借助司機(jī)助理系統(tǒng),無(wú)人駕駛汽車(chē)依賴(lài)?yán)走_(dá)、激光和攝像頭看清道路,但所有信息還需要進(jìn)行分析、領(lǐng)會(huì)。Nvidia在CES展上演示了其新款K1圖形處理器如何識(shí)別街面信號(hào)、車(chē)道線(xiàn)與其他交通工具的全過(guò)程。
Nvidia在其展臺(tái)進(jìn)行了演示,安裝有K1芯片的測(cè)試臺(tái)記錄了一段由一個(gè)攝像頭拍攝到的路面行駛視頻。借助圖像識(shí)別資料庫(kù),K1圖形芯片分析視頻,將速度限制信號(hào)標(biāo)為紅色、其他交通工具標(biāo)為藍(lán)色,車(chē)道線(xiàn)標(biāo)為綠色。
芯片不停地處理著視頻,與現(xiàn)實(shí)世界并無(wú)兩樣。
Nvidia自動(dòng)化主管丹尼·夏皮羅(Danny Shapiro)向CNET表示,早期的Tegra芯片無(wú)法達(dá)到演示中顯示的K1處理水平,新款KI處理器能耗卻與Tegra相似,僅為5-7瓦。
K1芯片是汽車(chē)的幕后“工作者”,分析大量傳感器傳來(lái)的實(shí)時(shí)數(shù)據(jù),創(chuàng)建即時(shí)環(huán)境3D模型。汽車(chē)廠商負(fù)責(zé)適當(dāng)?shù)幕貞?yīng),通過(guò)剎車(chē)或方向盤(pán)進(jìn)行控制或報(bào)警,對(duì)環(huán)境因素做出響應(yīng)。
Nvidia演示時(shí),K1芯片分析速度限制信號(hào),并在顯示屏上顯示當(dāng)前速度。
夏皮羅指出,Nvidia能夠針對(duì)不同目標(biāo)、街道標(biāo)識(shí)和信號(hào)提供一個(gè)視覺(jué)識(shí)別模式基本資料庫(kù),但汽車(chē)廠商還需要通過(guò)廣泛的現(xiàn)實(shí)世界測(cè)試細(xì)化識(shí)別模式。
奧迪、寶馬和Tesla汽車(chē)目前均采用Nvidia芯片。奧迪在CES展上宣布未來(lái)一款汽車(chē)將使用Nvidia K1芯片。夏皮羅表示,Nvidia將在今年3月份舉辦的日內(nèi)瓦車(chē)展上公布一個(gè)新客戶(hù)——一家亞洲主流汽車(chē)廠商。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。