大多数人一生里都有感到孤独的时候。虽然许多人最终可以克服这种感觉,但孤独感对几百万人的生活和幸福会产生重大影响。
英国年龄协会(Age UK)称,360万的英国人独居,其中超过200万人的年龄为75岁或以上。而190万的老年人感到被忽视或孤立。对于老年人来说,由于丧亲、退休、无所事事、健康不佳等因素,孤独往往是常态。
时下人口不断地老龄化,这个问题只会更加普遍,而不堪重负的医疗卫生系统则意味着要解决这个问题面临的挑战也越来越大。专业服务巨头埃森哲(Accenture)认为,人工智能技术的突破可以提供帮助。
埃森哲为了解决老年人孤独的问题开发了一个名为Memory Lane(记忆巷)的解决方案,Memory Lane用了会话式人工智能,可为后代记录一些难忘的故事,同时又能提供陪伴。Memory Lane由谷歌声音助手(Google Voice Assistant)提供支持,可以和寂寞的人对话,让他们讲述自己的人生故事,Memory Lane然后会将故事转换为实体书和播客。
埃森哲互动创新中心主任Christian Souche表示,“老年人面临着两个重要的挑战,第一个是孤独及与社会脱节。他们中的一些人一个星期里很少互动,而且有很多空闲时间。Memory Lane可以提供一个“每天的目标”,他们可以分享自己的生活和最美好的回忆。这项活动很有意义,他们可以和后代分享这些记忆。”
他表示,“第二,他们可以分享自己的经历以及从自己的经历里学到的东西。 Memory Lane可以收集这些记忆并生成传记,生成一本书或一段数字内容。 Memory Lane可以令一代人和下一代人联系起来,一代人有大把时间和很多故事,而下一代人则忙的很,几乎没有空闲时间。”
埃森哲在设计Memory Lane解决方案时希望Memory Lane能简单易用。Souche的解释是,“老年人用户在最方便的空间或他们感觉最放松的地方部署好智能扬声器,然后智能扬声器里的Memory Lane才被激活。”
他表示,“然后智能扬声器就开始问每天的问题。用户可以回答问题,不想回答问题时可以跳过问题。他们在有必要的时候可以停止体验。Memory Lane解决方案日复一日地收集所有答案。最后,在收到用户请求时,Memory Lane解决方案可以将用户的记忆放进传记里。传记故事再由专业作家编辑和润色。“
Memory Lane用到的基础算法基于会话人工智能,会话人工智能用自然方式处理对话。 Souche表示,“Memory Lane可以为老年人提供无障碍服务,他们不必再'学习'如何使用这个系统。他们只需要自然地与Memory Lane解决方案进行交互,就像在和另一个人交互一样。”
Souche称,“我们已经做了几年的会话项目了,并且也逐渐将这项技术用在自动提问和自动生成摘要里。我们正在申请Memory Lane解决方案的专利,Memory Lane解决方案非常适合老年人。埃森哲互动中心曾努力将这项技术用在这样的场景上。“
尽管Memory Lane技术仍然是项新颖的技术,但已经有一些参与者加入了该项目并创建了自己的个性化书籍。对于Souche而言,该项目最大的成功就是在参与者收到他们的个人记忆书时看到他们脸上的幸福表情。
他还表示,“另一个方面也是个巨大成功,老年人迅速用上了这项服务,他们的年龄从80岁到101岁不等,但他们很快就变着法子搞定了与Memory Lane解决方案互动并分享自己最得意的故事。“
在未来的几个月里,Souche和他的团队会进一步探索在其他环境中应用Memory Lane解决方案的方法。他们希望最终在全球系统里部署Memory Lane及帮助更多的老年人。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。