Meta(前身为Facebook)一直致力于使用机器学习技术来应对气候变化并提高工业系统的效率。近日Meta宣布,将使用人工智能解决气候变化问题并开发相应的工程解决方案。
这次公布的举措之一包括Open Catalyst项目,是Meta AI与卡内基梅隆大学化学工程系合作进行的项目,通过把AI研究人员聚集在一起设计出新的机器学习模型,用于预测能源储备的新型化学反应。
例如,在可再生能源方面,太阳能和风能依赖于持续的光照和风来进行发电,如果长时间没有晴天或者大风的情况下,发电量就会下降,这就需要建造能量储存器(通常是电池)来吸收多余的能量,以便在非高峰时段进行输送。
Open Catalyst首席研究科学家Larry Zitnick表示:“问题在于,电池作为存储介质并不能很好地进行扩展,我们需要找到一种实际上能可扩展能源的存储方法,这就是Open Catalyst项目真正发挥作用的地方。”
Open Catalyst项目提供了用于发现化学催化剂的数据集,用于为可再生能源网络构建更便宜、更加可扩展的电池。Zitnick表示,在研究团队的不断努力下,Open Catalyst已经打造出了全球规模最大的可再生能源存储材料训练数据集。
据Zitnick称,可能有多达数百万种不同的材料组合需要他们在实验室进行测试,而现实情况是他们的测试速度仅为每年1000种。这对人类来说是一个缓慢而艰巨的过程。但是,Open Catalyst项目拥有超过800万个数据点和对4万个不同材料的模拟,可以为研究人员提供大规模的实验支持。
他还补充说,该系统可以通过计算机的算例在几秒钟内进行“强力”模拟,相比之下其他系统往往需要几天的时间才能找到可行的优化,然后研究人员再在实验室对其进行测试。
使用AI应对气候危机的另一个重要方面是其自身基础设施和能源需求的效率。Meta高级研究员Mike Schroepfer写道,Meta公司在全球范围内的运营是100%由可再生能源支撑的,但效率仍然至关重要,目前Meta正在探索Green AI模型。
Schroepfer表示:“Meta和整个行业的研究人员目前正在探索多种Green AI的方法,包括开发测量AI系统能源效率所需的标准,以及大规模运行AI所需的算法和计算硬件。”
在资源效率和使用方面,大规模AI模型优化是一大问题,尤其是在构建强大的AI模型并且需要针对不断增长的复杂数据集进行训练方面。Meta AI团队最近发表的一篇论文强调了在这样规模数据集下所带来的巨大挑战。
在一项实验中,研究人员能够找到多种优化手段,将用于语言翻译的基础设施资源减少800倍。这种级别的算法优化和性能提升的潜力,将使用AI进行自然语言处理、翻译,以及在平台上使用AI所造成的排放产生重大影响。
Schroepfer在谈到Green AI项目的进展和Meta团队目前开展的工作时表示:“我们很乐观地看待AI将给气候和可持续性带来的影响,以及我们研究人员和工程师在构建AI方面所发挥的作用。”
好文章,需要你的鼓励
YouTube在年度Made on YouTube活动中发布多项更新,包括Studio新增"相似度"检测和唇同步配音功能,YouTube Live支持迷你游戏和双格式同步直播,Shorts集成Veo 3 AI视频生成模型。此外还推出播客AI剪辑工具、新的货币化选项如品牌合作和购物标签功能,以及YouTube Music的粉丝互动新特性。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。
英国政府与美国数据分析公司Palantir达成国防合作协议,该公司将投资15亿英镑并在英国设立欧洲国防总部,创造350个就业岗位。双方将合作开发AI驱动的军事决策和目标定位系统,这些技术已在乌克兰得到测试。该协议是英国战略防务评估的重要组成部分,旨在提升军事规划和目标选择能力。此次合作是美国科技巨头对英国310亿英镑投资承诺的一部分。
腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架,通过模仿儿童的好奇心学习机制,让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习,在数学推理任务上平均提升3个百分点,同时解决了传统方法中的"校准崩塌"问题,为开发更智能自主的AI系统开辟了新路径。