福特汽车、通用汽车、丰田和大众汽车在很多人看来都是汽车制造商,但现在他们已经称自己为“移动服务”提供商了。福特认为,“行动自由推动人类进步”。现在,福特已经成为一家全球性企业。
100多年前,福特诞生于美国密歇根州迪尔伯恩市,通过引入移动装配线、让人人拥有汽车给制造业带来一场变革。如今,福特汽车将目光瞄准了以技术为先、在互连汽车解决方案和自动驾驶汽车开发的过程中以各种方式使用人工智能和机器学习。
>>>制造和运营中采用人工智能
福特研究实验室对计算智能的研究已经持续进行了20多年时间。大约15年前,福特公司推出了一种创新的失火检测系统——这也是神经网络的首批大规模工业应用之一。福特还使用人工智能实现质量保障的自动化,检测汽车座椅的裂纹;利用神经网络支持从库存到资源管理的整个供应链。
不仅如此,福特使用一个名为CarStory的人工智能平台来了解二手汽车的库存数据,经销商们可以了解有关车辆状况、车主历史和市场定价等详细信息。CarStory利用数据分析提供报告,分析从前生产的每辆汽车有什么独特之处。
>>>面向路上行驶汽车的智能技术
福特2019 Ford Edge型号采用了人工智能作为全轮驱动系统的一个组成部分。该系统使用数十种高科技传感器,在需要全轮驱动的情况下反应速度比人脑还要快,可以自动地在两轮和四轮驱动之间进行切换。此外还采用了机器学习技术,提供消费者所需的新功能、个性化和产品改进。很多AI应用直接与驾驶员进行交互以监控加速或制动,有助于提高燃油效率以及驾驶员对于座椅位置、气候控制和信息娱乐的偏好。
福特还在中国市场推出了依赖百度人工智能的SYNC信息娱乐系统,与百度密切合作为中国消费者(最大的新兴汽车市场)提供他们对接入的要求。该系统提供了智能语音助手、视频流访问、车载系统和FordPass之间更便捷的信息交换、以及支付服务功能。福特在中国的所有产品将在2019年底前实现全连接。
>>>人工智能让福特赛车走向极致
福特也将人工智能运用在了赛车场上。Ford Motorsports采用模拟技术(NVIDIA DGX-1人工智能超级计算机)来了解赛车在赛道上的性能表现,这些洞察为比赛策略提供了信息支持,并带来了令人难以执行的成绩,看看福特300x的表现就知道了。
>>>投资人工智能
福特在Argo AI超过10亿美元的投资,体现了福特对人工智能技术的资金承诺。虽然Argo AI是一家独立公司,也在为其他汽车制造商提供创新技术,但福特同时也在自己的车辆中采用了Argo AI技术。此外,两家公司正在探索无人驾驶汽车和无人驾驶卡车技术如何变革运输和货运行业,目前沃尔玛就在使用基于Argo AI技术的福特货车给一些家庭送货。Argo AI公司成立于2016年,福特的注资让Argo AI能够快速开发自己的自动驾驶汽车技术。Argo的系统使用车道保持系统和自适应巡航控制等技术以及各种传感器(包括激光雷达、雷达、红外线等)改善自动驾驶车辆对周围环境的感知并对环境做出响应的方式。
福特还投资了多个卓越中心,专注于机器学习和人工智能技术。在这些卓越中心,工程师们研究人工智能工具和人工智能方法,进一步推进人工智能在全球范围的运用。此外,福特与全球多家高科技企业和初创公司展开合作,并在美国帕洛阿尔托成立了一个研究创新中心。
>>>自动驾驶汽车
福特汽车公司首席执行官Jim Hackett证实,福特预计将于2021年推出自动驾驶车队,但是在有限地区提供的。目前福特正在底特律、迈阿密和华盛顿特区的街道上测试他们的自动驾驶汽车。
人工智能创新步伐加快,像福特这样积极投资、研究和开发产品的企业将取得持续的成功。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。