百度首席科学家吴恩达周二接受媒体采访时透露,该公司很快就将在美国测试无人驾驶汽车,希望能在2018年最终推出商用车型。
此举对百度而言是一项重大举措,该公司一直希望在无人驾驶汽车领域抢占先机,而目前则在努力借助其硅谷科技中心的资源来推进这一计划。与此同时,百度还在努力与美国政府加强合作,这也是其路测无人驾驶汽车的必要条件。
吴恩达之前曾经在斯坦福大学和谷歌开展过突破性的研究,他还是在线学习公司Coursera的联合创始人。
百度去年末公开宣布开发无人驾驶汽车。
吴恩达的实验室位于斯坦福大学,他仍是那里的助理教授,并开发了开源的ROS机器人操作系统,在全球各地广泛使用。吴恩达2014年加盟百度,他目前在加州桑尼韦尔领导着一个160人的团队,其中很多员工都专门从事无人驾驶汽车的研发。
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。