CNET科技資訊網(wǎng) 1月20日 北京消息:1月19日,滴滴出行與密歇根大學宣布達成戰(zhàn)略合作,雙方將圍繞“智慧交通”進行前沿技術的學術研究、成果轉化以及科研人才的培養(yǎng)。這是滴滴出行首次與國外高校進行深度合作。
左:滴滴出行聯(lián)合創(chuàng)始人兼CTO張博;右:密歇根大學科研副校長胡仕新(S.Jack Hu)
根據(jù)雙方計劃,滴滴出行將與密歇根大學土木與環(huán)境工程系、電子工程與計算機系下屬的實驗室和研究所,在合作的三年內(nèi),圍繞基于機器學習和大數(shù)據(jù)的應用,將對多個智能交通技術熱點課題展開研究,具體方向包括智能交通、拼車優(yōu)化算法和駕駛安全等。這些科研成果若能落地,將會改善城市交通出行,提升交通系統(tǒng)的運行效率。
雙方合作的內(nèi)容還包括聯(lián)合人才培養(yǎng)。通過設立獎學金和項目競賽,讓有潛力的研究生在掌握基礎科研技能的同時,有機會在真實的工業(yè)場景中進行實踐,提升其解決實際問題的能力。此外,雙方還將不定期在相關合作領域開展學術交流活動,促進科研成果的孵化,提速智慧交通的進程。
作為世界頂級學府,密歇根大學在交通工程、機器學習和大數(shù)據(jù)等領域享有盛名,是美國研究人工智能的頂級科研機構之一,其專業(yè)研發(fā)領域涉及交通領域的人工智能、自動駕駛、車聯(lián)網(wǎng)、大數(shù)據(jù)、機械與電子工程、經(jīng)濟學、公共政策,以及未來交通管理系統(tǒng)等相關單元。密歇根大學的交通研究所(UMTRI)聚集了交通安全、智慧交通系統(tǒng)和工業(yè)自動化等多個領域頂級專家。
滴滴出行作為一站式出行平臺,擁有大量的出行大數(shù)據(jù):日峰值訂單量超過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。
滴滴出行聯(lián)合創(chuàng)始人兼CTO張博表示:“密歇根大學是全球未來交通體系研究的領先者,其多個交通相關研究機構致力于優(yōu)化駕駛、推進交通科技創(chuàng)新,在全球范圍內(nèi)實現(xiàn)安全、可持續(xù)的交通系統(tǒng)。這次雙方合作后,將在機器學習領域展開深入探討,研發(fā)先進的算法,幫助解決出行智能匹配這一世界難題,并通過優(yōu)秀的算法模型來規(guī)范司機安全駕駛,保障用戶出行安全,而在社會層面,雙方將在智慧交通領域合作,探索提升城市整體交通效率的技術方案。我們希望運用云計算、大數(shù)據(jù)和人工智能等前沿技術,來提升人們的出行效率,也讓整個城市的交通環(huán)境變得更美好。”
密歇根大學科研副校長胡仕新(S.Jack Hu)表示: "滴滴出行是一家值得被尊敬的科技創(chuàng)新企業(yè),它擁有巨大的出行數(shù)據(jù),短短四年時間,已經(jīng)在機器學習和智慧交通領域處在全球領先水平。我們很高興這次和滴滴出行達成為期三年的戰(zhàn)略合作,雙方將圍繞‘智慧交通’進行前沿技術的學術研究、成果轉化,以及機器學習和大數(shù)據(jù)人才的培養(yǎng)。我們期待與滴滴出行通過緊密合作,讓科研成果運用在滴滴出行真實大數(shù)據(jù)中為城市創(chuàng)造更美好的出行體驗,共同培養(yǎng)全球化的科技創(chuàng)新人才。”
當前,滴滴出行在智慧交通、機器學習、數(shù)據(jù)挖掘和大數(shù)據(jù)等領域開發(fā)出許多業(yè)界領先的技術成果:例如成為國內(nèi)首家把機器學習成功應用到ETA的公司,解決“訂單高效匹配”和“司機運力調(diào)度”問題;已經(jīng)上線的“目的地預測”和“推薦上車地點”兩大功能極大方便了司乘雙方;對未來的出行需求進行預測,15分鐘后供需預測的準確度達到了85%;通過構建交通云計算平臺,實現(xiàn)區(qū)域熱力圖、城市運力分析、城市交通出行預測等,幫助城市交通建設及公眾出行作決策。
張博亦表示,滴滴正致力于建設世界級科技公司,愿意與全球高校、科研機構合作,開放部分脫敏數(shù)據(jù)和計算基礎設施,一起探索交通前沿科技的邊界,并嘗試將尖端科技應用到改變交通的實際中。
分析認為,滴滴與密歇根大學的合作顯示出極其開放的對外合作姿態(tài),此前滴滴方面也在多個場合表示,愿意開放脫敏數(shù)據(jù)給第三方進行相關研究,而與全球科研機構以及高校合作也意味著滴滴的人才走向國際化,未來或將有越來越多的國際一流技術人才加盟。滴滴正在通過全球化的開放合作為前沿科學探索加碼。
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。