近日,国务院发布了《关于积极推进“互联网+”行动的指导意见》,在“意见”的“重点行动”部分,专门有一节论述了人工智能技术对于“互联网+”的重要价值和意义。这段论述很容易让人联想起李彦宏在今年全国“两会”上提交的“中国大脑”提案,该提案建议从国家战略层面建立人工智能发展计划。
比如,“意见”提出,要“培育发展人工智能新兴产业,加强人工智能基础资源和公共服务等创新平台建设”;李彦宏当时建议,在国家层面建立一个关于人工智能的基础设施,把相应大规模的服务全集中建立起来,并开放给科研机构、民企、国企、创业者等社会各个层面。
当前,从科技界到影视界,人工智能都是大火的话题,中外科技大佬不断就人工智能表态,有的期盼有的忧虑,但无人敢忽视。其实,有识之士早已达成共识,人工智能并不是虚无缥缈的未来,而是随时可能改变人类社会发展的重要变量。即使就目前而论,基于人工智能的语音、图像、大数据技术也已成为关乎国家安全的重要战略资源,未来更是决定大国兴替的关键力量。
任何国家都不想在新一轮科技竞赛中落伍。因此,一份国家层面的行动纲领重点提到人工智能,乃是大势所趋。一直以来,人工智能技术门槛很高。尤其在研究与应用结合更为紧密的高科技产业领域,国际上只有谷歌、IBM等几家科技巨头拥有核心技术。近来随着人工智能加速发展脚步,国家力量对人工智能的发展的推动意义渐成共识。欧盟的“人脑计划”,德国的“工业4.0”,都体现了国家(及其以上)力量对人工智能的兴趣或参与,美国政府也将大量资金注入到人工智能相关的企业和项目。
而此次“意见”的出台,则展示了中国政府的决心与意志。回望两会期间的全国政协全体大会上,李彦宏作为互联网企业家代表做大会发言,引发了各界对人工智能上升到国家层面发展的全面讨论和热议。国家层面对人工智能的重视,正是建立在社会各界的共识基础之上。
纵观科技发展史,每到一个技术变革的关键节点,都会出现一些关键性人物对趋势的准确预判和致力推动,他们的前瞻成为整个社会一次次因为技术创新而翻天覆地的发令枪。工业革命在瓦特发明蒸汽机的轰鸣声中来临,“原子弹之父”奥本海默自责的泪水无法磨灭他对加速二战结束、使全球挺进核能时代的贡献。与其说是福特汽车流水生产线让亨利·福特进入了《影响人类历史进程的100名人排行榜》,倒不如说是因为他的生产方式使汽车成为一种大众产品,不但革命了工业生产方式,更对现代社会和文化起了深远的影响。
更容易引发国人共鸣的或许是詹天佑,这位“中国铁路之父”因主持修建中国自主设计并建造的第一条铁路——京张铁路,而闻名于世。与教科书上的那些轶事相比,更值得人们铭记的是詹天佑“工学救国铁路强国”志向,要知道,在他所处的年代,许多人还坚持认为修筑铁路会“破坏风水,震动龙脉”。詹天佑的远见与务实值得后人钦佩,然而他所处的时代并未能成就他的“铁路强国”梦,只能留下“初建路网的梦想破灭令我抱恨终天”的叹息。
时隔境迁,技术驱动社会进步的逻辑却没有改变。在人工智能爆发的前夜,我们欣慰地看到从企业到国家层面,不约而同都看到来一个巨大的风口,并正在做好准备迎接即将出现的挑战。此次“意见”的出台,可以视为是国家层面对李彦宏等企业家呼吁重视发展人工智能和技术创新的实质性落地和推动。人工智能正式上升为国家战略,应该就在不远的将来。
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。