北京時間3月1日消息,據(jù)科技網(wǎng)站AppleInsider報道,谷歌無人駕駛汽車過去曾卷入多起交通事故,不過在這些交通事故中,其他車輛司機都負全責。但是,在本月早些時候發(fā)生在加利福尼亞州的一起交通事故中,谷歌無人駕駛汽車需要承擔部分責任。
有媒體當?shù)貢r間周一報道,向加利福尼亞州機動車輛管理局(以下簡稱“DMV”)提交的文件披露了這次交通事故。文件顯示,一輛采用無人駕駛技術(shù)的雷克薩斯RX450h在山景城與一輛公交車相撞。
報告顯示,當時,無人駕駛的雷克薩斯試圖并入車道,并避開前方道路上的沙袋。它顯然通過后視鏡“看到”了公交車,并“斷定”它會停車或減速,但公交車并未停車或減速。
好在當時兩輛車速度都很慢,雷克薩斯時速僅為2英里,公交車時速為15英里。事故沒有造成人員傷亡,報告只是稱雷克薩斯受到損傷。
在有關(guān)這次交通事故的消息“觸網(wǎng)”后,谷歌解釋了原因,稱“有人駕駛汽車每天都會發(fā)生類似事故。這是駕駛活動中協(xié)商的經(jīng)典案例——我們嘗試相互預(yù)測對方行為。在這次交通事故中,我們顯然負有責任,因為如果我們的汽車不出現(xiàn)在那里,就不會造成兩車相撞。隨車測試人員認為公交車會停車或減速,使我們的汽車并入車道,并認為兩車之間距離足夠大”。
谷歌無人駕駛汽車示意圖
谷歌無人駕駛汽車曾遭遇17起交通事故,但據(jù)稱這些交通事故責任全在對方,使得發(fā)生在2月14日的這起事故,成為谷歌無人駕駛汽車負部分責任的首起交通事故。
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。