉来启动审查程序。

　　AI 赋能体育的可能性

　　可见，基于视觉技术的 AI，在赛事直播和辅助裁判方面还远不够成熟。

　　不过从现实考量来看，AI 想要做好这件事确实不容易。因为包括足球赛在内的任何大型体育赛事，不仅现场瞬息万变，涉及运动员众多，而且场地也足够大，这些外在因素对 AI、对硬件、对算法都提出了非常高的要求。

　　另外，它还要求系统必须有一个强大的后台大脑，能够能实时地分析若干数据，在最短的时间内提供最为科学的现场报告，这一点在辅助裁判方面体现的尤为明显。

　　虽然目前的 AI 技术存在明显的局限性，但这并不妨碍它在赋能体育市场的可能性。

　　最近几年，AI 加速渗透到体育领域，在多次翻车事件之后，其实我们可以看到 AI 技术的不断升级、优化，看到它在更多潜在应用场景的价值，比如用 AI 分析球队打法、预防球员受伤、评价球员积极性等等。

　　总之，热血澎湃的体育赛场需要 AI，只是一切需要慢慢来！
 

另外，他们将观众情感划分为三类积极（肯定）、中立（无感）以及消极（吐槽），并训练了一个情感分类模型。

　　多种监督的机器学习算法均适用于训练短文本语料库的情感分类模型，在这里，研究人员使用了梯度增强方法来训练基于树的模型，因为这种方法在此类问题的研究中展现出了最佳性能。

　　此外，他们还采用了三个进一步的分类模型：一个是朴素贝叶斯分类器（Bayes Classifier），一个支持向量机（Support Vector Machine），另一个是基于 Bagging 的随机森林（Random Forest）。

　　如图，研究人员对所有模型进行了标准的 10 倍交叉验证。测试结果显示了在情感分类和主题检测（是否与 AVR 相关）这两个分类问题的 10 次交叉验证的性能度量。

而在此次之前，布冯也曾公开表示：

　　“我知道这项技术是实验性阶段。但当这个简单的工具，让比赛频繁陷于中断，我感觉很糟糕，感觉像是在打水球一样。”

　　近日，2020 年英超联赛正如火如荼地进行，Milner 也借此表达了他对 VAR 的看法。

　　不过，VAR 在比赛中的综合表现如何，是否能够继续使用，仅有球员们的反馈还是不够的， 观众和粉丝们的态度也非常重要。另外，从科学的角度来讲，评估一项技术辅助工具需要进行科学的研究分析。

　　鉴于此，慕尼黑工业大学的研究人员利用机器学习技术对他们的态度进行了科学分析。

　　被嫌弃的 VAR

　　在体育赛事期间，有 79％ 的观众会通过社交媒体进行互动。

　　其中最为普遍的是在 Twitter 上发文。这对于 AI 来讲，是一个庞大且有效的检测数据集，而且球迷们发表的推文是情绪检测的重要指标。

　　因此，研究人员从 2019-2020 英超联赛 129 场比赛中，使用官方 Twitter API 收集了 643251 条推文作为研究数据集，其中 4583 条推文作为训练数据集。

 

（编辑：济南站长网）

【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!