CNET科技資訊網(wǎng) 9月22日 福州消息(文/周雅):滴滴出行CTO張博今天在2016騰訊全球合作伙伴大會上,與蘋果聯(lián)合創(chuàng)始人斯蒂夫·蓋瑞·沃茲尼亞克論道新技術(shù),沃茲現(xiàn)場拋給張博一個假設(shè):“很多人邊走路邊用手機做溝通,如果未來這些手機應用可以實現(xiàn)虛擬現(xiàn)實技術(shù),用目光、語音控制,或許未來用眼睛看看就能叫車?”張博回答說,假設(shè)要解決這樣的問題,首先要解決的是人如何更好地跟信息交互。
“互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)解決的是把信息世界聯(lián)系在一起,接下來十年,要解決的是人如何更好地跟信息交互。”張博說,理想的人機交互包括兩部分,一是要像人和人溝通一樣,是互相的,而不是單方面的表達可能會不精確;另外,機器要具備人工智能,他懂你表達的,也懂你沒有表達的,它能從一個簡單的“我要回家”指令,智能判斷“你要回哪個家”,調(diào)動用車服務。
蘋果聯(lián)合創(chuàng)始人斯蒂夫·蓋瑞·沃茲尼亞克(左)、滴滴出行CTO張博(右)
補貼、共享經(jīng)濟、智能交通...這些都是滴滴會被貼的標簽。張博從技術(shù)的角度上,是這樣介紹滴滴的:“通過大數(shù)據(jù)和人工智能,滴滴最理想的交通狀態(tài)是,讓全城擁有一個智能交通大腦,非常清楚當前可以提供運輸能力的車輛狀態(tài),可以對未來一段時間的出行需求進行預測。”
在需求發(fā)出來的前一秒,滴滴已經(jīng)調(diào)度了一個最適合這個需求的運力,規(guī)劃一條最快到達目的地的路徑?,F(xiàn)在,滴滴大數(shù)據(jù)對15分鐘后供需預測的準確度達到85%,當發(fā)現(xiàn)當前的這種車少于接下來的需求,滴滴會提前從周邊調(diào)司機到這個區(qū)域,創(chuàng)造新的環(huán)境;從服務維度,滴滴的理念是,讓服務好的司機得到相對比較高并且穩(wěn)定的收入,讓服務相對比較差的司機的收入降低,并讓他們清楚知道需要改進的地方,當他們改進后會獲得更高并穩(wěn)定的收入,對于長期無法改進的司機,平臺會進行清退。
“我們認為,未來會有越來越多的人放棄自己擁有一輛車的想法。”張博用數(shù)據(jù)佐證了自己這樣對共享經(jīng)濟的預測,“比如你自己買一輛20萬的車,假設(shè)五年報廢,汽車的折舊費、保險費、保養(yǎng)費和油費加在一起差不多是每公里4元,而通過滴滴這個共享平臺后能達到1.9元,我們還在通過優(yōu)化網(wǎng)絡(luò)提高效率,預計五年以后這個數(shù)字會降到1元。所以我們預測,未來五年時間,會有越來越多的人放棄自己擁有車,而改用共享出行。”
滴滴甚至考慮到,如果把一輛車的四個座位都塞滿,整個道路上的車更會減少。”張博說,利用滴滴的算法技術(shù),平臺上每天有超過200萬人次拼車,節(jié)能減排,這就是滴滴為社會創(chuàng)造的價值。
如果說,技術(shù)創(chuàng)新是實現(xiàn)分享經(jīng)濟的關(guān)鍵條件,那么滴滴希望打造一個出行數(shù)據(jù)精準匹配的智能系統(tǒng),也就是移動的智能出行網(wǎng)絡(luò),其中包括隨區(qū)域、時間變動的定價、訂單的高效匹配、根據(jù)供需預測之后的司機運力調(diào)度等等。
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。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。