百度无人驾驶技术峰会8月18日召开,百度深度学习实验室副主任余凯在接受采访时透露了百度在无人驾驶技术上的战略部署,解读了百度为什么要做无人驾驶。
“首先无人驾驶能够使我们的驾驶变得更加安全。第二个原因是,如果智能驾驶成为现实,你会省去到飞机场和火车站的时间,有自己的车把你带到目的地。第三,现在大都市普遍有交通堵塞的问题,或者你在喝醉酒了以后想找代驾,如果有无人驾驶就可以解决。”
事实上,更让人感兴趣的是,为什么是百度来做这个事情?
对此,余凯称:“首先百度不仅仅是搜索公司,也是一个做地图的服务商,地图是非常重视数据的服务,如果我们在下一个五年或者下一个十年的布局上,如果百度能够在新的下一代的地图上能够占得先机的话,可以说意义非常大;”
“ 第二,无人驾驶作为一个机器人领域的一个特殊的应用,我们认为它是相当于针对未来的一个技术储备。”
“第三个原因是,我觉得无人驾驶车辆或者说智能车,是未来一个新的平台,因为首先,有很多信息都是在车里面被消费。”
无人驾驶汽车作为与人们生活极其相关的高科技产品,受到了极大关注。百度无人驾驶技术峰会将相关专家聚集一堂,针对具体问题进行了深入探讨。
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。