首先与大家分享一个场景:“……哈巴狗一般大小、名叫‘先锋’的机器人慢慢向前翻滚着,逐渐靠近地毯上的玩具‘美国队长’,它们对峙站立的地方是一间儿童卧室,Qualcomm在一辆房车中搭建了这个空间。“先锋”的动作停顿了下来,好像在评估周遭环境,然后,它用自己身前像雪铲一样的工具把美国队长揽入怀中,转个身,把它向三个矮矮的玩具箱推去。 高级工程师Ilwoo Chang抬起两只手臂,指向应该投放‘美国队长’的那个箱子。‘先锋’的摄像头看到了这个动作,乖乖地照做了。然后它又翻滚着折返,发现了另一个动作片人物‘蜘蛛侠’。”
(图片来自于《麻省理工科技评论》)
这个演示完成于Qualcomm圣迭戈总部,Qualcomm称其为Zeroth项目,描述来自科技期刊《麻省理工科技评论》(MIT Technology Review)的记者。近日这家期刊评选出2014年全球十大突破技术:Qualcomm神经形态芯片(即Zeroth项目)、基因编辑、灵巧性机器人、超私密智能手机、微距3D打印、移动协作、智能风能和太阳能、虚拟现实、农用无人机和脑部图谱。
“通过Qualcomm Zeroth项目,你可以窥见计算的未来。 机器人完成的这些任务过去通常需要强大的、经过专门编程的计算机完成,耗费的电力也多得多。而‘先锋’只是配备了一个智能手机芯片和专门的软件,就能识别从前机器人无法识别的物体,根据它们与相关物体的相似程度来做分类,再把它们传送到房间中正确的位置。 这一切并不是源于繁复的编程,而只是因为人向它演示过一次它该往哪里走。机器人可以做到这些,是因为它模仿了人脑的运作,尽管这种模仿非常有限。” 《麻省理工科技评论》如此评论这次演示。
关于Zeroth,过去几年中,Qualcomm研发团队一直致力于开发一种突破传统模式的全新计算架构。他们希望打造一个全新的计算处理器,模仿人类的大脑和神经系统,使终端拥有大脑模拟计算驱动的嵌入式认知——这就是Zeroth。也就是说,Qualcomm正在把硅片和生物系统间的界限变模糊,未来你的智能手机等终端将预期你下一步想干什么。
“仿生式学习”、“使终端能够像人类一样观察和感知世界”、“神经处理单元(NPU)的创造和定义”是Zeroth的三个目标。关于“仿生式学习”,值得注意的是,Qualcomm实现其是通过基于神经传导物质多巴胺的学习(又名“正强化”)完成的——而非编写代码。
稍早前,基于Zeroth,Qualcomm研发部门参与了一个突破性的研究,并将其发现发表在《自然》杂志上,解释哺乳动物的大脑是如何对运动进行探测的。其工程师说,“Qualcomm研发部门的工作人员以解决重大挑战为荣,其中一项挑战是认识人脑——最复杂、最多面的进化产物。作为这项先驱工作的一部分,我们还建立了模拟视网膜和神经元的数学模型和算法,让整个科学界能够在进一步的研究和测试中使用和利用。”这样的表述与Qualcomm执行董事长保罗·雅各布日前在中国南京发表的演讲相呼应,雅各布说,“(科技进步)这一切背后的推动力是什么?我相信是发明创造,是创新为这个市场带来了增长,为消费者带来了新的服务和新的能力。”
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。