AI软件从航拍影像中检测到20000多处隐蔽的私人泳池,帮助法国税务官员额外征收约1000万欧元的资产税。
根据欧元区国家的规定,增建阁楼、开挖泳池等有助于提升房产价值的家庭装修项目,会增加房主所应承担的税款数额。例如,一处30平米的游泳池每年就对应额外200欧元税款。但由于以往仅要求主动申报,所以很多业主会保持沉默以躲避这笔开支。
为了追查逃税者,法国税务局下辖的九个部门测试了机器学习软件,尝试自动从航拍照片中找到未申报的泳池。该软件分析了航拍图像,可扫描出存在泳池的迹象——例如后院位置的蓝色矩形轮廓。官员们会借此识别那些拥有泳池的房屋、确定所在位置,并比对数据库以检查业主是否已经正常申报。
截至目前,该软件已经发现20356处隐蔽泳池,帮助法国当局收取高达1000万欧元的额外税款。此项计划未来将在全国范围内部署,搜寻更多未申报泳池,由此带来的财产税贡献预计将达到4000万欧元之巨。
该软件由谷歌和凯捷共同开发,今年4月的报道称其错误率为30%。例如,这款计算机视觉软件可能被太阳能电池板阵列所误导,造成错误标记;另外,如果泳池被阴影或树木覆盖,也可能发生漏检的问题。法国财政部表示,工程师们正在努力扩展这款应用程序,希望能适应不同类型的家居改造场景。
公共财政副总干事Antoine Magnant在采访中表示,“我们会特别关注阳台这类房屋扩建项目,但同时要求软件能准确揪出那些占地面积较大的新增建筑,不要被狗舍或孩子们的嬉戏场夺走了注意力。”
然而,在现有建筑物上检测到突出的扩展或附加部分其实更为困难,而且这款软件还无法把这类情形同正常搭设的帐篷或防水油布区分开来。Magnant补充道,“这是我们第二阶段的研究内容,包括检查房产是否有人居住,如果无人则应停止征税。”
好文章,需要你的鼓励
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。