微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 互联网高速公路比66号公路更吸引年轻人?

互联网高速公路比66号公路更吸引年轻人?

2016-01-26 09:36
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-01-26 09:36 CNET科技资讯网

CNET科技资讯网 1月26日 国际报道:作为在二十世纪八十年代成长起来的一代,笔者在17岁时便拿到了驾照,即便这样,在我的朋友中,我差不多是最后一个拿到驾照的人。通过驾照考试之前,我倍感压力,但拿到驾照后,我获得的是一种像解脱一样欣喜若狂的感觉。

美国年轻人不爱开车 已准备好迎接无人驾驶汽车时代

但对许多当今的年轻人而言,这是一种他们永远也不会经历、甚至关心的通过仪式。

根据密歇根大学交通运输研究所本周公布的一项研究结果显示,年轻人越来越不愿意考驾照。该研究的作者迈克尔·西瓦克Michael Sivak )和布兰顿•舒奥托(Brandon Schoettle)表示:“在美国,从1983年到2014年,16岁至44岁的人群众持有驾照的人数百分比呈连续下降趋势。”而年龄在18岁的群体中,持有驾照人数的百分比已经从80%下降到了60%;20岁到24岁的群体中,这一比例从92%下降到了77%。

美国年轻人不爱开车 已准备好迎接无人驾驶汽车时代

这些数据表明,虽然无人驾驶汽车描绘的是未来的交通工具,但人们如今已经为这项技术做好了准备。他们对类似于Uber、Lyft和BlaBlaCar这样的打车软件初创公司更为欢迎,这些打车软件已经成为了我们出门前会考虑的一种出行方式。

美国汽车研究中心的交通系统主任理查德·华莱士(Richard Wallace)表示:“我们看到的是不愿意开车的千禧一代。”

毕竟,有谁愿意为保险、油料变化或停车这些事情所烦恼呢?

不过,正在改变的并不仅仅是年轻人。从1983年到2014年,越为年长的老人往往都持有驾照,在70岁或更为年长的人群中,持有驾照人数从55%上升到了79%。这表明他们很想出去到处走走。但随着人们年龄的增长,他们的反应能力和视力都在恶化,自动驾驶汽车将能够满足这类人群的需求。

众所周知,自动驾驶汽车能够解决人们的交通出行问题,方便人们在行驶路上休息、完成工作或观看手机中的视频。不过,能够增强安全性无疑是自动驾驶汽车的一个主要卖点。一位密西根大学的专家预测,未来交通事故率将下降90%。

在堪萨斯州或爱荷华州的农村地区,学会开车仍将是一项重要的技能。但是年轻人目前还是在城市中生活得更为幸福。根据美国人口普查局的数据显示,在2000年和2013年之间,美国的城市人口增长了14%,达到2400万人。

华莱士表示,年轻人之所以不那么迷恋汽车,其中还有一些文化原因。能够随身携带的智能手机等小玩意已经令汽车失去了其原有地位,人们更喜欢在会议上把手机放在桌子上,而不是在郊外车道上炫耀其最新的底特律汽车。

华莱士说道:“以前,汽车还属于一种尖端技术。对战后一代而言,在二十世纪七十年代,除了汽车,已经没有什么自己能够拥有的其他尖端技术产品了。如今,人们拥有的是智能手机,当然,也许还有Oculus虚拟现实头盔。对当代人来说,互联网高速公路要比66号公路(Route 66)更具影响力。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-