CNET科技資訊網(wǎng) 5月5日 北京消息:今天,滴滴出行宣布與斯坦福大學(xué)人工智能實(shí)驗(yàn)室(Stanford Artificial Intelligence Laboratory)達(dá)成合作,雙方將圍繞人工智能熱點(diǎn)課題進(jìn)行科學(xué)研究、課程創(chuàng)新、人才培養(yǎng)等。這是繼牽手密歇根大學(xué)之后,滴滴再一次與國際高校進(jìn)行合作。
據(jù)了解,合作期間,雙方將重點(diǎn)對人工智能、智能駕駛領(lǐng)域熱點(diǎn)課題展開研究,具體研究方向包括計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、遷移學(xué)習(xí)等。除整合雙方優(yōu)勢,進(jìn)行前沿科學(xué)研究探索外,滴滴還將參與SAIL課程設(shè)計(jì),開放滴滴數(shù)據(jù)平臺,提供部分脫敏數(shù)據(jù)供學(xué)生進(jìn)行實(shí)驗(yàn)和研究,以培養(yǎng)更多具有創(chuàng)新意識的人工智能領(lǐng)域頂級人才。
公開資料顯示,斯坦福大學(xué)在機(jī)器學(xué)習(xí)、人工智能等領(lǐng)域?qū)嵙ι詈瘢淙斯ぶ悄軐?shí)驗(yàn)室成立于1962年,是全球頂級人工智能研究機(jī)構(gòu)之一。目前SAIL聚集了多個(gè)領(lǐng)域?qū)<?,覆蓋計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、圖像處理、傳感器網(wǎng)絡(luò)、自然語言處理、機(jī)器人技術(shù)等多個(gè)領(lǐng)域,包括Andrew Ng(吳恩達(dá))、李飛飛等華裔專家被大部分國人熟知。
滴滴出行CTO張博表示:“滴滴平臺擁有全世界最豐富的出行數(shù)據(jù),基于領(lǐng)先的大數(shù)據(jù)和技術(shù)優(yōu)勢,當(dāng)前滴滴正在驅(qū)動人工智能技術(shù)迅速迭代升級,并且通過積極的國際化部署推動世界交通和汽車產(chǎn)業(yè)變革。此次合作也是優(yōu)勢校企資源的再度攜手,相信將能提速人工智能和智能駕駛等技術(shù)的科研發(fā)展,在全球交通產(chǎn)業(yè)創(chuàng)新前沿實(shí)現(xiàn)突破,為社會發(fā)展創(chuàng)造更大價(jià)值。”
技術(shù)與創(chuàng)新是滴滴發(fā)展的重要驅(qū)動力之一。早在2015年5月,滴滴就正式成立機(jī)器學(xué)習(xí)研究院,將機(jī)器學(xué)習(xí)大規(guī)模應(yīng)用在出行領(lǐng)域,推動行業(yè)技術(shù)升級。去年4月,滴滴機(jī)器學(xué)習(xí)研究院升級為滴滴研究院,試圖通過機(jī)器學(xué)習(xí)理論和方法,最大化利用交通運(yùn)力,緩解城市擁堵。今年3月初,滴滴還在加利福尼亞硅谷成立滴滴美國研究院,持續(xù)引進(jìn)頂尖科研人才。
在持續(xù)技術(shù)創(chuàng)新的同時(shí),滴滴也加碼跨國創(chuàng)新合作交流,今年年初,滴滴與密歇根大學(xué)達(dá)成戰(zhàn)略合作,探索智慧交通領(lǐng)域。此次牽手SAIL,也意味著滴滴正在鏈接全球頂尖創(chuàng)新資源。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)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(shí)驗(yàn)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(duì)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)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(duì)通過對比實(shí)驗(yàn)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(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。