至顶网软件频道消息:Facebook Inc.今天发布了一个名为Talk the Walk(路在嘴里)的人工智能数据集,目的是帮助计算机在游览纽约市的过程学习如何与人类更自然地互动。
目前人工智能软件的通信能力相当有限。原因在于,人工神经网络是通过分析样本文本得到统计模式学习语言,这种方法不是特别地有效。
Facebook创建 的Talk the Walk数据集能使人工智能模型以更接近人类的方式学习。Facebook研究人员Douwe Kiela和Jason Weston在博文中提到, “要最终通过人类语言理解建立人工智能,一个策略就是用更自然的方式训练这些系统,将语言与特定环境联系起来。”
他们表示,“和婴儿在看到和触摸到东西开始学会这些东西的名字一样,这种方法有时也叫形象化人工智能,这种在系统环境中进行的方法有利于学习,训练不是通过大型文本数据集(如维基百科)进行。”
研究人员利用Talk the Walk可以将纽约市作为学习环境。Talk the Walk数据集含不同街区的地图、每个块360度图片和样本对话,对话是一个人试图将另一个人引导到某个位置。这些文件附有Facebook研究人员创建的“基准线”用法,可以作为人工智能使用这些信息方法的参考。
据Facebook称,Talk the Walk可以创建逼真的训练场景,机器学习模型可以在这样的场景里打磨他们的语言技能。要进行模拟需要两个人工智能程序。一个是可以看到360度照片的“游客”,而另一个是只有地图的“导游”。基本思想是让两个程序相互通信,在交换了足够的细节后弄清楚如何从一个街区去另一个街区。
这不是一件容易的事。根据The Verge网站介绍,Facebook估计,要利用Talk the Walk数据创建能可靠地生成导航指令的人工智能模型可能需要几年的时间。Facebook希望通过该项目开发的新人工智能功能不仅可用于导航,也可用于其他领域。
Kiela和Weston在博文里称,“我们自己的实验搞清了一些本地化和沟通的次要问题,但我们希望其他人可利用这事更好地理解目标导向的对话、导航、视觉感知和其他挑战。”
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。