CNET科技資訊網 10月19日 北京消息:昨天,滴滴出行與貴陽達成戰(zhàn)略合作,雙方將攜手共同打造“中國網約車大數據交互共享中心”(下稱“中心”),將依托滴滴公司豐富的用戶、車輛資源等大數據能力,促進貴陽的經濟轉型升級和社會事業(yè)發(fā)展。
這標志著,在大數據應用合作、網約車管理探索等方面,滴滴與貴陽形成了緊密的戰(zhàn)略合作伙伴關系,彰顯出貴陽當地政府熱情擁抱網約車的開明態(tài)度。這符合當前“互聯(lián)網+交通”的發(fā)展大趨勢,也為其他地區(qū)的網約車管理、大數據發(fā)展提供了有益借鑒。
根據戰(zhàn)略合作協(xié)議,滴滴與貴陽運管局將共同在雙龍新區(qū)成立“中國網約車大數據交互共享中心”一起推動當地道路運輸管理相關數據公開,重點在公交、物流、網絡預約出租車等領域展開合作。未來,該中心將著力打造新型業(yè)態(tài)交通運輸大數據體系,推進交通行業(yè)數據資源在線聚集、開放和應用,逐步實現(xiàn)各個網約車平臺的數據聚合、通用。
2016年7月28日,交通部聯(lián)合工信部等七部委共同發(fā)布了《網絡預約出租汽車經營服務管理暫行辦法》,中國由此成為世界上第一個網約車合法的國家,中國的網約車從此進入新階段。目前,網約車的發(fā)展關鍵在于人工智能和大數據。
滴滴出行平臺上每天的計算次數以10億計,高峰時段,每一分鐘的匹配數高達200萬次;每天平臺都要計算所有司機和訂單的加乘;每天平臺上新增數據70TB以上(相當于7萬部電影),超過90億次路徑規(guī)劃次數。滴滴在機器學習、計算機視覺、人工智能、數據挖掘、最優(yōu)化理論、分布式計算、智能分單、運力調度等方面有國際領先的技術優(yōu)勢。
本次貴陽和滴滴共同成立的“中國網約車大數據交互共享中心”,將推動交通運輸公共信息服務監(jiān)管,提升貴陽市交通運輸公共服務品質。通過中心的建設工作,實現(xiàn)網約車的在線服務、在線管理,實現(xiàn)“互聯(lián)網+模式”的證照管理、執(zhí)法管理和公共監(jiān)管。
滴滴出行方面表示,雙方本次合作將加快全面推進大數據發(fā)展應用,運用大數據推動地方經濟發(fā)展、完善社會治理,通過大數據手段促進網絡預約出租汽車行業(yè)和互聯(lián)網融合發(fā)展,保障運營安全和司乘合法權益。
如今,大數據產業(yè)正在不斷的改變著每個人的生活。以滴滴為例,滴滴在大數據及智能算法方面經驗豐富,優(yōu)勢明顯。例如在運力調度方面,對于一個具體區(qū)域,滴滴“數據大腦”已經實現(xiàn)了提前15分鐘預測供需,且預測準確率超過88%。根據預測結果,平臺可選擇要不要對司機運力進行調度,使在附近的司機可以提前到達運力緊缺的區(qū)域,以緩解可能發(fā)生的擁堵。
目前,滴滴已經構建了一個世界領先的智能交通云,不僅服務于滴滴平臺,未來還能通過與公共部門合作,對整個城市的公共交通產生價值。滴滴方面表示,希望通過與貴陽方面共享數據,打造全球領先的政務數據和企業(yè)數據融合的智慧交通系統(tǒng),讓老百姓的出行越來越方便。
業(yè)內人士分析認,隨著此番滴滴與貴陽共同成立的“中國網約車大數據交互共享中心”,貴陽“智慧交通”建設、網約車管理很可能趕超一線城市,實現(xiàn)“彎道超車”。
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學推理能力提升8.6%,通用推理提升8.4%,且無需任何數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移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的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等頂尖機構聯(lián)合提出SparseLoRA技術,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。