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
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。