當?shù)貢r間本周二,美國專利商標局(US Patent and Trademark Office)批準蘋果“根據(jù)檢測到的停車情況做出路線選擇”專利(Routing based on detected stops),為眾包導航概念向前推進一步。
圖:蘋果最新專利顯示,導航系統(tǒng)能夠根據(jù)紅燈、停車標志和沿途障礙物數(shù)量進行導航。
當前眾包導航產(chǎn)品如Waze整合大量司機提供的交通數(shù)據(jù),為用戶到達目的地提供捷徑。大眾信息較通過標準導航應(yīng)用如Google Maps和蘋果Maps應(yīng)用獲得的信息更準確、及時,但目前眾包系統(tǒng)僅僅是考慮用戶沿途上可能存在的造成停車或減速的各個事件,能夠真正找到最佳路線的更智能系統(tǒng)將是每位司機的福音。
在蘋果專利中,該智能導航系統(tǒng)通過用戶移動設(shè)備上的GPS收集檢測到的汽車停車次數(shù),判斷每次停車持續(xù)時間。我們甚至能夠通過分析信息甄別出紅燈與停車標志。數(shù)據(jù)本身被發(fā)送至一臺遠程服務(wù)器上,然后交通工具通過Google Maps或蘋果Maps常規(guī)導航應(yīng)用接入該系統(tǒng)后,實現(xiàn)共享。
司機利用導航信息判定到達目的地的最快路線,還能夠根據(jù)數(shù)據(jù)準確估算行程時間,甚至在不遲到的情況下決定出行的最佳時間。
隨著時間推移,服務(wù)器還能夠收集并整理數(shù)據(jù),根據(jù)紅燈位置、每日時間段及其他因素預測出明確的交通模式。
一般情況下,即使是一項獲準專利也不意味著該技術(shù)能夠進入現(xiàn)實生活,但司機對新專利充滿期待。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。