至顶网软件频道消息:微软公司在本周日发布消息,表示其人工智能技术正帮助目前成绩不佳的雷诺一级方程式车队提升赛事表现。
面对坎坷的市场营销状况,软件巨头决定与雷诺车队合作,以帮助落后梅赛德斯车队433分的雷诺奋起直追。
微软方面表示,雷诺车队在2017年一级方程式联赛中位列第七——为了提升成绩,后者正使用Azure Machine Learning、Stream Analytics乃至Dynamics 365等解决方案。
雷诺车队CIO Pierre d’Imbleval解释称,“人工智能将在赛事当中发挥重要作用。我们需要帮助以在比赛的每一圈中作出最佳决策。”
根据微软方面的说法,雷诺车队坦言目前的第七名属于“我们世界中的最低点”,其采用微软AI系统从赛车上的数千个传感器处收集输入数据,并在比赛当中、之后以及测试过程中分析车辆性能。
微软公司指出,其基本思路在于利用机器学习技术执行计算与分析任务,从而帮助雷诺车队的工程师们节约大量时间。
此外,Windows巨头还表示雷诺设计团队亦在利用其HoloLens增强现实平台对车辆及发动机设计进行研究与改进——在d’Imbleval看来,这不仅能够帮助F1车队自身取得成功,同时也将在未来几年内提升赛事观众的参与度水平。
他解释称,“大家可以想象,如果看台上的人们都戴有HoloLens设置并获取各类信息,例如驾驶员当前的比赛思路——打算积极超车还是稳守现有位置,结果会如何?”
“这对于观众们来说无疑是一种全新的体验。”
微软公司并没有提到雷诺车队如何利用其产品寻找新的赛车选手。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。