即將過去的2022年，對于人工智能來說是值得銘記的一年。大批人工智能相關應用走出實驗室，向著大范圍落地實踐不斷邁進。AI“黑科技”加持下的北京冬奧會異彩紛呈；無人駕駛開啟多城試點，未來交通更進一步；AI繪畫以假亂真令人著迷，藝術創(chuàng)作或許不再是人類專屬……
無論是底層技術不斷突破，還是各類應用百花齊放，在過去的一年，人工智能向我們展示了它的無限可能。我們相信這只是人工智能的冰山一角，未來它還有更多潛力等待我們去挖掘。
隨著技術的不斷成熟，落地應用不斷創(chuàng)新，人工智能或將真正改變你我的生活。
AI“黑科技”照亮北京冬奧會
助力天氣預報、比賽轉播和手語播報等
2月4日，全球矚目的2022年北京冬奧會正式拉開帷幕。人工智能等技術的應用為本屆冬奧會增添了別樣的“科技之美”。
在此次冬奧會上，由中國科學院院士、北京大學副校長、北京大學重慶大數據研究院首席科學家張平文領銜研制的人工智能MOML算法賦能天氣預報模型，使冬奧會天氣預報更加精準。人工智能算法在融合、處理信息中的先天優(yōu)勢，使其在一定程度上可以代替預報員在會商中進行信息整合、分析，通過數據挖掘與學習，將預報員的經驗內化在算法中，在提高天氣預報效率的同時，也進一步提高了預報的準確率。
在本屆冬奧會自由式滑雪女子大跳臺決賽中，中國選手谷愛凌以“逆天”的精彩表現獲得個人首金。在比賽轉播過程中，百度智能云通過“3D+AI”技術打造出的“同場競技”系統，將單人比賽項目變成“多人比賽”，實現冠、亞軍比賽畫面的三維恢復和虛擬疊加，方便觀眾看到不同選手的實時動作；同時，通過技術手段對運動員動作進行量化分析，將滑行速度、騰空高度、落地遠度、旋轉角度等一系列運動數據與原始畫面疊加起來，使觀眾可以更直觀地從流暢性、完成度、難度、多樣性和美觀度等角度看懂選手之間的技術動作差異。
在北京冬奧會開幕的同一天，央視新聞AI手語主播也正式上崗，她在冬奧會新聞播報、賽事直播和現場采訪中，為聽障人士送上了實時手語翻譯服務。憑借精確的手語翻譯引擎，該AI手語主播可懂度達85%以上，可將冰雪賽事的文字及音視頻內容，快速精準地轉化為手語。
騰訊“混元”AI大模型登頂VCR榜單
展現了其在多模態(tài)理解領域的強大實力
5月31日，騰訊“混元”AI大模型在多模態(tài)理解領域國際權威榜單VCR(Visual Commonsense Reasoning，視覺常識推理)中登頂，兩個單項成績和總成績均位列第一。這是繼在跨模態(tài)檢索領域大滿貫、CLUE自然語言理解分類榜及CLUE總榜登頂后，“混元”AI大模型的又一重大突破，展現了其在多模態(tài)理解領域的強大實力。
與跨模態(tài)理解任務不同的是，多模態(tài)理解任務要求計算機除了能夠做到識別層次的感知(如分類檢測等)，還需要達到認知層次的感知(如判斷意圖、邏輯推理等)。
此次登頂VCR榜首的“混元”AI大模型由騰訊廣告多媒體AI團隊自主研發(fā)，同時借助騰訊太極機器學習平臺的圖形處理器算力和訓練加速框架，在預訓練任務、訓練方式上進行了諸多創(chuàng)新改進和設計，有效提升了模型性能。
截至目前，“混元”AI大模型在MSR-VTT、MSVD、CLUE、VCR等多個領域的AI權威榜單中取得了第一名的成績，并刷新多項行業(yè)歷史紀錄。這意味著，“混元”在自然語言理解、多模態(tài)理解、跨模態(tài)理解等領域的技術實力已得到驗證。
谷歌工程師鬧烏龍，稱AI存在意識
人工智能所謂的“人格”更多只是模仿人類罷了
谷歌AI工程師鬧烏龍，稱LaMDA語言模型有意識，引發(fā)業(yè)界對“AI是否擁有自主意識”的討論。
今年6月，谷歌公司AI工程師萊莫因認為對話應用語言模型LaMDA具有了“自主意識”，并對此出具了長達21頁的證據。萊莫因認為LaMDA具有意識的原因有三：一是LaMDA以前所未有的方式高效、創(chuàng)造性地使用語言；二是它以與人類相似的方式分享感覺；三是它會表達內省和想象——既會擔憂未來，也會追憶過去。
LaMDA是谷歌在2021年開發(fā)者大會上公布的大型自然語言對話模型，它可以模擬任何帶有知識屬性的實體，通過“擬人”的方式，在與人類親切自然的對話中為用戶答疑解惑，傳遞更多知識。
萊莫因的觀點和證據引起了業(yè)內的廣泛關注。不久后，谷歌發(fā)表聲明稱，萊莫因違反了“就業(yè)和數據安全政策”，將其解雇。谷歌表示，經過廣泛地審查，他們發(fā)現萊莫因關于LaMDA是有生命的說法是完全沒有根據的。
專家普遍認為，當下人工智能具有的所謂“人格”，更多只是模仿人類的語言風格，有自我意識、有感知能力的AI應該具備能動性，并具有獨特的視角看待人和事，但目前AI還只是人們設計的一個計算機系統，作為工具來做一些特定之事。
全球首個圖、文、音三模態(tài)大模型誕生
“紫東太初”實現“以圖生音”和“以音生圖”
9月1日，在上海舉辦的2022世界人工智能大會上，由武漢人工智能研究院、中國科學院自動化研究所和華為技術有限公司聯合研發(fā)的“紫東太初”多模態(tài)大模型項目獲得了此次大會的最高獎項。“紫東太初”是全球首個圖、文、音三模態(tài)大模型，開創(chuàng)性地實現了圖像、文本、語音三模態(tài)數據間的“統一表示”與“相互生成”，實現了“以圖生音”和“以音生圖”，理解和生成能力更接近人類，為打造多模態(tài)人工智能行業(yè)應用提供創(chuàng)新基礎，向通用人工智能邁出了重要一步。
“紫東太初”三模態(tài)間的相互轉換和生成，其核心原理是視覺、文本、語音不同模態(tài)通過各自編碼器映射到統一語義空間，然后通過多頭自注意力機制學習模態(tài)之間的語義關聯以及特征對齊，形成多模態(tài)統一知識表示；之后，再利用編碼后的多模態(tài)特征，通過解碼器分別生成文本、圖像和語音。
“紫東太初”憑借四大突破，有效助力以多模態(tài)認知為核心的通用人工智能發(fā)展。一是首次提出多層次、多任務跨模態(tài)自監(jiān)督學習框架，支持從詞條級走向模態(tài)級、樣本級的三級預訓練自監(jiān)督學習方式；二是首次完成弱關聯多模態(tài)數據語義統一表示，減少數據收集與清洗代價；三是首次實現多模態(tài)理解與生成任務的統一建模，支持跨模態(tài)檢索、多模態(tài)分類、語音識別、圖像生成等理解與生成任務；四是首次實現無監(jiān)督超越有監(jiān)督方法，基于5%—10%的數據標注，實現100%的有監(jiān)督學習效果。
AI打破矩陣乘法計算速度紀錄
解決了50年來數學領域一個懸而未決的問題
10月，英國《自然》雜志封面以“矩陣游戲”為題，發(fā)表了人工智能公司“深度思維”團隊的最新發(fā)現：AI可以解決矩陣乘法問題。這款名為“AlphaTensor”的AI系統能自行發(fā)現新算法，從而解決了50年來數學領域一個懸而未決的問題——找到兩個矩陣相乘最快的方法。這是第一個可為矩陣乘法等基本任務發(fā)現新穎、高效且正確算法的AI系統。
數學在計算機編程中經常出現，通常作為描述和操縱現實世界現象表示的一種手段。例如，它可用于表示計算機屏幕上的像素、天氣狀況或人工網絡中的節(jié)點。在這種情況下，使用數學的主要方式之一，就是對矩陣進行計算。矩陣越大，工作量也越大，計算機科學家開始花費大量時間和精力開發(fā)更加有效的算法來完成相關工作。
在此次最新成果中，“深度思維”團隊研究人員探究了是否有可能使用基于強化學習的AI系統來創(chuàng)建新算法，從而使計算步驟比現有算法更少。
為了找到答案，他們從游戲系統中尋找靈感。在構建了一些初步系統之后，研究團隊將重點轉向了樹搜索，這是系統在特定情況下查看各種方案的一種方法。
接下來，研究人員將允許系統創(chuàng)建自己的算法，進一步提高效率。他們發(fā)現，在許多情況下，系統選擇的算法比人類創(chuàng)建的算法更好。“深度思維”團隊希望，未來AI能更多地用來幫助攻克數學和科學領域的一些重要的難題。
共2頁 [1] [2] 下一頁
搜索更多: 人工智能
