正在使用百度地圖導(dǎo)航的你,聽(tīng)到系統(tǒng)自動(dòng)語(yǔ)音提示“附近將有救護(hù)車(chē)經(jīng)過(guò),請(qǐng)注意讓行”的時(shí)候,千萬(wàn)別慌,這只是提示你后方1.5公里內(nèi)有急救車(chē),請(qǐng)你避讓?zhuān)瑸樯舫鰧氋F的通道。從急救車(chē)位置上傳到為司機(jī)播報(bào)提醒,百度地圖已將這一系列響應(yīng)過(guò)程縮短至1秒。
今年11月15日上線(xiàn)的百度地圖“急救車(chē)讓行播報(bào)”功能,在北京、江西九江兩地率先落地使用,北京更是予以了高度重視,在北京市衛(wèi)生健康委員會(huì)的倡導(dǎo)下,百度地圖、120北京急救中心、北京999急救中心、北京依眾公益基金會(huì)于12月20日共同出席并簽署戰(zhàn)略合作,呼吁“為愛(ài)讓行”。
(從左依次:百度地圖事業(yè)部副總經(jīng)理劉玉亭、120北京急救中心副主任劉紅梅、北京999急救中心黨總支副書(shū)記劉秀華、北京依眾公益基金會(huì)理事長(zhǎng)趙暉)
在此合作的基礎(chǔ)上,百度地圖全方位接入北京120、999急救車(chē)相關(guān)的權(quán)威數(shù)據(jù),并將此數(shù)據(jù)對(duì)接入百度地圖鷹眼平臺(tái),以實(shí)現(xiàn)對(duì)“急救車(chē)軌跡”的實(shí)時(shí)追蹤,極大提高了播報(bào)范圍的準(zhǔn)確性。百度地圖鷹眼軌跡服務(wù)是集軌跡追蹤、軌跡存儲(chǔ)、軌跡處理與查詢(xún)的一套完整軌跡管理開(kāi)放服務(wù)。通過(guò)覆蓋多平臺(tái)的SDK、API以及強(qiáng)大的云端服務(wù),能夠幫助開(kāi)發(fā)者迅速開(kāi)發(fā)人員和車(chē)輛軌跡追蹤系統(tǒng)。
百度地圖事業(yè)部副總經(jīng)理劉玉亭在現(xiàn)場(chǎng)表示:“急救車(chē)承載著生命,務(wù)必分秒必爭(zhēng)。此次能夠與權(quán)威部門(mén)一起,在第一時(shí)間為急救車(chē)附近的車(chē)主傳遞信息,全力為急救患者打通一條‘生命通道’,這是沉甸甸、責(zé)任重大的舉措。該功能自上線(xiàn)以來(lái)不斷優(yōu)化,如今響應(yīng)時(shí)間已縮短至1秒。”同時(shí)他還說(shuō)到,“相信在未來(lái),百度地圖將在更多領(lǐng)域中發(fā)揮平臺(tái)的連接作用,承擔(dān)更多的社會(huì)責(zé)任。”百度地圖積極利用自身科技和平臺(tái)優(yōu)勢(shì),聯(lián)動(dòng)每位用戶(hù)傳遞正能量的行為,贏得社會(huì)各界的“點(diǎn)贊”。
如果說(shuō)醫(yī)院是一個(gè)生與死較量的“戰(zhàn)場(chǎng)”,那么急救車(chē)就是這場(chǎng)戰(zhàn)爭(zhēng)的“先遣部隊(duì)”。針對(duì)“急救車(chē)通行難題”,社會(huì)各方都在積極尋求解決之道。百度地圖作為連接億萬(wàn)用戶(hù)的地圖行業(yè)“領(lǐng)航人”,以融合科技的創(chuàng)新模式,為解決急救難題提供了有益的示范樣本。未來(lái),百度地圖還將爭(zhēng)取在更多城市落地該功能,積極承擔(dān)社會(huì)責(zé)任,聯(lián)動(dòng)更多用戶(hù)發(fā)揮更大的價(jià)值。
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。