縱然能夠收集到與之相關(guān)的所有數(shù)據(jù),訪(fǎng)問(wèn)難度仍然難以克服——除非,你有Sam這位海洋問(wèn)題專(zhuān)家的幫助。
IBM公司在第30份年度環(huán)境報(bào)告中,就強(qiáng)調(diào)了這樣一個(gè)試點(diǎn)項(xiàng)目的設(shè)計(jì)思路。簡(jiǎn)而言之,“藍(lán)色巨人”正在與聯(lián)合國(guó)環(huán)境規(guī)劃署(UNEP)合作,展示如何利用信息技術(shù)與人工智能解決海洋垃圾挑戰(zhàn)。這項(xiàng)工作也是IBM公司的一項(xiàng)重要投資,將以免費(fèi)形式向環(huán)境署方面提供。
海洋環(huán)境確實(shí)面臨著嚴(yán)峻挑戰(zhàn):聯(lián)合國(guó)環(huán)境規(guī)劃署估計(jì),每年約有800萬(wàn)噸塑料制品流入海洋,相當(dāng)于每分鐘傾泄一輛滿(mǎn)載塑料的垃圾車(chē)。即使是新冠疫情也沒(méi)有阻止環(huán)境破壞,反而令全球范圍內(nèi)的制品回收項(xiàng)目紛紛停滯,而一次性產(chǎn)品的數(shù)量也開(kāi)始急劇增加。
IBM與環(huán)境署在過(guò)去幾年中一直協(xié)同努力。今年年初,開(kāi)發(fā)人員完成了關(guān)于海洋垃圾多邊利益相關(guān)方數(shù)字平臺(tái)的概念驗(yàn)證。他們希望解決兩項(xiàng)挑戰(zhàn):一是,打破集中式全球海洋垃圾數(shù)據(jù)庫(kù)的缺乏局面;第二,打通立足地球各個(gè)角落訪(fǎng)問(wèn)集中信息的便捷通道。
▲ 圖:聯(lián)合國(guó)環(huán)境規(guī)劃署發(fā)布的海洋垃圾儀表板
為了讓這套方案發(fā)揮最大作用,IBM的工程師們提出了“Sam助手”的設(shè)想。
IBM公司全球政府?dāng)?shù)據(jù)與人工智能首席技術(shù)官Nicholas Holmes表示,“Sam是一種具有自主動(dòng)畫(huà)效果、具有情感響應(yīng)能力的類(lèi)人型化身,由IBM公司合作伙伴Soul Machines HumanOS與Digital DNA技術(shù)提供支持。”
“Sam的出現(xiàn),是為了在海洋垃圾與使用者之間建立起情感紐帶,我們堅(jiān)信這種情感的聯(lián)系將有助于增強(qiáng)行動(dòng)力。”
這套界面使用IBM技術(shù)解釋用戶(hù)意圖,并從環(huán)境署龐大的存儲(chǔ)庫(kù)及其他來(lái)源處檢索相關(guān)信息。
IBM于今年6月在聯(lián)合國(guó)環(huán)境規(guī)劃署的一個(gè)咨詢(xún)會(huì)上展示了這套設(shè)計(jì)原型。此次會(huì)議,亦是2021年聯(lián)合國(guó)環(huán)境大會(huì)第五屆會(huì)議的預(yù)籌備論壇。
Holmes補(bǔ)充道,“我們之所以進(jìn)行這一概念驗(yàn)證,旨在強(qiáng)調(diào)IT、特別是AI解決方案,在處理海洋垃圾問(wèn)題及幫助聯(lián)合國(guó)實(shí)際可持續(xù)發(fā)展目標(biāo)方面,都發(fā)揮著至關(guān)重要的作用。”
這些可持續(xù)發(fā)展目標(biāo),包括到2025年減少海洋污染,也是各國(guó)共同努力推動(dòng)地球全面實(shí)現(xiàn)可持續(xù)發(fā)展的重要發(fā)展藍(lán)圖。
與海洋污染目標(biāo)相關(guān)的一項(xiàng)重要指標(biāo),為“沿海區(qū)域富營(yíng)養(yǎng)化與塑料漂浮碎片密度”。
Holmes指出,為了實(shí)現(xiàn)這一目標(biāo),必須開(kāi)發(fā)一種新的機(jī)制以跟蹤塑料碎片隨時(shí)間推移發(fā)生的密度變化。但到目前為止,環(huán)境署還沒(méi)有出臺(tái)關(guān)于塑料碎片密度的任何基準(zhǔn)評(píng)估值。
在世界各地眾多志愿者的協(xié)同努力之下,海洋塑料密度數(shù)據(jù)已經(jīng)逐漸充實(shí),但不同組織往往使用不同的計(jì)量方法,因此必須首先對(duì)數(shù)據(jù)進(jìn)行組織與標(biāo)準(zhǔn)化,而后才能加以分析……最終以統(tǒng)一的方式完成結(jié)果呈現(xiàn)。
只有這樣,才能實(shí)現(xiàn)一種可隨時(shí)間推移衡量改善進(jìn)度的方法。
簡(jiǎn)單來(lái)說(shuō),有什么問(wèn)題,都可以直接問(wèn)他。
Holmes回應(yīng)道,“我們的目標(biāo)是,讓聯(lián)合國(guó)環(huán)境規(guī)劃署全球海洋垃圾平臺(tái)中的信息,變得更加易于訪(fǎng)問(wèn)。”
“無(wú)論你是普通民眾、成員國(guó)官員或者行業(yè)代表,包括當(dāng)?shù)卣蛦T,乃至非營(yíng)利組織成員,都可以輕松與之交互,就解決全球海洋垃圾問(wèn)題采取行動(dòng)。”
目前,Holmes已經(jīng)向環(huán)境署提供Sam化身方案,各合作伙伴們則計(jì)劃在今年晚些時(shí)候分享更多項(xiàng)目成果。
簡(jiǎn)單來(lái)說(shuō),我們需要讓人們更積極地參與到海洋垃圾問(wèn)題的解決中,并為他們提供采取行動(dòng)所需要的信息與數(shù)據(jù)支持。
Holmes指出,“難以訪(fǎng)問(wèn)及使用的數(shù)據(jù)自然容易受到忽視。IBM的AI專(zhuān)家團(tuán)隊(duì)與環(huán)境界為此設(shè)立了共同的目標(biāo),即以一種引人入勝、直觀且新穎的方式訪(fǎng)問(wèn)并使用海洋垃圾數(shù)據(jù)。”
Holmes表示,Sam化身的實(shí)現(xiàn),離不開(kāi)作為技術(shù)底層的協(xié)作沙箱概念——即通過(guò)一系列虛擬機(jī)與協(xié)同空間,將思路轉(zhuǎn)化為實(shí)際解決方案。這一項(xiàng)目也在聯(lián)合國(guó)環(huán)境規(guī)劃署組織的會(huì)議上得到廣泛好評(píng)。
作為在線(xiàn)服務(wù),Sam能夠?yàn)閺闹苣┲驹刚叩秸畽C(jī)構(gòu)的任何個(gè)人、團(tuán)體或組織提供洞見(jiàn)與可行性數(shù)據(jù)。
“雖然這套免費(fèi)的概念驗(yàn)證系統(tǒng)尚未正式攬入使用,但其已經(jīng)通過(guò)聯(lián)合國(guó)環(huán)境規(guī)劃署、IBM以及各成員國(guó)代表的審議與體驗(yàn)。我們對(duì)這一目標(biāo)感到興奮,也將努力推動(dòng)其不斷完善。未來(lái),我們將說(shuō)明更多用戶(hù)加入進(jìn)來(lái),在Sam的幫助下持續(xù)降低海洋垃圾數(shù)據(jù)的獲取門(mén)檻、改善海洋環(huán)境保護(hù)行動(dòng)的實(shí)際效果。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。