CNET科技資訊網(wǎng) 1月26日 國際報道:作為在二十世紀八十年代成長起來的一代,筆者在17歲時便拿到了駕照,即便這樣,在我的朋友中,我差不多是最后一個拿到駕照的人。通過駕照考試之前,我倍感壓力,但拿到駕照后,我獲得的是一種像解脫一樣欣喜若狂的感覺。
但對許多當今的年輕人而言,這是一種他們永遠也不會經(jīng)歷、甚至關(guān)心的通過儀式。
根據(jù)密歇根大學交通運輸研究所本周公布的一項研究結(jié)果顯示,年輕人越來越不愿意考駕照。該研究的作者邁克爾·西瓦克(Michael Sivak )和布蘭頓•舒奧托(Brandon Schoettle)表示:“在美國,從1983年到2014年,16歲至44歲的人群眾持有駕照的人數(shù)百分比呈連續(xù)下降趨勢。”而年齡在18歲的群體中,持有駕照人數(shù)的百分比已經(jīng)從80%下降到了60%;20歲到24歲的群體中,這一比例從92%下降到了77%。
這些數(shù)據(jù)表明,雖然無人駕駛汽車描繪的是未來的交通工具,但人們?nèi)缃褚呀?jīng)為這項技術(shù)做好了準備。他們對類似于Uber、Lyft和BlaBlaCar這樣的打車軟件初創(chuàng)公司更為歡迎,這些打車軟件已經(jīng)成為了我們出門前會考慮的一種出行方式。
美國汽車研究中心的交通系統(tǒng)主任理查德·華萊士(Richard Wallace)表示:“我們看到的是不愿意開車的千禧一代。”
畢竟,有誰愿意為保險、油料變化或停車這些事情所煩惱呢?
不過,正在改變的并不僅僅是年輕人。從1983年到2014年,越為年長的老人往往都持有駕照,在70歲或更為年長的人群中,持有駕照人數(shù)從55%上升到了79%。這表明他們很想出去到處走走。但隨著人們年齡的增長,他們的反應能力和視力都在惡化,自動駕駛汽車將能夠滿足這類人群的需求。
眾所周知,自動駕駛汽車能夠解決人們的交通出行問題,方便人們在行駛路上休息、完成工作或觀看手機中的視頻。不過,能夠增強安全性無疑是自動駕駛汽車的一個主要賣點。一位密西根大學的專家預測,未來交通事故率將下降90%。
在堪薩斯州或愛荷華州的農(nóng)村地區(qū),學會開車仍將是一項重要的技能。但是年輕人目前還是在城市中生活得更為幸福。根據(jù)美國人口普查局的數(shù)據(jù)顯示,在2000年和2013年之間,美國的城市人口增長了14%,達到2400萬人。
華萊士表示,年輕人之所以不那么迷戀汽車,其中還有一些文化原因。能夠隨身攜帶的智能手機等小玩意已經(jīng)令汽車失去了其原有地位,人們更喜歡在會議上把手機放在桌子上,而不是在郊外車道上炫耀其最新的底特律汽車。
華萊士說道:“以前,汽車還屬于一種尖端技術(shù)。對戰(zhàn)后一代而言,在二十世紀七十年代,除了汽車,已經(jīng)沒有什么自己能夠擁有的其他尖端技術(shù)產(chǎn)品了。如今,人們擁有的是智能手機,當然,也許還有Oculus虛擬現(xiàn)實頭盔。對當代人來說,互聯(lián)網(wǎng)高速公路要比66號公路(Route 66)更具影響力。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。