百度美研要做的第三件事则是做最有挑战的项目,这些项目包括:山西阳泉的新数据中心;大数据预测;百度天眼;医疗大数据分析;语音识别技术等。
其中,百度天眼项目受到极大关注。这是一款可以实时知晓飞机航线的产品,其数据通过地面设备得到,而非官方渠道获取信息,这解决了拿不到数据以及信息滞后这两大问题。此外,百度的语音识别技术也获得突破,在一项识别错误率的比较中,百度无论在安静环境还是噪音环境中,识别正确率都高于谷歌。百度高级技术总监吕厚昌表示:“尽管有这些成果,但还只是一小步,百度美研未来任重而道远。”
对于中国如何学习硅谷精神,百度The Big Talk特意邀请到Apple的联合创始人沃兹尼亚克来谈此话题。沃兹尼亚克说,“硅谷已经从硬变软,硅谷精神是内生的,这些科技人士在此学习长大。”值得注意的是,在他看来,创业是一种空前的快乐。这或许就是硅谷为何能持续创新和拥有激情的本质。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。