試想一下:當(dāng)你打開車門,車就能夠識別你的身份自動調(diào)整座椅、后視鏡和空調(diào)溫度;道路和其他車輛能與你的車自由交互,告知前方交通情況;主駕駛在看著導(dǎo)航開車,乘客依舊可以在后排屏幕選歌、看電影……
9月22日,2018杭州·云棲大會上,阿里巴巴發(fā)布了全新的AliOS 2.0系統(tǒng)。AliOS首席架構(gòu)師謝炎表示,AliOS 2.0系統(tǒng)在感知、交互、應(yīng)用、平臺、安全五個領(lǐng)域?qū)崿F(xiàn)了突破性進化,將定義下一代互聯(lián)網(wǎng)汽車的標(biāo)準(zhǔn)。
五項進化主要包括:
新感知:對車更全面的感知,覆蓋車機、胎壓等方面;基于人臉識別構(gòu)建
FaceID,實現(xiàn)駕駛體驗的千人千面;更好的感知道路狀況,集成V2X技術(shù),支持車路協(xié)同。
新交互:以“快捷手勢”“語音+手勢”“語音+觸摸”為基礎(chǔ)構(gòu)建多模態(tài)融合的智能交互方式;支持車內(nèi)多屏顯示與操作:中控屏顯示地圖,后排屏幕顯示音樂播放器,二者可獨立控制,屏幕內(nèi)容可拖拽式共享。
新應(yīng)用:提供AR導(dǎo)航服務(wù),可通過路況感知、AR技術(shù)將導(dǎo)航信息與實景融合,實時導(dǎo)航;基于人、車、環(huán)境數(shù)據(jù)感知,對駕駛行為與車輛狀況實時監(jiān)測、為企業(yè)和個人提供駕駛風(fēng)險管理服務(wù)。
新平臺:推出面向車的應(yīng)用開發(fā)框架和端上機器學(xué)習(xí)推理框架,對系統(tǒng)進行了深度優(yōu)化。應(yīng)用開放框架包含智能交互、車應(yīng)用開發(fā)模型、AI與車輛數(shù)據(jù);端上推理框架具有高實時性、保護隱私、無需聯(lián)網(wǎng)等優(yōu)點,且結(jié)合硬件做了性能優(yōu)化。
新安全:全面提升互聯(lián)網(wǎng)汽車安全等級,加固用戶隱私及數(shù)據(jù)安全。
參加發(fā)布會的英特爾公司副總裁及開源技術(shù)中心總經(jīng)理蘇義德(Imad Sousou) 也對AliOS 2.0的成功發(fā)布表示了祝賀。英特爾公司與阿里巴巴有著長期密切的合作,是AliOS的重要貢獻者。AliOS2.0是為建立互聯(lián)網(wǎng)汽車生態(tài)系統(tǒng)邁出的重要一步。同為全球領(lǐng)先的科技企業(yè),英特爾很樂意與AliOS一起為全球消費者打造更智能的未來出行體驗。
2014年阿里巴巴啟動了汽車操作系統(tǒng)的研發(fā),2年后搭載斑馬智行(基于AliOS)的榮威 RX5 正式上市,開創(chuàng)了“互聯(lián)網(wǎng)汽車”這一全新品類。目前已經(jīng)有榮威、大通、名爵、東風(fēng)雪鐵龍、福特、觀致等品牌開始使用基于AliOS的斑馬系統(tǒng)。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)團隊開發(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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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。