9月19日在2018杭州·云棲大會(huì)上,杭州城市大腦2.0正式發(fā)布,已成為杭州新基礎(chǔ)設(shè)施:覆蓋主城區(qū)、余杭區(qū)、蕭山區(qū)共420平方公里,相當(dāng)于65個(gè)西湖大小。通過交警手持的移動(dòng)終端,大腦已可實(shí)時(shí)指揮200多名交警。
過去一年,杭州城市大腦管轄范圍擴(kuò)大了28倍。杭州主城限行區(qū)域全部接入大腦,此外還有余杭區(qū)臨平、未來科技城兩個(gè)試點(diǎn)區(qū)域及蕭山城區(qū),總計(jì)420平方公里,相當(dāng)于65個(gè)西湖。優(yōu)化信號燈路口1300個(gè),覆蓋杭州四分之一路口,同時(shí)還接入了視頻4500路。
隨著范圍擴(kuò)大,杭州市運(yùn)營的杭州城市大腦匯聚起了城市交通管理、公共服務(wù)、運(yùn)營商的海量數(shù)據(jù),但依托自研的飛天計(jì)算平臺(tái),仍在歷史上首次實(shí)現(xiàn)了城市數(shù)據(jù)的匯聚、融合、計(jì)算,甚至數(shù)出每時(shí)每刻跑在路上的車輛數(shù),改變了傳統(tǒng)用靜態(tài)的機(jī)動(dòng)車保有量來制定交通政策的方式,也解決了交通工程數(shù)十年未曾突破的根本問題。
城市的交通是一張巨大的網(wǎng),由成千上萬個(gè)路口組成。找到關(guān)鍵交通變量,建立穩(wěn)定的保障體系,杭州城市大腦數(shù)分鐘內(nèi)就可以完成上千個(gè)核心路口、萬級交通配時(shí)控制參數(shù)的優(yōu)化,順利應(yīng)對復(fù)雜多變的交通問題。
除了能實(shí)時(shí)優(yōu)化信號燈,杭州城市大腦還實(shí)現(xiàn)了主動(dòng)報(bào)警、主動(dòng)處置的完整閉環(huán)。借助視頻分析、路口數(shù)據(jù)分析等方式,大腦可對擁堵、違停、事故、亂點(diǎn)等主動(dòng)報(bào)警,現(xiàn)在大腦警情已占全部警情95%以上。通過手持的移動(dòng)終端,大腦可以直接指揮杭州市200多名交警,如派交警機(jī)動(dòng)隊(duì)去現(xiàn)場處置交通事故等。
盡管快速路網(wǎng)、軌道交通網(wǎng)的“兩網(wǎng)建設(shè)”消耗了杭州五分之一的道路資源,但依據(jù)公開的城市季度報(bào)告,杭州交通效率不斷提高。在全國最擁堵城市排行榜上,杭州從2016年第5名下降到2018年第57名。
現(xiàn)在,杭州城市大腦還開拓了應(yīng)用新領(lǐng)域,成為消防戰(zhàn)士的得力助手。余杭消防大隊(duì)已經(jīng)率先用上大腦,保障市民生命財(cái)產(chǎn)安全。
曾經(jīng),杭州市政府聯(lián)合阿里云等企業(yè),代表中國城市為世界作探索。今天,杭州的經(jīng)驗(yàn)正在輻射世界。
2018年1月,馬來西亞吉隆坡引入阿里云ET城市大腦,其中在杭州率先試驗(yàn)成功的特種車輛優(yōu)先調(diào)度同樣在吉隆坡落地成功,測試顯示救護(hù)車到達(dá)現(xiàn)場的時(shí)間縮短了48.9%。未來,“杭州紅綠燈”有可能成為世界上一種全新的紅綠燈控制系統(tǒng)。
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(dòng)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(dòng)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。