CNET科技資訊網(wǎng) 1月26日 國際報(bào)道:作為在二十世紀(jì)八十年代成長起來的一代,筆者在17歲時(shí)便拿到了駕照,即便這樣,在我的朋友中,我差不多是最后一個(gè)拿到駕照的人。通過駕照考試之前,我倍感壓力,但拿到駕照后,我獲得的是一種像解脫一樣欣喜若狂的感覺。
但對(duì)許多當(dāng)今的年輕人而言,這是一種他們永遠(yuǎn)也不會(huì)經(jīng)歷、甚至關(guān)心的通過儀式。
根據(jù)密歇根大學(xué)交通運(yùn)輸研究所本周公布的一項(xiàng)研究結(jié)果顯示,年輕人越來越不愿意考駕照。該研究的作者邁克爾·西瓦克(Michael Sivak )和布蘭頓•舒奧托(Brandon Schoettle)表示:“在美國,從1983年到2014年,16歲至44歲的人群眾持有駕照的人數(shù)百分比呈連續(xù)下降趨勢。”而年齡在18歲的群體中,持有駕照人數(shù)的百分比已經(jīng)從80%下降到了60%;20歲到24歲的群體中,這一比例從92%下降到了77%。
這些數(shù)據(jù)表明,雖然無人駕駛汽車描繪的是未來的交通工具,但人們?nèi)缃褚呀?jīng)為這項(xiàng)技術(shù)做好了準(zhǔn)備。他們對(duì)類似于Uber、Lyft和BlaBlaCar這樣的打車軟件初創(chuàng)公司更為歡迎,這些打車軟件已經(jīng)成為了我們出門前會(huì)考慮的一種出行方式。
美國汽車研究中心的交通系統(tǒng)主任理查德·華萊士(Richard Wallace)表示:“我們看到的是不愿意開車的千禧一代。”
畢竟,有誰愿意為保險(xiǎn)、油料變化或停車這些事情所煩惱呢?
不過,正在改變的并不僅僅是年輕人。從1983年到2014年,越為年長的老人往往都持有駕照,在70歲或更為年長的人群中,持有駕照人數(shù)從55%上升到了79%。這表明他們很想出去到處走走。但隨著人們年齡的增長,他們的反應(yīng)能力和視力都在惡化,自動(dòng)駕駛汽車將能夠滿足這類人群的需求。
眾所周知,自動(dòng)駕駛汽車能夠解決人們的交通出行問題,方便人們在行駛路上休息、完成工作或觀看手機(jī)中的視頻。不過,能夠增強(qiáng)安全性無疑是自動(dòng)駕駛汽車的一個(gè)主要賣點(diǎn)。一位密西根大學(xué)的專家預(yù)測,未來交通事故率將下降90%。
在堪薩斯州或愛荷華州的農(nóng)村地區(qū),學(xué)會(huì)開車仍將是一項(xiàng)重要的技能。但是年輕人目前還是在城市中生活得更為幸福。根據(jù)美國人口普查局的數(shù)據(jù)顯示,在2000年和2013年之間,美國的城市人口增長了14%,達(dá)到2400萬人。
華萊士表示,年輕人之所以不那么迷戀汽車,其中還有一些文化原因。能夠隨身攜帶的智能手機(jī)等小玩意已經(jīng)令汽車失去了其原有地位,人們更喜歡在會(huì)議上把手機(jī)放在桌子上,而不是在郊外車道上炫耀其最新的底特律汽車。
華萊士說道:“以前,汽車還屬于一種尖端技術(shù)。對(duì)戰(zhàn)后一代而言,在二十世紀(jì)七十年代,除了汽車,已經(jīng)沒有什么自己能夠擁有的其他尖端技術(shù)產(chǎn)品了。如今,人們擁有的是智能手機(jī),當(dāng)然,也許還有Oculus虛擬現(xiàn)實(shí)頭盔。對(duì)當(dāng)代人來說,互聯(lián)網(wǎng)高速公路要比66號(hào)公路(Route 66)更具影響力。”
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。