CNET科技資訊網(wǎng) 9月1日 北京消息: 9月1日,2016年百度世界在北京中國大飯店舉行。百度創(chuàng)始人、董事長兼CEO李彥宏向外界第一次揭開了百度大腦的神秘面紗。集“語音、圖像、自然語言處理和用戶畫像”四大核心能力于一體的百度大腦,經(jīng)過多年的技術積累,也讓打磨了一年的進化版“度秘”,可以媲美真人的體育賽事解說、多語言翻譯等能力,更讓人們看到了“百度大腦”下自然語言處理技術的日新月異。
在李彥宏看來,人工智能發(fā)展到今天,語音的能力已經(jīng)非常強大,并進入到了較為成熟的實用階段;圖像的能力也有了長足的進展,越來越多地被人們認可和使用;而同樣作為“百度大腦”四大核心功能之一的自然語言處理技術,難度系數(shù)卻更高。 “語音和圖像技術更多處在認知的階段,而自然語言理解除了要有認知能力之外,還需要邏輯推理能力、規(guī)劃能力等等,目前還處在更早期的發(fā)展階段中”,李彥宏說。今天的度秘可能在某些條件下依然聽不懂人類的語言和需求,但這也意味著,自然語言的理解和處理能力還有很大的發(fā)展空間。隨著自然語言處理技術的發(fā)展,度秘得以展現(xiàn)出更為智能的表達、也為人們拓展出更為多元的服務。
演講的中間,李彥宏現(xiàn)場展示了度秘新獲得的一個能力:解說籃球。著名籃球評論員楊毅也來到現(xiàn)場,當面向李彥宏夸贊了曾與他一起解說比賽的度秘。今年奧運會期間,度秘團隊“約戰(zhàn)”楊毅,共同解說了一場男子籃球賽。解說當天,原本看似極具挑戰(zhàn)意味的“人機大戰(zhàn)”,最終卻變成了一次“友誼合作”——基于計算機海量存儲和高效計算能力、特別是自然語言處理技術的度秘,在學習了幾百場比賽之后,不僅很好地幫助楊毅分析了各種賽況,也用其截然不同的語言風格,為楊毅一貫的專業(yè)版解說增添了不少趣味性,“機智”的度秘讓楊毅感到“出乎意料”,并表示,“度秘對比賽基本知識的儲備可能比我還強,男籃決賽時語速的加快也更符合體育競技的標準??梢韵胂?,如果成為這項產(chǎn)品逐漸成熟,未來就可以為球迷在看比賽時解答更多問題,成為球迷的好朋友。”
對于度秘整體技術能力的進階,李彥宏談到,和傳統(tǒng)的文字搜索方式相比,度秘與用戶間的溝通方式已經(jīng)非常不一樣了。 “現(xiàn)在人們與度秘的交互,超過一半都是通過語音或者圖像來完成的”,李彥宏指出,語音和圖像的交互占比已達到56%,正逐步超越傳統(tǒng)文字的使用頻次,成為人們表達需求的主流方式。
除了度秘在自然語言處理能力上的應用,李彥宏提到,機器翻譯領域?qū)ψ匀徽Z言理解的技術同樣相當依賴。他介紹,如今的百度翻譯已經(jīng)能夠支持27種語言之間的互譯,隨著技術的不斷成熟,不同語言互譯衍生的幾百個翻譯方向能力也將逐漸純熟,而這樣的翻譯也定將給人們帶來不可估量的便利和價值。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。