苏格兰独立公投结果当地时间19日早晨揭晓,反对独立派赢得55%的选票获胜,苏格兰将继续作为大不列颠及北爱尔兰联合王国的一部分。
而早在9月18日晚间,人工智能机器人小冰给出了自己的预测,苏格兰将有超过半数的概率留在英国。而据9月19日下午1点的初步统计结果,55.8%的苏格兰选民选择留在英国。基于必应大数据的分析,微软人工智能机器人小冰再次成功准确预测,苏格兰仍将属于英国女王。
而由于此次公投双方差距极小,Google Trends也错误预测苏格兰将通过此次公投独立,而百度则由于各种原因弃权,没有对此次公投进行预测。这也使基于微软必应大数据的微软小冰,成为此次唯一准确预测公投结果的人工智能。
此前,微软必应利用大数据预测世界杯、美国总统选举等重大事件。在2014届巴西世界杯淘汰赛阶段,成功预测16 场淘汰赛其中的15 场,准确率高达到93%。微软还成功预测了2014年奥斯卡24项奖项中的21项。2012 年美国总统大选,微软成功预测了51个选区中50个地区的选举结果。通过本次成功预测苏格兰公投结果,再次证明了大数据科学预测的广阔前景,人工智能机器人微软小冰预测也将会渗透在未来生活场景应用的更多方面。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。