
Google量子人工智能团队当地时间周二宣布,将开始设计和制造基于超导材料的量子信息处理器,这将使量子人工智能实验室利用自行设计的硬件进行量子计算方面的研究工作。
在量子处理器研发方面,Google与加利福尼亚大学圣巴巴拉分校的物理学家约翰•马丁尼斯(John Martinis)及其团队进行了合作。马丁尼斯是量子研究领域的领头羊,今年早些时候因在量子信息处理和计算领域的卓越成就被授予伦敦奖。
Google技术主管哈特穆特•内文(Hartmut Neven)周二在Google+上发帖称,“有了自己的硬件小组,量子人工智能团队就能制造和测试量子优化和推论处理器的新设计。”
量子人工智能实验室是Google、美国宇航局艾姆斯研究中心和高校空间研究协会在2013年联合成立的,目的是研究如何利用量子计算推动机器学习技术的发展。
量子计算机能解决传统计算机难以胜任的、不可想象地复杂的计算问题。当前的计算机中,数据是由0或1表示的。在量子计算机中,数据是由量子位表示的,可以同时是1和0。目前只有为数不多的几家公司在进行量子计算方面的研究,生产和运行量子计算机还存在物理和财务方面的障碍。
尽管Google在考虑利用自己的硬件进行量子计算方面的研究,但量子人工智能团队将继续使用D-Wave的量子计算机进行研究工作。D-Wave是世界上商业化销售量子计算机的第一家公司。内文在帖子中说,“我们将继续与D-Wave的科学家合作,在艾姆斯研究中心利用Vesuvius计算机进行研究工作。Vesuvius的处理器将被升级为1000量子位的华盛顿处理器。”
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。