7月20日,滴滴Di-Tech算法大賽落幕,一等獎獲得者拿到了10萬美元的大獎。在算法大賽圓桌會議上,滴滴研究院院長何曉飛解釋了自己如何被滴滴吸引,并且給業(yè)內(nèi)頂尖人才提出建議,應該解決更多有價值的實際問題。
何曉飛把人工智能的來臨形容為“大勢所趨”,而自己來滴滴則是“順勢而為”。在過去10年,中國學術(shù)界和工業(yè)界總體來講是隔離的。但在美國,這個氛圍是不一樣的。美國很多高校解決的問題不是純粹意義的研究,而是直接去解決工業(yè)界的需求,產(chǎn)業(yè)和工業(yè)互相促進。
目前滴滴要解決的出行問題,跟谷歌AlphaGo一樣,都需要人工智能,不一樣的地方是,滴滴需要的計算比AlphaGo更加復雜。因為每一條道路都是計算網(wǎng)格中的一部分,道路的網(wǎng)格復雜度遠遠超過圍棋網(wǎng)格,此外還需要增加時間維度,因為司機在路上行駛,所以每一秒鐘,需求都會發(fā)生變化。
在人工智能領(lǐng)域,算法是引擎,大數(shù)據(jù)是燃料。目前高校有最聰明的人才,但是他們得不到大數(shù)據(jù)燃料,所以很難訓練出更聰明的算法引擎。本次滴滴算法大賽開放了滴滴平臺上部分脫敏數(shù)據(jù),給參賽人員進行研究,得到數(shù)據(jù)的參賽隊伍交出了令人驚喜的算法。
之后,滴滴希望跟高校有更多合作,但是不希望成為企業(yè)拋出問題給研究機構(gòu)解決這種模式。而是希望通過長期合作、開放共贏的方式,實現(xiàn)共同成長。高校有一流的研究人才,在基礎(chǔ)研究領(lǐng)域有深厚的積累,滴滴有海量的大數(shù)據(jù),需要解決出行的基礎(chǔ)問題,雙方很多合作契機。
滴滴研究院副教授葉杰平曾經(jīng)是密歇根大學終身教授,加入滴滴同樣也是被人工智能即將到來的“召喚”、滴滴要解決的世界難題,以及滴滴所擁有的海量數(shù)據(jù)所吸引。除了完成日常工作之外,葉杰平教授在滴滴開設(shè)了人工智能課程,通過講課的方式使算法人才得到更快的成長。
除了召開算法大賽之外,滴滴還在探索其他與高校合作的形式。比如去年開始的“新銳計劃”,對研究生、博士生有特別好的人工智能算法基礎(chǔ)的,滴滴會有一個專門的綠色通道。同時,滴滴也在探索更多其他數(shù)據(jù)、項目上的合作方式。
何曉飛認為,雖然機器學習已經(jīng)提出很多年,但隨著計算能力、大數(shù)據(jù)存儲能力的提高,人工智能大規(guī)模爆發(fā)的契機已經(jīng)來臨,而算法引擎需要更多頂尖人才的參與,需要學術(shù)界和工業(yè)界共同的合作和努力。
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,已在多個任務上驗證有效性。