8月2日,2022世界人工智能大会倒计时30天暨合作伙伴发布会在上海世博中心518会议室举行,大会观众及媒体注册报名通道同时开启,这标志着本年度大会已进入筹备冲刺阶段。
世界人工智能大会自2018年开办,主会场一直设在浦东。今年是世界人工智能大会开办的五周年,也是浦东引领区建设的一周年,浦东成为人工智能这颗奇妙种子落地生长的沃土。
一年来,浦东引领区高度重视人工智能产业的建设发展,引领区出台的《浦东新区人工智能赋能经济数字化转型三年行动方案(2021-2023年)》提出,要围绕着上海建设具有世界级影响力的国际数字之都的重点目标,充分发挥浦东新区人工智能创新应用先导区和国际数据港的战略优势,坚持数字产业化和产业数字化双轮驱动,领先构建基础设施完备、技术基础雄厚、应用场景丰富、产业生态活跃的新一代人工智能体系,以人工智能技术创新和应用拓展赋能百业,全面驱动经济数字化转型。通过三年努力,力争将浦东新区建成国际领先的人工智能技术创新引领地、经济数字化转型发展示范区,助力打造具有世界影响力的社会主义现代化建设引领区。在张江科学城中部核心区域的张江人工智能岛,建设之初就被赋予了通过人工智能和数字驱动,为张江科学城乃至上海和长三角的产业升级贡献“张江力量”的厚望。
据了解,张江人工智能岛是国内首个“5G+AI”全场景商用示范园区、上海市首批“AI+园区”试点应用场景、上海(浦东新区)人工智能创新应用先导区的核心承载区。目前,岛上有21幢建筑,30多个智慧未来的应用场景,集聚了多家跨国企业巨头、多个人工智能产业项目。未来,将有8000位人工智能研发工程师和科学家在岛上工作。
云从科技是张江人工智能岛的入驻企业,也是今年WAIC的参会企业之一,该企业致力于助推人工智能产业化进程和各行业智慧化转型升级,是首家在科创板上市的人工智能平台型企业。
临港新片区的发展是浦东引领区建设中的重要一环。目前,临港新片区正在着力引进新兴产业,着重打造“滴水湖AI创新港”人工智能聚集区,提升智能化体验。2022年是临港新片区“三年大变样”的决战决胜之年,在2021年汽车产业突破千亿产值规模后,临港新片区目标实现人工智能、集成电路、生物医药三大产业产值翻番,进一步打造产业发展的新高度。
临港的无人驾驶和智慧汽车产业一直走在行业前列,临港新片区拥有目前我国规模最大、功能最完善、技术水平最先进的临港智能网联汽车示范区。今年7月,国内首例社会道路“减员化”运营测试于东海大桥启动,据报道,自动驾驶测试专用道设置在东海大桥双向最外侧三号车道。专用时段为每日10时至13时,周六、周日和全体公民放假日除外。自动驾驶测试专用道在规定时段内供自动驾驶测试车辆专用行驶,其他车辆不得驶入,执行紧急任务的特种车辆、救护车、实施清障施救作业的车辆除外。“减员化”运营测试对于缓解交通运输压力有着重要意义。随着经济的高速发展,洋山深水港进出集装箱量持续增长。东海大桥路况复杂,并不时伴有恶劣天气以及各种突发状况,且作为洋山深水港唯一的陆路集疏运通道,东海大桥面临着“可预见性”的通行压力。
自动驾驶智慧运输可以大大提高临港新片区对外的运输效率,对于长三角地区经济协同一体化发展有着重要意义,对人工智能汽车产业发展有着深远影响。来自临港的上研智联智能出行科技(上海)有限公司也将出席2022世界人工智能大会“产业新赛道智能驾驶论坛”,展示更多的新成果、新趋势。
引领区建设一年来,浦东始终保持着勇于探索、敢于实践、大胆实践的精神,为前沿产业发展提供更好支持。浦东作为全国第一个人工智能创新应用先导区,通过张江、临港南北联动发展,打造我国人工智能发展高地。引领区为先导区发展拓宽道路,先导区为引领区建设助推力量。在这片充满活力土地上,人工智能产业将蓬勃发展,为引领区建设创造更好未来。
记者:胡文珺
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。