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。
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。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。