
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
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。