新加坡国立大学(NUS)与Google宣布合作建立AI研究与创新中心,旨在推动应用人工智能研究并培养新一代AI从业人员。
该研究中心将成为双方合作的核心,提供资源和技术支持实验性及应用性AI项目。中心配备快速原型开发环境,这是一个由Google Cloud张量处理单元驱动的受控云端环境,让研究人员可以在实际部署前对AI应用进行实验、测试和验证。
研究初期将聚焦三大关键领域:
教育AI应用:利用Google Cloud的Vertex AI平台开发先进的成人教育工具,创建适应性学习路径和课程专属AI助手,支持新加坡推广终身学习的努力。
法律专用大语言模型:由新加坡国立大学法学院、AI研究所和计算机学院联合主导,开发针对法律领域的专用模型。该模型将基于本地法律解释和案例先例进行训练,克服通用大语言模型在法律语境中的局限性。预计最终将开发出支持法律研究的AI助手,有望提高律师事务所、司法部门和公众法律教育的工作效率和相关法律信息获取能力。
公共卫生A:通过整合基础模型与医疗保健、社会服务和环境系统的多元化数据,推动人群层面的健康成果改善。这将支持"更健康的新加坡"等国家预防保健计划,促进认知健康和积极老龄化。
Google Cloud新加坡和马来西亚国家总监Serene Sia表示:"通过结合新加坡国立大学世界级的多学科研究能力与Google的AI研究和AI优化云基础设施,这个联合中心有望引领安全负责的AI发展,加速在公共卫生、学习体验等重要领域的科学进步。"
Google还计划在新加坡国立大学建立AI人才培养项目,为学生和研究人员提供Google Cloud AI平台的培训和认证路径。此外,Google将支持大学设立AI教授职位,促进学术界与产业界的联系,为新加坡建立可持续的AI人才培养体系。
这次合作建立在Google与新加坡国立大学现有合作基础上。双方此前已在多个项目中合作,包括校内Google开发者社区建设、利用Google Cloud作为新加坡国立大学AI研究所的产业合作伙伴,以及在生物医学AI人才培养、使用Google NotebookLM制作全球首个AI驱动法律期刊播客、Google博士奖学金项目等方面的协作。
新加坡国立大学研究与技术副校长刘斌表示:"Google一直是新加坡国立大学的重要长期合作伙伴,我们很兴奋能够深化这种战略关系。我们相信与Google的联合努力将培养出下一代AI科学家、工程师和创新者,让他们具备应对现实世界挑战的能力。"
Q&A
Q1:新加坡国立大学与Google合作的AI研究中心主要做什么?
A:该研究中心将成为双方合作核心,提供资源和技术支持实验性及应用性AI项目,配备Google Cloud张量处理单元驱动的快速原型开发环境,让研究人员在实际部署前对AI应用进行实验、测试和验证。
Q2:研究中心重点关注哪些AI应用领域?
A:中心初期将聚焦三大领域:教育AI应用(开发适应性学习路径和AI助手)、法律专用大语言模型开发(基于本地法律解释和案例训练)、以及公共卫生AI(整合医疗和环境数据推动健康成果改善)。
Q3:这个合作对新加坡AI人才培养有什么帮助?
A:Google将在新加坡国立大学建立AI人才培养项目,为学生和研究人员提供Google Cloud AI平台培训和认证,还将支持设立AI教授职位,加强学术界与产业界联系,为新加坡建立可持续的AI人才培养体系。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。