今日上午,尼古拉斯•尼葛洛龐帝出現(xiàn)在有百度新聞主辦的首屆百度百家自媒體峰會(huì)上,他在演講中針砭時(shí)弊,他指出,“漸進(jìn)的改良是創(chuàng)新力的敵人。”
尼葛洛龐帝是科技產(chǎn)業(yè)的著名人物,被人們稱為互聯(lián)網(wǎng)和數(shù)字化革命的傳教士,他曾著有《數(shù)字化生存》一書,這本書對于當(dāng)代科技及IT產(chǎn)業(yè)帶來了重大影響。
圖:右二為尼古拉斯•尼葛洛龐帝
早在三十年前,尼葛洛龐帝就預(yù)言了手指觸控、視頻通話的前沿技術(shù)的誕生和流行,他還創(chuàng)立領(lǐng)導(dǎo)了以創(chuàng)新研究享譽(yù)世界的美國麻省理工學(xué)院媒體實(shí)驗(yàn)室。他還提出并致力于推動(dòng)百元電腦OLPC慈善項(xiàng)目,讓百萬發(fā)展中國家貧窮學(xué)童接入互聯(lián)網(wǎng)。
尼葛洛龐帝其實(shí)還是中國IT人的好朋友,由于他是張朝陽的導(dǎo)師,并且投資搜狐,因此在中國享有超高的知名度。
今天,尼葛洛龐帝在演講中指出,當(dāng)今社會(huì)存在的四個(gè)問題:第一個(gè)是微小的改良、漸進(jìn)的改良是創(chuàng)新力的敵人。這是一種病,在過去50年間,有非常多重大的技術(shù)問世,但是最近4、5年以來,漸進(jìn)的改良成為主流,這樣誕生了不少好的產(chǎn)品,好的公司,但是這種漸進(jìn)式的改良阻礙了創(chuàng)新的步伐。
第二,新的人才在流失。我們每天都在面臨很多的難題,很多人急迫地想要去解決問題,但是這很大程度上,也阻礙了思考的延展,人才的流失,導(dǎo)致沒有人來關(guān)注和解決一些大的問題。
第三,后所有時(shí)代。 如今的年輕人與50年前的年輕人的想法有了本質(zhì)的區(qū)別,他們不再像當(dāng)年的年輕人那樣渴望擁有,比如一輛車,在郊區(qū)生活,他們渴望在城市,在與有娛樂、生活便利的地方生活,這種趨勢下,數(shù)字化、自動(dòng)化對社會(huì)帶來全新的影響,從而開啟后所有權(quán)時(shí)代。
第四,重構(gòu)的做和想。尼葛洛龐帝特意指出,如今下一代的思考和做事方式已經(jīng)完全不同于以往,如今,人們在思考是想到要如何進(jìn)行創(chuàng)新。尼葛洛龐帝提倡,孩子們通過編碼的過程來培養(yǎng)成一種思維和做事的方法,但并不見得這些孩子們都成為程序員。
尼葛洛龐帝還提出當(dāng)下教育的弊病,“如今,人們更加注重在孩子的教育和培養(yǎng)過程中的增加競爭因素,但是競爭破壞掉了孩子們的創(chuàng)新能力。孩子們想做的事,才可以激發(fā)他們的創(chuàng)造力。”
尼葛洛龐帝還分享了對當(dāng)下流行的物聯(lián)網(wǎng)的看法,他指出,如今的很多物聯(lián)網(wǎng)解決方案都把控制點(diǎn)集中在智能手機(jī)上,事實(shí)上這只不過是把控制從一個(gè)地方轉(zhuǎn)移到一個(gè)地方而已,根本就不是真正的創(chuàng)新。
他舉例說,創(chuàng)新應(yīng)該是比如往微波爐里放一只雞,微波爐自己知道如何烹飪這只雞,而不是通過手機(jī)打開開關(guān)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡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)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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)無法有效利用視覺信息,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),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。