CNET科技資訊網(wǎng) 4月18日 北京消息(文/齊豐潤): 隨著中國互聯(lián)網(wǎng)領(lǐng)域的發(fā)展,我們正吸引著來自世界各地的科技企業(yè)的關(guān)注。4月18日,滴滴出行與來自硅谷的IT在線教育“獨角獸”Udacity共同宣布達成戰(zhàn)略合作,滴滴出行大數(shù)據(jù)專家將為進入中國后的Udacity設(shè)計首個實戰(zhàn)項目。
據(jù)悉,Udacity是由GoogleX實驗室創(chuàng)始人Sebastian Thrun創(chuàng)立的新項目,它和Google、Facebook、亞馬遜等全球頂尖的互聯(lián)網(wǎng)企業(yè)合作推出了認證項目“納米學位”,旨在培養(yǎng)頂級的網(wǎng)站開發(fā)者、數(shù)據(jù)分析師和移動開發(fā)者。無人駕駛是GoogleX實驗室最重要的項目之一。
Udacity在今日宣布正式著陸中國,推出中國品牌“優(yōu)達學城”。優(yōu)達學城將把由硅谷技術(shù)領(lǐng)袖精心設(shè)計的內(nèi)容,免費開放給全中國13億人。
此次,滴滴出行與Udacity跨界聯(lián)手,正式展開多方位的戰(zhàn)略合作。在Udacity正式著陸中國后,滴滴出行將成為首個為“納米學位”添加中國內(nèi)容的高科技企業(yè)。滴滴將為Udacity設(shè)計首個實戰(zhàn)項目,該項目面向全球,全世界挑戰(zhàn)者都可以挑戰(zhàn)這一“畢業(yè)項目”,成功者將直接獲得滴滴出行的面試機會。
據(jù)悉,該實戰(zhàn)項目極具挑戰(zhàn),將為后續(xù)Udacity和其他互聯(lián)網(wǎng)企業(yè)開展的內(nèi)容合作提供靈感和經(jīng)驗。有業(yè)內(nèi)人士猜測該項目或?qū)@機器學習、人工智能而制定。5月初,Udacity還將和滴滴出行聯(lián)合推出大數(shù)據(jù)算法競賽,懸賞10萬美元獎金,鼓勵技術(shù)人才不斷通過自主學習掌握行業(yè)前沿技術(shù)。
針對此次的大數(shù)據(jù)算法競賽,滴滴出行的“大腦”滴滴研究院將進行主導設(shè)計,并將會帶來一系列算法難題讓參賽者挑戰(zhàn)。通過解決出行方面的技術(shù)難題,滴滴研究院構(gòu)建了自己的技術(shù)核心競爭力,這些技術(shù)難題包括ETA、智能分單、拼車、供需預(yù)測、運力調(diào)度、熱力圖等核心項目。
據(jù)介紹,目前滴滴研究院在機器學習、計算機視覺、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計算等方面已經(jīng)達到國際水平。
據(jù)CNNIC數(shù)據(jù),滴滴出行占據(jù)了87.2%的專車市場份額。滴滴擁有全球最大的出行數(shù)據(jù),每天采集的出行數(shù)據(jù)超過50Tb,同時每天的路徑規(guī)劃超過90億次。
同時,本次算法競賽獲得了Udacity的大力支持,Udacity將安排3位評委老師參加,包括Udacity的創(chuàng)始人、前谷歌無人駕駛創(chuàng)始人Sebastian。此次大賽的詳細報名方式合參賽規(guī)則將會在稍后公布。
對于此次與滴滴出行的合作,優(yōu)達學城表示:滴滴出行是現(xiàn)在中國成長最迅猛的科技企業(yè)之一,而在這背后是依靠滴滴研究院在機器學習、數(shù)據(jù)科學領(lǐng)域的技術(shù)創(chuàng)新和突破。我們相信,我們與滴滴出行的合作,是培養(yǎng)出一流技術(shù)人才的最好方式。
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。