CNET科技資訊網(wǎng) 4月21日 北京消息:“空山新雨后”,杭州植物園。馬云老師來了,不過,這一次不是“老師”,是大自然的學(xué)生。4月21日下午,他放下繁忙事務(wù),在這里玩起了小游戲。
在自然老師的指導(dǎo)下,現(xiàn)場嘉賓手?jǐn)n在耳后,傾聽自然的聲音。“我聽到了五六種聲音。”馬云說。
隨后,16位嘉賓分成兩隊,每個小隊由一人蒙上眼睛,化身“護(hù)花使者”,面前有七朵需要守護(hù)的杜鵑花。其余嘉賓的身份則是“獵人”,悄悄靠近目標(biāo),竊取“護(hù)花使者”面前的杜鵑花。“護(hù)花使者”要做的,是努力辨識青草被踩壓的聲音,指出“獵人”的方位。誰能指出對方“獵人”的人數(shù)多,則為獲勝的一方。
風(fēng)拂過樹葉,鳥鳴聲聲,是為天籟。兩位“護(hù)花使者”背靠背,馬云成為其中之一。
“獵人”出沒,悄無聲息。“他們已經(jīng)出來兩個了。”圍觀的人有點(diǎn)替馬云著急。馬云自信的微微一笑,“我聽出來了。”隨后,他毫不猶豫地指出四位“獵人”的方位。
這是桃源里自然中心開學(xué)典禮后的第一堂體驗課,主題是“放下屏幕,走進(jìn)自然。”
調(diào)查數(shù)據(jù)顯示:中國人每天被屏幕占據(jù)時長達(dá)8小時,超過68%的城里娃戶外活動時間不超過1小時,11%的孩子根本就沒有接觸自然的機(jī)會。一份國際自然教育志愿者對一批5-7歲的孩子長達(dá)兩年的觀察顯示,和自然接觸缺失的孩子,相對常在自然中玩耍的孩子,更易肥胖、注意力不集中、孤獨(dú)、易怒,甚至有時會有輕度抑郁。
這些現(xiàn)象引起了越來越多的關(guān)注,桃源里自然中心順時而生。這所植物園深處的自然學(xué)校,由杭州植物園、阿里巴巴公益基金會、桃花源生態(tài)保護(hù)基金會合力打造,為大家提供一個重回自然懷抱的場所。而且,三方將在此建立城市型的自然體驗中心,開發(fā)“在地”的自然體驗課程,對全國自然體驗師提供交流和經(jīng)驗分享平臺;并以杭州為中心,向浙江省乃至全國推薦這種模式。
阿里巴巴公益基金會還將和桃花源生態(tài)保護(hù)基金會一起推動中國自然教育機(jī)構(gòu)的能力培訓(xùn)計劃,希望在未來10年,對100家專業(yè)從事自然教育機(jī)構(gòu)提供資金、技術(shù)、智力和實踐機(jī)會的支持;在未來10年內(nèi)培養(yǎng)1000名自然教育專業(yè)人才;也將持續(xù)推動自然教育的行業(yè)交流,共同推動全國范圍內(nèi)的自然教育基地的開發(fā)和建設(shè),提供資金及資源支持,探索更多自然教育模式。
當(dāng)日,桃源里自然中心正式“開學(xué)”。游戲結(jié)束后,馬云依舊興致勃勃。“杭州是座幸福的城市,有山,有湖,我們希望有更多的城市,留出來自己的綠肺,讓更多人有親近自然的機(jī)會。”馬云說。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(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)集上實現(xiàn)37.9%的精度提升,并在真實設(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)隊通過對比實驗發(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際提升推理準(zhǔn)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(qiáng)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。