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
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。
上海AI实验室团队发现自回归图像生成模型存在局部依赖、语义不一致和空间不变性缺失三大问题,提出ST-AR训练方法。该方法通过掩码注意力、跨步骤对比学习和跨视角对比学习,让AI"先理解再生成"。实验显示,ST-AR将LlamaGen模型的图像理解准确率提升一倍以上,图像生成质量提升42-49%,为构建更智能的多模态AI系统开辟新路径。