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
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。