一位貨車(chē)司機(jī),因?yàn)楸倍返艟€而選擇自殺結(jié)束生命,這是「貨拉拉用戶跳車(chē)事件」之后,貨車(chē)行業(yè)的第二起科技事故。
「貨拉拉事件」后續(xù),是貨拉拉上線了一系列安全整改措施。從公開(kāi)資料來(lái)看,包括行程錄音、行駛記錄儀、逾期預(yù)警等。
但很遺憾,貨拉拉的整改措施,其實(shí)對(duì)司機(jī)和乘客的保護(hù)作用并不會(huì)太大——為什么這么說(shuō)呢,因?yàn)檫@是由目前城市的暴力犯罪類型所決定的。
由于技術(shù)在城市管理中已無(wú)處不在,比如大街小巷都能看到攝像頭。絕大多數(shù)人都能認(rèn)識(shí)到:在公共環(huán)境的暴力犯罪,跑不掉,藏不住。
近些年,一些陳年舊案接連告破,就是信息技術(shù)和生物技術(shù)升級(jí)的結(jié)果。
所以目前城市中的暴力犯罪,往往以“激情犯罪”(即沖動(dòng)性、爆發(fā)性犯罪行為)為主。
回看「貨拉拉事件」,司機(jī)和客戶之間的怒火,來(lái)自于女孩用滿了平臺(tái)所規(guī)定的免費(fèi)等待時(shí)間,又拒絕了司機(jī)的協(xié)助付費(fèi)搬運(yùn)。
而貨拉拉的整改措施(包括行程錄音、行駛記錄儀、逾期預(yù)警等),沒(méi)有一個(gè)能緩解司機(jī)的不滿,沒(méi)有一個(gè)能化解跳車(chē)乘客的惶恐(雖然此次事件可能是過(guò)度惶恐),都無(wú)法阻擋“激情犯罪”的發(fā)生,僅僅能協(xié)助處理犯罪之后的追查與定責(zé)罷了。
說(shuō)白了,貨拉拉的系統(tǒng)整改主要強(qiáng)調(diào)「事故后的法律追責(zé)」,卻沒(méi)有對(duì)「緩解司機(jī)和客戶之間的情緒沖突」做任何改進(jìn)。
而這種情緒沖突,卻又是貨拉拉系統(tǒng)造成的。這就像給屋頂鑿了一個(gè)洞,然后底下放一個(gè)盆接水,卻不想著去補(bǔ)屋頂。
這種錯(cuò)誤價(jià)值觀的背后,是技術(shù)系統(tǒng)對(duì)“人情”的視而不見(jiàn)。正如「北斗貨車(chē)事件」,也是技術(shù)系統(tǒng)與人情之間的沖突。
貨車(chē)建立北斗系統(tǒng)的初衷是讓行車(chē)更安全,這個(gè)初衷沒(méi)錯(cuò)。
問(wèn)題在于系統(tǒng)的規(guī)則。系統(tǒng)規(guī)定,無(wú)信號(hào)就要罰款,這是因?yàn)榭紤]到人為主動(dòng)拆除系統(tǒng)而躲避監(jiān)管的可能性。系統(tǒng)在此預(yù)判了人情的惡。
可是,系統(tǒng)卻忽視了另外一種可能性,就是技術(shù)可能出故障,會(huì)對(duì)人的行為產(chǎn)生誤解。
如果系統(tǒng)無(wú)法具體理解每一個(gè)人的“人情”,只是默認(rèn)一切的失常行為,都是人情之“惡”。換言之,系統(tǒng)對(duì)人只做“有罪”推定是不完善的,因?yàn)橐恍┍幌到y(tǒng)規(guī)則誤判的人,無(wú)法去與冰冷的系統(tǒng)規(guī)則討說(shuō)法。這些被誤判的人,應(yīng)該怎么辦呢?
被系統(tǒng)制裁的人,只能寄希望于開(kāi)發(fā)系統(tǒng)的人(既是裁判員,又是運(yùn)動(dòng)員)推翻自己的機(jī)器裁決。
絕望自然在所難免。
從統(tǒng)計(jì)學(xué)角度看,在絕大多數(shù)情況下,機(jī)器系統(tǒng)或許比人更公正。但是偏偏有一小部分情況,系統(tǒng)會(huì)做出不公正的裁決。
這時(shí),誰(shuí)應(yīng)該做最終的裁判?
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。