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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。