相信大多数人都会认同物联网和人工智能的进步将改变整个世界这一观点,但是关于相关的监管程度和道德实践却没有一致的看法。而这些都是必须要讨论的话题,为未知的未来做好准备,圣克拉拉大学哲学副教授Shannon Vallor这样表示。
圣克拉拉大学哲学副教授Shannon Vallor
“要准备就绪,就意味着现在就要开始谈论各种可能性,并创建可以应对意外的系统,”Vallor在IBM World of Watson大会上这样表示。
未来的就业
除了影响每个专业之外,这些方面的进步也将改变整个就业情况,Vallor说。很多人都在当前的经济形势下挣扎生活,人们担心机器开始取代白领工人时可能发生的情况。
现在,人类能做而机器无法做到的事情越来越少,实现人工智能还有很长一段路要走,未来一些特定领域都是有需求的。Vallor表示,“创造力、跨学科性、社交智能、道德智慧将是未来最重要的技能。”
教育改革
Vallor指出,“”我们的教育系统与这个未来前景是不一致的。它所要求的技术教育是我们没有能力提供的,中间部分是受影响最大的,这些新工作涉及一定水平的技能,我们还没有做好迎接的准备。”
然而,就在5年前,人们很难在硅谷听到有关道德的讨论。Vallor讲到,现在这个情况变了,企业意识到他们要建立信任,教育也可以做这些转变,但一定要快。
至于Watson,Vallor说:“我对Watson的了解是,这是一种强调如何‘放大’我们而不是取代我们的技术。它帮助我们更好地思考,想得更多,做得更多。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。