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
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。
谷歌DeepMind发布突破性AI规划技术,让机器人学会像人类一样进行"情境学习"规划。该技术通过Transformer架构实现了快速适应新问题的能力,在迷宫导航、机器人控制等测试中表现优异,为自动驾驶、智能制造、医疗等领域应用奠定基础,标志着向通用人工智能迈出重要一步。
新南威尔士大学研究团队开发了ZARA系统,这是首个零样本运动识别框架,能够在未经专门训练的情况下识别全新的人类活动。该系统集成了自动构建的知识库、多传感器检索机制和分层智能体推理,不仅实现了比现有最强基线高2.53倍的识别准确率,还提供清晰的自然语言解释,为可穿戴设备和健康监护等应用领域带来了突破性进展。