据中国之声《央广新闻》报道,随着科技水平的不断提高,智能电子设备所具有的能力也越来越丰富。IBM甚至预言,5年内智能电脑将具备人类味觉等五种感觉。
其实现在只要一部智能手机在手,你可以完成很多事情,比如说像浏览新闻、观看视频、订餐订票、快捷支付等等,很大程度方便了我们的生活。但是如果想要知道眼前的这道菜是不是好吃,想买的这件衣服材质是否优质,目前的大部分电子设备是不能够完成的。现在这种情况就有可能发生改变了。
据美国IBM公司的估计,这种情况在五年之内就会发生改变。到了那个时候,电脑将更加了解周围的世界,并懂得如何去理解不同的事物。IBM还提出了电脑要实现的5种人类才有的感觉能力,也就是视觉、听觉、味觉、嗅觉和触觉。综合起来,这5种感觉其实源于同一个大的概念,即也就是认知计算能力。电脑等机器将越来越像人一样去感受这个世界。比如说具有认知能力的电脑在观看一幅画的时候,并不仅仅将其当作一组描述颜色的数据点、色素和线条,相反,它会将画作为整体来看,并能够理解画作所表达的含义。
IBM公司负责创新的副总裁伯尼表示这是计算思维在本质上的改变,你必须从新的角度来思考如何获取数据,不能仅仅拍一张照片然后存储起来。你必须在更高的层次上将这张图像看成实体,而不仅仅是一堆数据的位点。他补充说,认知计算将促进一些非常有趣的功能转变,这是一个相当深刻的技术进步。也就是说其实具备认知能力的电脑与传统电脑相比最关键的差别在于,后者能够接受“训练”。而认知系统不会简单地重复给出错误或者是无用的答案,一旦知道结论错误之后,他们能够改变方法重新尝试。
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。