Meta本周发布的一款新生成式AI模型可能会改变机器理解物理世界的方式,为更智能的机器人等应用创造机会。
这款名为"视频联合嵌入预测架构2"(V-JEPA 2)的开源模型,旨在帮助人工智能理解重力和物体永恒性等物理概念。
Meta在博客文章中表示:"通过分享这项工作,我们希望为研究人员和开发者提供最佳模型和基准,以帮助加速研究和进展,最终打造更好、更强大的AI系统来改善人们的生活。"
目前允许AI与物理世界交互的模型依赖于标记数据或视频来模拟现实,但这种新方法强调物理世界的逻辑,包括物体如何移动和相互作用。该模型能让AI理解诸如球从桌子上滚落会掉下来这样的概念。
Meta表示,该模型对自动驾驶车辆和机器人等设备很有用,因为它们无需针对每种可能情况进行训练。公司称这是向类人适应能力AI迈出的一步。
物理AI领域的一大挑战是需要大量训练数据,这需要时间、资金和资源。今年早些时候在SXSW大会上,专家表示合成数据——由AI创建的训练数据——可以帮助传统学习模型应对意外情况。
Meta表示,其新模型简化了这一过程,使实际应用更加高效,因为它不依赖于所有这些训练数据。
世界模型的下一步包括训练能够在不同时空尺度上学习、推理和规划的模型,使它们更好地分解复杂任务。除了视觉之外还能使用音频和触觉等其他感官的多模态模型,也将帮助未来的AI模型更好地理解现实世界。
好文章,需要你的鼓励
苹果已开始在印度分阶段恢复Apple账户的信用卡支付功能,用户可绑定Visa和Mastercard信用卡及借记卡,用于购买iCloud+、Apple Music订阅及App Store应用。此前,由于印度储备银行于2021年推出新的周期性支付监管框架,苹果于2022年5月暂停了该支付方式。此次恢复标志着苹果在适应各国本地化监管要求方面的持续努力,同时也引发外界对苹果是否将在印度推出Apple Pay的新猜测。
CGGS是华南理工大学与西湖大学联合提出的以自我为中心三维场景生成框架,通过一致性增强多视角扩散模型、光流深度估计和互信息几何优化,实现高保真文本驱动3D场景生成。
Bookshop.org创始人Andy Hunter证实,与Kobo的合作集成将于今年落地。此前该计划历经多次推迟,网页措辞一度从"2026年"改为"未来某时"。Hunter表示,双方已就商业条款达成一致,工程团队正将资源重新投入Kobo支持开发,但尚无具体上线日期。该集成将支持数字版权管理要求,让用户通过Bookshop.org购买电子书,同时支持独立书店。
南加州大学团队发现语音抑郁检测领域存在数据漏洞,并提出CLeaD跨语言对比对齐框架,揭示模型规模越大跨语言性能越差的反直觉规律。