DoorDash于周四宣布推出全新的独立"Tasks"应用程序,该公司将通过这款应用向配送员支付费用,让他们完成旨在改进人工智能和机器人系统的任务。配送员可以通过完成拍摄日常任务视频或录制自己说其他语言等活动来赚取收入。
"这些数据有助于人工智能和机器人系统理解物理世界,"DoorDash在博客文章中写道。"报酬会预先显示,并根据活动的努力程度和复杂性来确定。"
据彭博社报道,工作人员提交的原始音频和视频素材将用于评估该公司的内部人工智能模型,以及其在零售、保险、酒店和技术领域合作伙伴开发的模型。
任务的一个例子是要求配送员佩戴随身摄像头,拍摄自己洗至少五个盘子的过程,每个干净的盘子都要在镜头前停留几秒钟,然后再继续下一个。
DoorDash并不是唯一一家利用其配送员工来训练人工智能模型的公司。去年年底,Uber宣布计划让司机通过完成小任务来赚取额外收入,比如上传照片来帮助训练人工智能模型。
除了独立的Tasks应用程序外,配送员还将在Dasher应用程序上看到新的数字"Tasks"列表。例如,通过拍摄餐厅菜品的真实照片来帮助餐厅展示其菜单,或者拍摄酒店入口的照片,以便配送司机更容易找到送货地点。DoorDash与Waymo的合作伙伴关系也在应用程序中被列为任务,配送员可以通过关闭自动驾驶汽车的车门来获得报酬。
DoorDash Tasks总经理Ethan Beatty在博客文章中表示:"Tasks的目标是帮助更多企业了解实地情况并收集新见解,同时为配送员提供一种按照自己的条件赚钱的新方式。有超过800万名配送员几乎可以到达美国任何地方,他们希望在配送之外灵活地赚取收入。这是数字化物理世界的强大能力。"
应用内Tasks和独立的Tasks应用程序目前在美国特定地区可用,不包括加利福尼亚州、纽约市、西雅图和科罗拉多州。DoorDash计划未来扩展到更多任务类型和国家。
Q&A
Q1:DoorDash的Tasks应用是做什么的?
A:DoorDash的Tasks应用是一款独立应用程序,通过向配送员支付费用让他们完成特定任务来改进人工智能和机器人系统。配送员可以通过拍摄日常任务视频或录制自己说其他语言等活动来赚取收入。
Q2:配送员在Tasks应用中需要完成哪些类型的任务?
A:任务类型包括拍摄日常活动视频(如洗盘子过程)、为餐厅菜品拍照、拍摄酒店入口照片帮助配送定位,以及协助Waymo自动驾驶汽车关门等。报酬会根据任务的努力程度和复杂性预先确定。
Q3:Tasks应用目前在哪些地区可以使用?
A:应用内Tasks和独立的Tasks应用程序目前在美国特定地区可用,但不包括加利福尼亚州、纽约市、西雅图和科罗拉多州。DoorDash计划未来扩展到更多任务类型和国家。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。