
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。
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%。
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。”
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。