滴滴出行宣布與Uber全球達(dá)成戰(zhàn)略協(xié)議,滴滴出行將收購優(yōu)步中國的品牌、業(yè)務(wù)、數(shù)據(jù)等全部資產(chǎn)在中國大陸運(yùn)營。
滴滴方面表示,與uber的戰(zhàn)略協(xié)議,將讓整個移動出行行業(yè)走向更健康有序的更高層次發(fā)展。滴滴出行總裁柳青表示,超過一千五百萬司機(jī)和三億注冊用戶已經(jīng)加入滴滴社群,共同搭建將人、車、交通和生活方式互聯(lián)互通、開放共享的生態(tài)圈。優(yōu)步中國人才和經(jīng)驗(yàn)的加入,將讓我們能更好服務(wù)中國人的需求。滴滴也將繼續(xù)積極拓展國際化策略。我們期待與海內(nèi)外伙伴深入合作,為行業(yè)、乘客和司機(jī)創(chuàng)造更多價值。
而在此前幾天,中國政府出臺了全世界首個《網(wǎng)絡(luò)預(yù)約出租汽車經(jīng)營服務(wù)管理暫行辦法》,明確網(wǎng)約車的合法地位,提出按照高品質(zhì)、差異化經(jīng)營的原則,明確發(fā)展定位,有序發(fā)展網(wǎng)約車。對車輛和駕駛?cè)说纳暾垪l件也進(jìn)一步簡化,只要符合相關(guān)安全標(biāo)準(zhǔn),向當(dāng)?shù)亟煌ㄖ鞴懿块T和平臺申請,就能獲得運(yùn)營資格。也調(diào)整了報廢條件,改成60萬公里強(qiáng)制報廢。充分體現(xiàn)了鼓勵共享經(jīng)濟(jì),鼓勵行業(yè)創(chuàng)新。
據(jù)悉,除了在國內(nèi)加快做深做透,滴滴也將加快“揚(yáng)帆出海”的國際化節(jié)奏。除將繼續(xù)與全球伙伴合作打通本地優(yōu)勢資源外,滴滴還將進(jìn)一步推進(jìn)進(jìn)入其他海外新興移動出行市場,如港澳臺地區(qū)、日本、韓國、歐洲、俄羅斯等地。
滴滴創(chuàng)始人程維早就表示過,從全球范圍來看,互聯(lián)網(wǎng)打車行業(yè)可能只有一兩年的發(fā)展機(jī)會,因此對于滴滴來說,加快國際化發(fā)展速度非常重要。而在一個演講中,程維也透露過,韓國最大的一個集團(tuán)負(fù)責(zé)人希望滴滴進(jìn)入韓國做代駕,因?yàn)轫n國的代駕需求很大。
過去很長的時間里面,中國的公司更多的服務(wù)中國用戶,因?yàn)閷τ谥袊径灾袊呀?jīng)是一個特別巨大而且相對復(fù)雜的市場,但逐漸的,中國公司開始慢慢從人才結(jié)構(gòu)、技術(shù)儲備和業(yè)務(wù)的布局上面開始慢慢的走向全球化。
在滴滴看來,今天移動互聯(lián)網(wǎng)公司之前的競爭不僅僅在規(guī)模上面比較,而是已經(jīng)開始在人工智能,大數(shù)據(jù)領(lǐng)域跟全球競爭。為此,滴滴不但在硅谷建立了硅谷研發(fā)中心,據(jù)透露,滴滴還在考慮在英國、俄羅斯考慮建類似的研發(fā)中心,在全球招攬頂級人才。此前柳青透露,滴滴下一步將加大在機(jī)器學(xué)習(xí)和人工智能方面的投資,從而進(jìn)一步提高運(yùn)營效率。“下個階段我們將會加大對人工智能和機(jī)器學(xué)習(xí)的投資。如此大的體量,不應(yīng)該再人為地制定策略,而是讓機(jī)器來做決策,我們的智能調(diào)配網(wǎng)絡(luò)每天都通過自我學(xué)習(xí)不斷進(jìn)步。”
好文章,需要你的鼓勵
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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(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顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。