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 滴滴研究院何晓飞:最顶尖的人才应该解决最有价值的问题

滴滴研究院何晓飞:最顶尖的人才应该解决最有价值的问题

2016-07-21 16:48
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-07-21 16:48 CNET科技资讯网

7月20日,滴滴Di-Tech算法大赛落幕,一等奖获得者拿到了10万美元的大奖。在算法大赛圆桌会议上,滴滴研究院院长何晓飞解释了自己如何被滴滴吸引,并且给业内顶尖人才提出建议,应该解决更多有价值的实际问题。

滴滴研究院何晓飞:最顶尖的人才应该解决最有价值的问题

何晓飞把人工智能的来临形容为“大势所趋”,而自己来滴滴则是“顺势而为”。在过去10年,中国学术界和工业界总体来讲是隔离的。但在美国,这个氛围是不一样的。美国很多高校解决的问题不是纯粹意义的研究,而是直接去解决工业界的需求,产业和工业互相促进。

目前滴滴要解决的出行问题,跟谷歌AlphaGo一样,都需要人工智能,不一样的地方是,滴滴需要的计算比AlphaGo更加复杂。因为每一条道路都是计算网格中的一部分,道路的网格复杂度远远超过围棋网格,此外还需要增加时间维度,因为司机在路上行驶,所以每一秒钟,需求都会发生变化。

在人工智能领域,算法是引擎,大数据是燃料。目前高校有最聪明的人才,但是他们得不到大数据燃料,所以很难训练出更聪明的算法引擎。本次滴滴算法大赛开放了滴滴平台上部分脱敏数据,给参赛人员进行研究,得到数据的参赛队伍交出了令人惊喜的算法。

之后,滴滴希望跟高校有更多合作,但是不希望成为企业抛出问题给研究机构解决这种模式。而是希望通过长期合作、开放共赢的方式,实现共同成长。高校有一流的研究人才,在基础研究领域有深厚的积累,滴滴有海量的大数据,需要解决出行的基础问题,双方很多合作契机。

滴滴研究院副教授叶杰平曾经是密歇根大学终身教授,加入滴滴同样也是被人工智能即将到来的“召唤”、滴滴要解决的世界难题,以及滴滴所拥有的海量数据所吸引。除了完成日常工作之外,叶杰平教授在滴滴开设了人工智能课程,通过讲课的方式使算法人才得到更快的成长。

除了召开算法大赛之外,滴滴还在探索其他与高校合作的形式。比如去年开始的“新锐计划”,对研究生、博士生有特别好的人工智能算法基础的,滴滴会有一个专门的绿色通道。同时,滴滴也在探索更多其他数据、项目上的合作方式。

何晓飞认为,虽然机器学习已经提出很多年,但随着计算能力、大数据存储能力的提高,人工智能大规模爆发的契机已经来临,而算法引擎需要更多顶尖人才的参与,需要学术界和工业界共同的合作和努力。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

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