1年賦能100家環(huán)保機(jī)構(gòu),阿里云發(fā)布“青山綠水”計(jì)劃從沙塵暴、水土流失到霧霾、化學(xué)化工污染,環(huán)境問(wèn)題日益復(fù)雜。新的挑戰(zhàn),需要新的技術(shù)。
9月5日,在阿里巴巴95公益周“天更藍(lán)”發(fā)布會(huì)上,阿里云宣布啟動(dòng)“青山綠水”計(jì)劃,全面開(kāi)放ET環(huán)境大腦的智能技術(shù),提供全景生態(tài)分析、智能綜合決策、智能環(huán)境監(jiān)督等服務(wù),目標(biāo)是1年內(nèi)賦能100家環(huán)保機(jī)構(gòu)。
馬云曾說(shuō),如果地球病了,沒(méi)有人會(huì)健康。面對(duì)環(huán)境污染,“這次人類擁有的巨大的武器那就是計(jì)算機(jī),就是云的能力”。
阿里云ET環(huán)境大腦負(fù)責(zé)人王曉光在演講中介紹,憑借阿里云飛天強(qiáng)大的計(jì)算能力和豐富的人工智能算法,環(huán)境大腦能夠發(fā)現(xiàn)衛(wèi)星圖像、氣溫、風(fēng)力、氣壓等各類信息背后的環(huán)境密碼,并快速做出決策。
例如,數(shù)字地球集成了全球各類自然環(huán)境信息,可以分析全球植被綠化變遷、自然災(zāi)害監(jiān)測(cè)、極端天氣預(yù)警等,具備全球視野,可以協(xié)助環(huán)保機(jī)構(gòu)監(jiān)督環(huán)境變化及政府執(zhí)法。
阿里云現(xiàn)場(chǎng)展示了“海洋環(huán)境保護(hù)智慧圖”,可判斷出海域是否存在污染、氣象災(zāi)害、漁業(yè)過(guò)度開(kāi)發(fā)等問(wèn)題。“海洋環(huán)境保護(hù)智慧圖”整合來(lái)自美國(guó)NASA的公開(kāi)數(shù)據(jù)信息,包括葉綠素濃度、分層水溫、海表溫度等,經(jīng)人工智能和數(shù)據(jù)挖掘技術(shù)進(jìn)行分析及可視化處理,建立多源數(shù)據(jù)智能處理模型。
后期,這一智慧圖將向所有環(huán)保機(jī)構(gòu)開(kāi)放,任何環(huán)保部門、公益組織、社會(huì)公眾都可以直觀、實(shí)時(shí)地觀察海洋環(huán)境變化,監(jiān)督海洋資源開(kāi)發(fā)。
現(xiàn)在內(nèi)蒙古環(huán)保廳已經(jīng)加入了這一計(jì)劃。內(nèi)蒙古環(huán)保廳正與阿里云合作,以人工智能保護(hù)當(dāng)?shù)氐淖匀火佡?zèng)——“羊煤土氣”,守住中國(guó)北疆水草豐美、牛羊成群的靚麗風(fēng)景線。
環(huán)境大腦將成為內(nèi)蒙古環(huán)保廳的“智慧大腦”,在不同場(chǎng)景下發(fā)揮作用,例如構(gòu)建排污許可大數(shù)據(jù)平臺(tái),或根據(jù)企業(yè)的產(chǎn)量、能耗、規(guī)模等進(jìn)行評(píng)估,構(gòu)建全區(qū)企業(yè)環(huán)境信用體系。
此前,江蘇省環(huán)保廳也已引入ET環(huán)境大腦,實(shí)現(xiàn)對(duì)水、氣、土、污染源的智能感知,管理了近2.5萬(wàn)家企業(yè)。在固廢處理方面,已實(shí)現(xiàn)全鏈路監(jiān)管,從減量化、資源化、無(wú)害化等5個(gè)維度的200個(gè)指標(biāo)建立企業(yè)綜合評(píng)估模型,提前發(fā)現(xiàn)異常的廢物申報(bào)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。