北京時(shí)間3月16日消息,谷歌高管將于周四對(duì)美國(guó)國(guó)會(huì)表示,無(wú)人駕駛汽車可能會(huì)給美國(guó)交通帶來(lái)一場(chǎng)革命,甚至減少政府在道路、停車設(shè)施和公共交通系統(tǒng)上的投入。
“國(guó)會(huì)有很大的機(jī)會(huì)推進(jìn)這一領(lǐng)域,讓美國(guó)交通部開辟一條道路來(lái)部署這種新穎的安全技術(shù)。”谷歌無(wú)人駕駛汽車主管克里斯·厄姆森(Chris Urmson)在預(yù)先準(zhǔn)備好的證詞中寫道。
無(wú)人駕駛汽車的支持者表示,這種汽車可以通過(guò)共享汽車和應(yīng)需服務(wù)等方式釋放道路空間,而限制汽車的減少也將意味著停車設(shè)施的需求降低。
美國(guó)交通部則在3月11日發(fā)布的一項(xiàng)研究中表示,只要汽車和卡車堅(jiān)持現(xiàn)有的設(shè)計(jì),允許人類獲得控制權(quán),美國(guó)法律就不會(huì)對(duì)無(wú)人駕駛汽車的普及構(gòu)成太多障礙。
科技和汽車公司對(duì)無(wú)人駕駛汽車的熱情正值美國(guó)高速公路死亡率上升之際。美國(guó)高速公路交通安全管理局(NHTSA)估計(jì),2015年的死亡率較2014年高出10%,2014年共有32,675人死亡。
通用汽車、德?tīng)柛F嚭蚅yft也將在聽(tīng)證會(huì)上作證。
為了推進(jìn)無(wú)人駕駛汽車技術(shù),谷歌設(shè)計(jì)了一種沒(méi)有方向盤和剎車踏板的測(cè)試車。NHTSA表示,這些設(shè)計(jì)與現(xiàn)有的汽車監(jiān)管規(guī)定沖突。
厄姆森表示,政府應(yīng)該快速行動(dòng),幫助無(wú)人駕駛汽車上市。他認(rèn)為,這種技術(shù)不僅可以提升公路安全,還能降低聯(lián)邦政府在公路、公交和鐵路方面的投入。
“今后30年,美國(guó)交通部預(yù)計(jì)無(wú)人駕駛汽車將在降低交通運(yùn)營(yíng)成本方面發(fā)揮重要作用,提升高速公路效率,并釋放現(xiàn)有的停車設(shè)施(美國(guó)停車場(chǎng)目前總共占地約3,000平方英里,相當(dāng)于康涅狄格州的面積)。”他說(shuō)。
另外一位證人、杜克大學(xué)的瑪麗·康明斯(Mary Cummings)則警告立法者,應(yīng)該在授予機(jī)器人駕駛員以控制權(quán)之前,展開更多研究和測(cè)試。
“雖然我非常支持無(wú)人駕駛汽車的研發(fā)和測(cè)試,因?yàn)槿祟惖拇_存在很多局限,而容易分散精力的特點(diǎn)也的確對(duì)道路安全構(gòu)成威脅。”康明斯在證詞中說(shuō)道,“但我對(duì)這種快速發(fā)展并不太樂(lè)觀,我不認(rèn)為整個(gè)社會(huì)已經(jīng)做好了大范圍部署這種技術(shù)的準(zhǔn)備,也不認(rèn)為人類已經(jīng)做好了從駕駛座上撤退的準(zhǔn)備。”
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(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。