一位貨車司機,因為北斗掉線而選擇自殺結(jié)束生命,這是「貨拉拉用戶跳車事件」之后,貨車行業(yè)的第二起科技事故。
「貨拉拉事件」后續(xù),是貨拉拉上線了一系列安全整改措施。從公開資料來看,包括行程錄音、行駛記錄儀、逾期預(yù)警等。
但很遺憾,貨拉拉的整改措施,其實對司機和乘客的保護作用并不會太大——為什么這么說呢,因為這是由目前城市的暴力犯罪類型所決定的。
由于技術(shù)在城市管理中已無處不在,比如大街小巷都能看到攝像頭。絕大多數(shù)人都能認識到:在公共環(huán)境的暴力犯罪,跑不掉,藏不住。
近些年,一些陳年舊案接連告破,就是信息技術(shù)和生物技術(shù)升級的結(jié)果。
所以目前城市中的暴力犯罪,往往以“激情犯罪”(即沖動性、爆發(fā)性犯罪行為)為主。
回看「貨拉拉事件」,司機和客戶之間的怒火,來自于女孩用滿了平臺所規(guī)定的免費等待時間,又拒絕了司機的協(xié)助付費搬運。
而貨拉拉的整改措施(包括行程錄音、行駛記錄儀、逾期預(yù)警等),沒有一個能緩解司機的不滿,沒有一個能化解跳車乘客的惶恐(雖然此次事件可能是過度惶恐),都無法阻擋“激情犯罪”的發(fā)生,僅僅能協(xié)助處理犯罪之后的追查與定責(zé)罷了。
說白了,貨拉拉的系統(tǒng)整改主要強調(diào)「事故后的法律追責(zé)」,卻沒有對「緩解司機和客戶之間的情緒沖突」做任何改進。
而這種情緒沖突,卻又是貨拉拉系統(tǒng)造成的。這就像給屋頂鑿了一個洞,然后底下放一個盆接水,卻不想著去補屋頂。
這種錯誤價值觀的背后,是技術(shù)系統(tǒng)對“人情”的視而不見。正如「北斗貨車事件」,也是技術(shù)系統(tǒng)與人情之間的沖突。
貨車建立北斗系統(tǒng)的初衷是讓行車更安全,這個初衷沒錯。
問題在于系統(tǒng)的規(guī)則。系統(tǒng)規(guī)定,無信號就要罰款,這是因為考慮到人為主動拆除系統(tǒng)而躲避監(jiān)管的可能性。系統(tǒng)在此預(yù)判了人情的惡。
可是,系統(tǒng)卻忽視了另外一種可能性,就是技術(shù)可能出故障,會對人的行為產(chǎn)生誤解。
如果系統(tǒng)無法具體理解每一個人的“人情”,只是默認一切的失常行為,都是人情之“惡”。換言之,系統(tǒng)對人只做“有罪”推定是不完善的,因為一些被系統(tǒng)規(guī)則誤判的人,無法去與冰冷的系統(tǒng)規(guī)則討說法。這些被誤判的人,應(yīng)該怎么辦呢?
被系統(tǒng)制裁的人,只能寄希望于開發(fā)系統(tǒng)的人(既是裁判員,又是運動員)推翻自己的機器裁決。
絕望自然在所難免。
從統(tǒng)計學(xué)角度看,在絕大多數(shù)情況下,機器系統(tǒng)或許比人更公正。但是偏偏有一小部分情況,系統(tǒng)會做出不公正的裁決。
這時,誰應(yīng)該做最終的裁判?
好文章,需要你的鼓勵
浙江大學(xué)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(xué)、編程等任務(wù)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(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)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(xué)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(xùn)練提供了新思路。
南洋理工大學(xué)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(xùn)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(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)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(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)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。