Google量子人工智能團(tuán)隊(duì)當(dāng)?shù)貢r(shí)間周二宣布,將開始設(shè)計(jì)和制造基于超導(dǎo)材料的量子信息處理器,這將使量子人工智能實(shí)驗(yàn)室利用自行設(shè)計(jì)的硬件進(jìn)行量子計(jì)算方面的研究工作。
在量子處理器研發(fā)方面,Google與加利福尼亞大學(xué)圣巴巴拉分校的物理學(xué)家約翰•馬丁尼斯(John Martinis)及其團(tuán)隊(duì)進(jìn)行了合作。馬丁尼斯是量子研究領(lǐng)域的領(lǐng)頭羊,今年早些時(shí)候因在量子信息處理和計(jì)算領(lǐng)域的卓越成就被授予倫敦獎(jiǎng)。
Google技術(shù)主管哈特穆特•內(nèi)文(Hartmut Neven)周二在Google+上發(fā)帖稱,“有了自己的硬件小組,量子人工智能團(tuán)隊(duì)就能制造和測(cè)試量子優(yōu)化和推論處理器的新設(shè)計(jì)。”
量子人工智能實(shí)驗(yàn)室是Google、美國(guó)宇航局艾姆斯研究中心和高??臻g研究協(xié)會(huì)在2013年聯(lián)合成立的,目的是研究如何利用量子計(jì)算推動(dòng)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展。
量子計(jì)算機(jī)能解決傳統(tǒng)計(jì)算機(jī)難以勝任的、不可想象地復(fù)雜的計(jì)算問題。當(dāng)前的計(jì)算機(jī)中,數(shù)據(jù)是由0或1表示的。在量子計(jì)算機(jī)中,數(shù)據(jù)是由量子位表示的,可以同時(shí)是1和0。目前只有為數(shù)不多的幾家公司在進(jìn)行量子計(jì)算方面的研究,生產(chǎn)和運(yùn)行量子計(jì)算機(jī)還存在物理和財(cái)務(wù)方面的障礙。
盡管Google在考慮利用自己的硬件進(jìn)行量子計(jì)算方面的研究,但量子人工智能團(tuán)隊(duì)將繼續(xù)使用D-Wave的量子計(jì)算機(jī)進(jìn)行研究工作。D-Wave是世界上商業(yè)化銷售量子計(jì)算機(jī)的第一家公司。內(nèi)文在帖子中說,“我們將繼續(xù)與D-Wave的科學(xué)家合作,在艾姆斯研究中心利用Vesuvius計(jì)算機(jī)進(jìn)行研究工作。Vesuvius的處理器將被升級(jí)為1000量子位的華盛頓處理器。”
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)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)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(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(duì)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。