梵蒂冈携手微软AI科技为大教学打造数字孪生,计划于12月正式上线
梵蒂冈与微软联手以数字方式重建圣彼得大教堂,希望由此开启全球线上游览的大门。数字大教堂的诞生将成为普通游客以及建筑专家的福音——其一方面将为朝圣者提供身临其境的虚拟浏览体验,同时也将为学者提供丰富细节,帮助他们开展建筑修复与文物研究工作。
梵蒂冈与微软合作,共同推出的圣彼得大教堂数字孪生模型是一个雄心勃勃的项目,希望将古老精神与前沿科技融合起来,旨在保护并与全球观众分享大教堂承载的历史、艺术与精神财富。圣彼得大教堂负责人Mauro Gambetti主教于2024年11月11日在新闻发布会上公布了这一举措,强调了将大教堂打造成“面向所有人开放的空间”的使命,希望借此为2025年即将到来的数百万禧年朝圣者做好准备。
通过科技捕捉圣彼得大教堂的每一处细节
专家团队使用无人机、高分辨率摄像机以及激光成像等技术手段,在三周之内捕捉到超过40万张圣彼得大教堂的图像。这些图像由微软AI For Good实验室与法国公司Iconem合作转化为超高精度的3D模型,同时辅以先进的AI算法以确保数字孪生模型能够以毫米级精度反映大教堂的复杂结构。这套3D模型被托管在一个交互式在线平台之上,计划于12月1日开放,让身在世界各地的游客都能远程体验大教堂的内外部景观,并选择通过类似超人气游戏《我的世界》的导引界面加入探索。
微软副董事长兼总裁Brad Smith表示,“在AI科技的帮助下,我们现在能够以前所未有的方式欣赏这处非凡信仰、艺术与历史的完美结晶。”此番合作不仅代表着一种开创性教育工具的诞生,更是为身在世界各地的游客们提供了一种能够与大教堂精神氛围产生联系的方式。
朝圣者、学者和保护工作者将全面迈向新时代
数字大教堂的诞生将成为普通游客以及建筑专家的福音——其一方面将为朝圣者提供身临其境的虚拟浏览体验,同时也将为学者提供丰富细节,帮助他们开展建筑修复与文物研究工作。精确的3D模型渲染能够帮助发现结构上的弱点,例如墙面裂缝和马赛克瓷砖缺失等不通过近距离检查很难发现的问题。Gambetti主教表示,“在一次扫描中,我们甚至在穹顶的马赛克上发现了极微波的蜘蛛剿”,可见数字模型细节水平之强大。
将与数字孪生项目一同推出的还有“Petros Eni”和“Petros Eni Octagon”两个新的互动展览,让游客通过沉浸式流程深入了解大教堂的演变。这些展览有望为亲赴大教堂的参观者们提供新的体验维度。
为子孙后代保护圣彼得大教堂
除了提供前所未有的虚拟体验之外,该项目还希望为大教堂的长期保护提供助力。协调该项目的Fratelli Tutti基金会秘书Francesco Occhetta神父强调,数字孪生将人们心中的神性与圣彼得安葬地连接了起来,确保这处标志性的宗教符号长续永存。他表示,“我们的目标不仅仅体现在技术上。无论人们身在何处,数字大教堂都将为来自世界各地的他们提供了一种在精神之旅中与这处神圣之地相遇的方式。”
技术愿景:“让大教堂造福更多人”
Gambetti主教专门强调,新的数字孪生项目标志着大教堂服务全球民众的使命由此翻开了新的篇章,而其灵感正是来自教皇方济各的愿景。方济各希望建立一处欢迎“所有人祈祷的异常”。而这项协调一致的计划在数字化记录功能之余,也将建立起虚拟参与平台,强调更广泛的举措,即以与当今数字文化产生共鸣的方式让圣彼得大教堂面向更多人开放。
Gambetti总结道,“我们正在创造历史。几个世纪以来,教会一直在努力适应不同时代的表达方式。现在借助技术手段,我们正比以往任何时候都更接近向每个人敞开大门的理想。”他补充称,圣彼得大教堂的数字孪生模型还代表着一个永恒的愿景,即邀请每一个人感受大教堂承载的历史、艺术与精神财富。
好文章,需要你的鼓励
Multiverse Computing宣布完成2.15亿美元B轮融资,用于加速部署其量子计算启发的AI模型压缩技术。该技术可将大语言模型体积缩小95%而不影响性能表现,大幅降低AI推理成本。公司的CompatifAI技术采用量子启发算法和先进张量网络,能识别并剔除AI模型中的冗余部分。压缩后的模型运行速度提升4-12倍,推理成本降低50%-80%,可在云端、本地数据中心甚至边缘设备上运行。
UC伯克利研究团队发现了一种革命性方法,能够在不重新训练的情况下修复AI视觉系统的注意力异常问题。他们识别出少数"寄存器神经元"是造成注意力噪点的根源,并开发出"测试时寄存器"技术,将这些异常重定向到专门区域。该方法在多项视觉任务中表现出色,性能媲美专门训练的系统,同时还能抵御印刷攻击,为AI视觉技术的实际应用提供了简单高效的改进方案。
Databricks联合创始人兼CEO Ali Ghodsi在Data+AI Summit上宣布了多个新产品,如Agent Bricks和Lakebase,旨在简化企业AI应用开发、降低高成本及解决数据平台锁定问题。
北京大学团队提出ReLIFT方法,巧妙结合强化学习与监督学习优势。该方法让AI在常规训练中自主练习,遇到最难题目时自动获取高质量指导。实验显示ReLIFT在五个数学竞赛测试中平均提升5.2分,仅需传统方法13%的教学数据,生成答案长度减少近10倍,为AI突破能力边界提供新路径。