一位貨車司機(jī),因?yàn)楸倍返艟€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(kāi)資料來(lái)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(shí)對(duì)司機(jī)和乘客的保護(hù)作用并不會(huì)太大——為什么這么說(shuō)呢,因?yàn)檫@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(wú)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(rèn)識(shí)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(jí)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(dòng)性、爆發(fā)性犯罪行為)為主。
回看「貨拉拉事件」,司機(jī)和客戶之間的怒火,來(lái)自于女孩用滿了平臺(tái)所規(guī)定的免費(fèi)等待時(shí)間,又拒絕了司機(jī)的協(xié)助付費(fèi)搬運(yùn)。
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(méi)有一個(gè)能緩解司機(jī)的不滿,沒(méi)有一個(gè)能化解跳車乘客的惶恐(雖然此次事件可能是過(guò)度惶恐),都無(wú)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(shuō)白了,貨拉拉的系統(tǒng)整改主要強(qiáng)調(diào)「事故后的法律追責(zé)」,卻沒(méi)有對(duì)「緩解司機(jī)和客戶之間的情緒沖突」做任何改進(jìn)。
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(gè)洞,然后底下放一個(gè)盆接水,卻不想著去補(bǔ)屋頂。
這種錯(cuò)誤價(jià)值觀的背后,是技術(shù)系統(tǒng)對(duì)“人情”的視而不見(jiàn)。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(gè)初衷沒(méi)錯(cuò)。
問(wèn)題在于系統(tǒng)的規(guī)則。系統(tǒng)規(guī)定,無(wú)信號(hào)就要罰款,這是因?yàn)榭紤]到人為主動(dòng)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(huì)對(duì)人的行為產(chǎn)生誤解。
如果系統(tǒng)無(wú)法具體理解每一個(gè)人的“人情”,只是默認(rèn)一切的失常行為,都是人情之“惡”。換言之,系統(tǒng)對(duì)人只做“有罪”推定是不完善的,因?yàn)橐恍┍幌到y(tǒng)規(guī)則誤判的人,無(wú)法去與冰冷的系統(tǒng)規(guī)則討說(shuō)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(kāi)發(fā)系統(tǒng)的人(既是裁判員,又是運(yùn)動(dòng)員)推翻自己的機(jī)器裁決。
絕望自然在所難免。
從統(tǒng)計(jì)學(xué)角度看,在絕大多數(shù)情況下,機(jī)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(huì)做出不公正的裁決。
這時(shí),誰(shuí)應(yīng)該做最終的裁判?
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)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(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)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(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)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(biāo)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(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)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(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。