世界人工智能大會(huì)作為人工智能領(lǐng)域最具影響力的專業(yè)化、國(guó)際化交流平臺(tái),素來(lái)以市場(chǎng)需求為導(dǎo)向,以服務(wù)行業(yè)為宗旨,以國(guó)際合作為特色,產(chǎn)業(yè)對(duì)接作為其中鏈接上下游的重要板塊,一直是重點(diǎn)打造的項(xiàng)目。2022年世界人工智能大會(huì)一共舉辦10場(chǎng)細(xì)分領(lǐng)域的產(chǎn)業(yè)對(duì)接會(huì),與2021年相比,對(duì)接會(huì)突破了傳統(tǒng)模式,從展會(huì)走進(jìn)了園區(qū),走到了企業(yè),而9月2日下午在莘莊工業(yè)區(qū)舉辦的智能工廠專場(chǎng)對(duì)接會(huì)就是一次成功的嘗試。
此次莘莊工業(yè)區(qū)智能工廠專場(chǎng)共分為3個(gè)部分,根據(jù)世界人工智能大會(huì)對(duì)接團(tuán)的企業(yè)成員的經(jīng)營(yíng)以及產(chǎn)業(yè)分布情況,分別安排了莘莊工業(yè)區(qū)內(nèi)企業(yè)上海施耐德低壓終端電器有限公司、上海儀電顯示材料有限公司的智能工廠產(chǎn)線參觀以及現(xiàn)場(chǎng)溝通,接待公司高度重視,負(fù)責(zé)信息化建設(shè)的部門(mén)以及采購(gòu)部分對(duì)來(lái)訪成員做了詳細(xì)的解答。
在智能工廠專場(chǎng)對(duì)接會(huì)上,莘莊工業(yè)區(qū)作了園區(qū)介紹,并歡迎廣大參會(huì)企業(yè)前來(lái)莘莊工業(yè)區(qū)投資興業(yè)。作為上海108家工業(yè)區(qū)綜合發(fā)展指數(shù)排名第三的工業(yè)園區(qū),經(jīng)過(guò)27年的發(fā)展,已經(jīng)集聚眾多優(yōu)秀智能制造企業(yè),這些企業(yè)在園區(qū)內(nèi)部的產(chǎn)業(yè)鏈循環(huán),完善的上下游,便捷的物流運(yùn)輸對(duì)于企業(yè)發(fā)展起到了很大的幫助。園區(qū)期待未來(lái)有更多優(yōu)秀的AI技術(shù)能夠賦能園區(qū)建設(shè),同時(shí)也賦能園區(qū)內(nèi)的制造企業(yè)。
會(huì)上,奧特斯(中國(guó))有限公司質(zhì)量部總監(jiān)黃建明詳細(xì)介紹了奧特斯(中國(guó))有限公司智能工廠項(xiàng)目,也歡迎優(yōu)秀的AI技術(shù)能夠賦能企業(yè)。閔行聯(lián)通副總經(jīng)理季蓓在會(huì)上發(fā)言,希望聯(lián)通成為助力企業(yè)數(shù)字化轉(zhuǎn)型的有力支撐。
本次活動(dòng)共有包括寧波方太廚具有限公司、江蘇風(fēng)和醫(yī)療器材股份有限公司等20多家傳統(tǒng)制造企業(yè)參加,還有上??擅骺萍加邢薰?、融科聯(lián)創(chuàng)(天津)信息技術(shù)有限公司等10家AI技術(shù)公司參加,交流會(huì)上大家充分溝通,在自己的上下游產(chǎn)業(yè)中積極尋找自己的合作伙伴。
2022世界人工智能大會(huì)(WAIC2022),由國(guó)家發(fā)展和改革委員會(huì)、工業(yè)和信息化部和上海市人民政府等共同主辦。本次大會(huì)以“智聯(lián)世界 元生無(wú)界”為主題,結(jié)合上海新賽道新產(chǎn)業(yè)布局,充分展示數(shù)字經(jīng)濟(jì)的新理念、新發(fā)展、新成果。
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。