CNET科技資訊網(wǎng) 1月15日 北京消息:“交通工具未來十年會發(fā)生巨大變化。”昨日,滴滴出行聯(lián)合創(chuàng)始人兼CTO張博在未來論壇2017年會的“未來交通,出行的革命”論壇上發(fā)表了這一觀點。在張博看來,“未來十年,汽油會變成電,乘客會從擁有交通工具變成共享。”
圖注:滴滴出行聯(lián)合創(chuàng)始人兼CTO張博在未來論壇現(xiàn)場
交通工具將發(fā)生的改變只是未來交通創(chuàng)新與迭代的一部分,張博認為未來交通的變化有三層,“最下面是交通基礎設施的變化,紅綠燈和道路規(guī)劃有很多效率提升空間,滴滴希望和政府交通部門一起利用大數(shù)據(jù)和人工智能能力來提升道路網(wǎng)絡的利用率;中間層是交通工具,未來十年會發(fā)生很大變化,汽油會變成電;最上面是出行乘客和交通工具的關系,會從擁有交通工具變成共享。一組數(shù)據(jù)顯示,北京有500萬輛私家車,3000萬人口,平均兩到三個家庭有一輛車,中國的道路資源已經(jīng)不足以支撐更多的車輛,而美國一個家庭有一到兩輛車,隨著北京市民對出行品質(zhì)要求的提高,已經(jīng)不滿足于公交或地鐵,那么唯一能解決的方法是共享車,而不是增加車。”
普遍認為,大數(shù)據(jù)和人工智能是未來交通創(chuàng)新的革命性技術。滴滴一直在大數(shù)據(jù)和人工智能方面進行探索。首先,滴滴擁有最多的出行大數(shù)據(jù),當前滴滴每天峰值訂單量超過2000萬,每日定位軌跡數(shù)據(jù)達到70TB,每日數(shù)據(jù)處理達到2000TB,覆蓋交通路況、司機駕駛行為及車輛數(shù)據(jù)等多個維度。更為重要的是,滴滴擁有世界一流的算法技術,幫助實現(xiàn)準確的供需預測,蜂窩動態(tài)調(diào)價,智能派單、路徑規(guī)劃、智能拼車以及矩陣式服務分體系。
此外,滴滴正在打造的智慧交通云可以利用智能調(diào)度優(yōu)勢幫助改善城市交通擁堵問題;智慧交通云的價值還將體現(xiàn)在幫助城市進行路網(wǎng)優(yōu)化提供決策依據(jù);交通云未來還可協(xié)助設計智能交通管控方案,提高道路利用率,比如實現(xiàn)智能信號燈控制。隨著未來政企數(shù)據(jù)實現(xiàn)對接,滴滴智慧交通云將對整個城市的公共交通產(chǎn)生重要價值。
參與本次論壇的其他嘉賓有清華大學智能網(wǎng)聯(lián)車輛研究中心主任、教育部長江學者特聘教授李克強;Future Mobility Corporation Ltd.首席運營官戴雷;百度高級副總裁、自動駕駛事業(yè)部總經(jīng)理王勁;Horizon Robotics創(chuàng)始人兼首席執(zhí)行官余凱;中華人民共和國交通部新聞發(fā)言人、政策研究室主任徐成光以及格靈深瞳創(chuàng)始人、董事長趙勇。
2017年1月14-15日,未來論壇2017年會暨首屆未來科學大獎頒獎盛典在北京舉行,全球各界共百位領袖獻上一場史無前例的思想盛宴。他們中有諾貝爾獎、圖靈獎及富蘭克林獎等重大科學獎項獲得者,也有最前沿的科技產(chǎn)業(yè)精英,更不乏叱咤風云的投資界巨擘。未來論壇2017年會以“預言,更進一步”為主題,開啟新一輪對人類共同命運及未來的預言。
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(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(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。