11月5日,Unity中國——作為實時3D內(nèi)容創(chuàng)作和運營平臺Unity在華設(shè)立的合資公司,首次參展第五屆中國國際進口博覽會,以“生命之境”為展臺主題,在技術(shù)裝備展區(qū)“人工智能專區(qū)”的3A5-02展位正式亮相。
Unity中國的首秀,不僅彰顯了其深耕中國市場、服務中國消費者的決心,也是在今年8月成立以來,再次強調(diào)將以營建行業(yè)生態(tài)為主要策略,深度參與中國各產(chǎn)業(yè)的數(shù)字化進程。
此次,Unity中國帶來了實時3D技術(shù)在數(shù)字孿生、智能座艙解決方案、元宇宙與游戲等領(lǐng)域的創(chuàng)新應用;并將以包括Unity汽車智能座艙解決方案、Unity HairFX毛發(fā)系統(tǒng)以及Unity云編輯器(Cloud Editor)在內(nèi)的三大前沿技術(shù)首發(fā);同時,Unity中國還將在進博會的第三天舉辦“Unity元宇宙生態(tài)論壇”,與多個賽道的戰(zhàn)略合作伙伴一起,探討由實時3D技術(shù)賦予新生的無限未來。
11月6日,Unity中國也將舉行線上直播,不僅讓全球用戶在手機端云逛展臺,全面了解實時3D技術(shù)如何為各行各業(yè)降本增效;Unity中國高層團隊也將同框回答觀眾提問,分享對行業(yè)前景的理解與展望;同時,研發(fā)團隊與開發(fā)者嘉賓也會共同在線解析實時3D技術(shù)的應用及拓展。
Unity中國總裁張俊波表示:“Unity中國首次參展進博會,可以看作是未來幾年內(nèi)我們參與全產(chǎn)業(yè)數(shù)字革命的一個新航標,隨著人工智能和算力的發(fā)展,所有行業(yè)都會迎來數(shù)字化的浪潮,也會迎來高質(zhì)量轉(zhuǎn)型和效率的指數(shù)級提升,我們很榮幸可以用全球頂尖的實時3D技術(shù),為包括智能制造、城市基建、文旅互娛、商業(yè)零售在內(nèi)的眾多產(chǎn)業(yè),帶來一次全新的迭代,為中國的數(shù)字化進程貢獻力量。”
在各產(chǎn)業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型的過程中,實時3D技術(shù)發(fā)揮著重要作用,在此次進博會的現(xiàn)場,Unity中國帶來了多個細分場景解決方案,包括基于數(shù)字孿生的智慧城市、智慧水利、智慧交通、智慧產(chǎn)線、智慧機場、智慧零售解決方案、以及已經(jīng)廣泛運用于汽車產(chǎn)業(yè)的智能座艙解決方案、元宇宙時代所需要的數(shù)字人渲染技術(shù)、與線上虛擬辦公解決方案,為各行各業(yè)注智賦能。
在虛實融合的未來,實時3D技術(shù)不僅可以為現(xiàn)實世界降本增效;也能在虛擬世界里,打造與現(xiàn)實世界一摸一樣的人、場、物,讓元宇宙世界成為可能;還能創(chuàng)造所有人都不曾見過的全新內(nèi)容。Unity中國期待著和廣大用戶及合作伙伴一同,建立繁榮開放的科技生態(tài),助力中國的數(shù)字化轉(zhuǎn)型與高質(zhì)量發(fā)展。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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練效率,已在多個任務上驗證有效性。