CNET科技行者 9月19日 北京消息: 昨天,滴滴出行与香港科技大学达成战略合作,滴滴出行CTO张博出席了签约仪式。演讲中,张博不仅分享了滴滴在智慧交通领域的实践经验,也畅谈了其对未来交通出行的发展趋势的判断。在他看来,交通在未来10年会发生剧烈变革, 而滴滴已经在关键领域进行积极布局,希望能去引领、推动这一变革。
(滴滴CTO张博与香港科技大学师生现场合影留念)
未来交通变革的三层“折叠”
过去五年间,滴滴推动了交通工具的线上化,并利用人工智能方面的技术创新显著提高了用户的出行效率和乘车体验。但在张博看来,这些科技创新只是刚刚开始,未来10年交通还会发生剧烈变革,就如同一百多年前从马车到汽车的变革一样。
张博认为,未来的交通变革会体现在三个层面:最下面的一层是交通基础设施,包括智能红绿灯、动态道路分配、更科学的路网设计等,目标是最大化道路使用效率;中间一层是车辆交通工具本身的变革,智能化、新能源化将是趋势;最上面一层则是共享出行,越来越多的人会放弃拥有车,而是共享车,并且共享的颗粒度会从车的维度降维到座位,这样整个社会需要的车辆数量会显著下降,这是解决拥堵最快、最有效的方法。
大数据和人工智能是未来交通创新的革命性技术,而滴滴早已在这些方面进行积极探索。在过去五年间,滴滴在城市交通领域已经淬炼出领先的大数据技术能力、产品和经验,并为未来交通发展提出了一套解决方案;通过以人工智能为基础的技术变革,用新技术、新业态来改进传统行业,革新思维,建设智能交通和智慧城市,解决交通拥堵、污染和安全问题。
“我们看到,城市即使在拥堵的时候,道路也没有被充分使用,我们研发的潮汐车道、智慧信号灯就是在解决这些问题”,据张博介绍,自今年年初,滴滴就在济南上线了国内首个以浮动车轨迹作为数据基础的“智慧信号灯”,目前这一“智慧信号灯”优化已经扩展至武汉、成都、苏州、贵阳等城市,优化总数超200个,以武汉为例就让江发路早高峰各路口平均延误时间降低近30%。此外,大数据和人工智能在滴滴平台已经有广泛的应用,以供需预测为例,当前滴滴对15分钟后供需预测的准确度达到了85%。
在谈及交通出行的未来时,张博认为未来城市会拥有一个智能交通大脑,可以对未来的出行需求进行全局预测和提前调度---它是中心化控制整个交通体系,调度交通基础设施,调度车辆和出行需求的匹配。“这也是我们对未来交通的设想,而这一切不会很遥远,我们看到很多变革正在发生、即将发生,就在未来的十年”,张博补充道。
滴滴技术突破的内生与外延
(9月18日,滴滴出行与香港科技大学达成战略合作,双方代表签署合作协议)
技术与创新是实现这一变革的推动力。当前滴滴的智慧交通和大数据团队也正吸引着更多全球人才加盟。张博在演讲中也坦言,滴滴会坚定地在技术和人才方面持续加大投入,把交通引向一个更好未来。
据悉,早在2015年,滴滴就在北京成立滴滴研究院,工程师和数据科学家与业务运营团队深入合作,提升大数据算法的精确度和效率,今年3月,滴滴还在硅谷成立了美国研究院,以集聚顶尖科研人才,投入大数据安全和智能驾驶两大领域的研究。
在持续把研究成果转化为生产力的同时,滴滴也在积极促进创新资源的协同,通过政企合作、产学研联动,开始着手构建一个全球创新网络,持续吸引培育顶尖科研人才。此次滴滴与香港科技大学签订的战略合作协议就显示,双方会在前沿技术研发、人才培养、学术交流、创业项目孵化等领域深入合作,联合申请各类政府研发项目及重大专项,助力智慧城市建设。
在交流现场,张博也表示了对合作的期待:滴滴一直非常期待能同高校、科研机构紧密合作,建立良性人才的合作机制,共同培养更多具有创新意识、更适应未来的尖端人才,“我们和港科大的合作机制也会马上运转起来,共同助推香港智能交通的发展。”
在外界看来,当前滴滴平台每天产生了海量的数据,并持续进行积极的部署希望推动产业变革,这也让滴滴出行成为了很多学术机构最愿意寻求合作的企业对象之一。从中国计算机学会到密西根大学,再到斯坦福人工智能实验室,滴滴目前已经与十余家学术科研单位建立合作关系,后续滴滴也将能吸引更多行业合作伙伴,共同赋能前沿科技探索,助推全球交通产业不断向前突破。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。