博鳌会是各国政要和商界领袖每年交流的大会,自今年两会期间总理提出了“互联网+”后,互联网领袖的关注度被放到了最大,本次李彦宏、比尔·盖茨、马斯克这三位大佬的对话实则蕴含了对未来的重要意义,而三位大佬在对话上都表现出了对人工智能领域的高度关注。
李彦宏目前正在带领百度全力发力人工智能领域,成立百度青年科学家“少帅计划”全面发力智能语音,图像识别,百度大脑等人工智能领域,再加上 2014年又有谷歌首席深度学习科学家吴恩达的加盟,百度在人工智能的投资上是BAT中比重最高的,百度在人工智能领域的投入可谓不惜一切代价。
比尔·盖茨在此前也曾说过,如果自己不是退休做慈善就一定会是去带领微软去做人工智能。而此前在2014年4月,微软也曾推出人工智能系统Adam借此叫板谷歌,欲借人工智能在未来重回巅峰。
而马斯克在此前提出过“恶魔人工智能”论,担心人工智能带来毁灭,而这在侧面看来,马斯克从内心也相信人工智能的强大。
在会上李彦宏再次将人工智能问题抬上台面,李彦宏认为会有更多的公司将会投入到人工智能领域,而马斯克则表示自己不反对人工智能的进步而是认为人工 智能需要被安全的控制,盖茨则也十分赞成人工智能的发展。为何大佬们都齐齐看好人工智能的发展?这背后的逻辑是什么?除了科幻的想象,我们需要更接近本质的逻辑。
一,爆发的大数据急需人工智能
人工智能发展起起落落很多次,其中上一次的“冷落”是自神经网络的技术问题而被搁置,但是到了最近人工智能再次被升级到风口浪尖,一方面来自人工智 能自身技术的突破,而另一方面则在于大数据的产生,海量的数据正在产生,而如何利用这些数据,将其进行更多的商业化落地则是所有行业的当务之急,就像马云 所说的,我们正在从IT时代过渡到DT时代,而这个全新的时代,我们面临全新的挑战。
在悲观主义者看来,所谓的大数据挖掘不过是统计学的翻版,被披上了外衣而已,但事实并非如此,传统的统计学只提供结果,为人类提供间接的决策,而人 工智能除了为用户提供结果之外,还将直接进行更多的决策,当人工智能发展越全面,则决策将会越多,被授予的权限也将更大,而人类将从艰难的决策中解脱出 来,去做更多的事情。
雷军说过,如果小米未来如果不能够将用户的数据转化为商业价值,成为一家大数据公司的话,那么小米就会面临巨大亏损的危机,同时阿里方面,最近终于公开其神秘的“IDST”部门,也意在此,而百度早已在布局这一块。
可见,无论国内国外,英雄所见略同。要想利用数据,最终要发展的还是人工智能。
二,物联网的升级需要人工智能
毫无疑问未来一切都将联网,人与人的连接正在加入人与物的连接,而下一步就是物与物的连接。比如自动驾驶汽车走上公路,就需要公路监视系统,其他自 动驾驶汽车的联网等等,而控制并协调这一切的则只能人工智能,人工智能将会实现自动调配,处理各种意外突发事件等等,如果没有人工智能,则自动驾驶完全是 空谈。
马斯克的特斯拉最终的发展趋势是自动驾驶,而谷歌百度等巨头都在尝试这一领域,所以马斯克的“恶魔人工智能”论无疑是被媒体炒作的结果,实际上马斯克是最为需要人工智能的。
当了除了自动驾驶汽车这一案例外,今后的万物联网还将包括各种器物,包括冰箱,洗衣机,水杯等等一切,这些物联网产品将全方位的监控你的行程以及健康,而此时要从这些数据中产生价值,为你提供更有效率的服务,更健康的决策,就注定无法离开人工智能。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。