日產(chǎn)中國在2024北京車展的展臺與百度的合作諒解備忘錄簽署,成為科技與汽車行業(yè)融合發(fā)展的一個(gè)縮影。
據(jù)悉,雙方此次合作的核心內(nèi)容涵蓋了基于日產(chǎn)汽車智能化平臺,利用百度在生成式人工智能領(lǐng)域的領(lǐng)先技術(shù),來共同探索智能汽車技術(shù)發(fā)展的未來。日產(chǎn)中國總經(jīng)理松山昌史先生在回答媒體提問時(shí)提到,合作的基礎(chǔ)在于共同的目標(biāo)和思維方式,而這種戰(zhàn)略合作是為了響應(yīng)AI技術(shù)在汽車行業(yè)日益增長的需求,同時(shí)實(shí)現(xiàn)日產(chǎn)汽車在智能化和電動(dòng)化進(jìn)程中的加速。
日產(chǎn)汽車依據(jù)其“The Arc日產(chǎn)電弧計(jì)劃”,計(jì)劃到2026財(cái)年在中國市場推出8款新能源車型,此次合作正契合這一愿景。長期以來,日產(chǎn)汽車踐行其“在中國,為中國”的理念,在提供高品質(zhì)產(chǎn)品的同時(shí),也在智能化領(lǐng)域不斷探索和實(shí)踐。
對百度來說,如百度智能駕駛事業(yè)群組智能汽車業(yè)務(wù)部總經(jīng)理蘇坦所言,這次合作將充分發(fā)揮其在人工智能領(lǐng)域的優(yōu)勢,幫助日產(chǎn)在智能化水平上實(shí)現(xiàn)新的突破。蘇坦先生進(jìn)一步說明了百度的目標(biāo),即通過深度合作,將百度的AI技術(shù)融入日產(chǎn)的產(chǎn)品和服務(wù)中,為消費(fèi)者帶來更智能、便捷的出行體驗(yàn)。
對于具體合作細(xì)節(jié),松山昌史表示,日產(chǎn)與百度的結(jié)合將著重于利用AI技術(shù)制造未來的汽車產(chǎn)品,這一過程將通過與消費(fèi)者的溝通來逐步展開和推進(jìn)。而在AI技術(shù)在日產(chǎn)車型中的具體應(yīng)用方面,目前仍處于探討階段,雙方將共同研究如何更好地利用百度的AI解決方案,為消費(fèi)者提供多元化的選擇。
在記者問答環(huán)節(jié),蘇坦也分享了百度在AI技術(shù)領(lǐng)域保持領(lǐng)先地位的策略。百度從成立之初就以AI技術(shù)作為公司的核心,通過全線部署在框架、模型、底層芯片、上層應(yīng)用等方面的深厚積累,持續(xù)推動(dòng)AI技術(shù)的發(fā)展和應(yīng)用。
當(dāng)談及合作的未來影響和全球計(jì)劃時(shí),雙方領(lǐng)導(dǎo)都表達(dá)了其愿景和預(yù)期。松山昌史表示,雖然合作首先著眼于中國市場,但他們也期望能夠?qū)⒊晒麛U(kuò)展至全球范圍。蘇坦先生則指出,生成式AI的全球化特性意味著這次合作的成果可能會(huì)服務(wù)于更廣泛的用戶群體。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)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(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。