拼車業(yè)務(wù)一直面臨著巨大的政府監(jiān)管壓力,Uber不久前不得不暫停了其在法國的UberPop服務(wù)。近日,谷歌收購的以色列公司W(wǎng)aze也展開了拼車服務(wù)試點(diǎn),不過其試圖以嚴(yán)苛的運(yùn)營政策,來減少監(jiān)管壓力。
Waze是谷歌在2013年以超過10億美金價(jià)格收購的,該公司利用用戶智能手機(jī)上的衛(wèi)星信號(hào)來提供實(shí)時(shí)交通信息。 Waze近日在以色列推出了拼車軟件RideWith,通過Waze的導(dǎo)航系統(tǒng)了解駕車者最經(jīng)常走的路線,并為之匹配同一條路線上有拼車需求的人。
谷歌這一服務(wù)一開始會(huì)在以色列特拉維夫等三個(gè)城市鋪開。如果試運(yùn)營比較成功,這一服務(wù)會(huì)在更多的以色列城市鋪開。但Waze的發(fā)言人表示,服務(wù)何時(shí)正式上線,還沒有具體的時(shí)間表。
這次實(shí)驗(yàn)性質(zhì)的業(yè)務(wù),引起關(guān)注不僅因?yàn)檫@是谷歌首次在移動(dòng)出現(xiàn)領(lǐng)域推出自己的產(chǎn)品,也因?yàn)檫@個(gè)拼車服務(wù)有著極其嚴(yán)格的運(yùn)營政策。Waze規(guī)定,每天每個(gè)司機(jī)最多能接兩單生意,目的是分?jǐn)偲嚾加拖暮蛙囕v保養(yǎng)開支,司機(jī)本人不能依靠這個(gè)作為職業(yè)或是賺錢。
另外,谷歌不僅不會(huì)給司機(jī)補(bǔ)貼,還會(huì)從每單生意中抽百分之十五的傭金。RideWith還會(huì)利用Waze的數(shù)據(jù)庫來對(duì)司機(jī)的軌跡與乘客的軌跡進(jìn)行對(duì)比,以防司機(jī)違規(guī)。
一天僅限兩次拼車的規(guī)定,或許能使RideWith避免遭遇Uber在許多國家所面臨的抵制,畢竟這將降低對(duì)傳統(tǒng)出租車行業(yè)的沖擊,監(jiān)管起來也更容易。
此前谷歌在移動(dòng)出行領(lǐng)域一直沒有推出自己的產(chǎn)品,而是對(duì)Uber進(jìn)行了投資,谷歌地圖等產(chǎn)品也對(duì)Uber的出行服務(wù)提供了支持。但此次谷歌在拼車業(yè)務(wù)上小試牛刀,也意味著將來與Uber可能有更多業(yè)務(wù)上的沖突。
谷歌在研究無人駕駛技術(shù),不久前Uber也與美國卡耐基梅隆大學(xué)合作開始了無人駕駛技術(shù)研究。若谷歌的無人駕駛應(yīng)用到移動(dòng)出行上,其將成為Uber的直接競爭對(duì)手。
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(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。