ZD至顶网CIO与应用频道 10月31日 北京消息:美国时间10月27日,滴滴联合创始人兼CTO张博受邀在硅谷斯坦福大学给International Conference on 3D Vision 2016大会(下称:3DV大会)的“最佳论文奖”获得者颁奖。据悉,最佳论文获奖团队由来自苏黎世联邦理工学院(ETH Zurich)和Disney Research Zurich的四个人组成,他们的论文获得组委会的一致认可,得到了最高投票。现场专家称:“凭借密集光场下复杂物体重建的高效算法,他们获得了大会最佳论文奖。”

张博给“最佳论文获”获得者颁奖
据介绍,自2013年以来,3DV会议围绕计算机视觉和图形3D研究领域的多方面主题,包括创新的光学传感器、信号处理技术、几何建模、呈现和传输、可视化和互动,以及多种应用,推动了多项研究成果分享,是一个全球高端技术交流与分享平台,包括工业界、学术界等顶级专业人士均到场参会。本届演讲嘉宾包括来自Google、Facebook、微软的专家及MIT和UCLA大学教授等学界泰斗。
此次张博也受邀参加了3DV大会的专题演讲,他首先对滴滴的四年业务发展历史作了简单介绍:“滴滴成立于2012年,当时主要解决的是司机与乘客双方的信息不对称问题;2013年我们迅速发展,这一年的10月,我们市场占有率实现第一;2014年3月,我们用户数超过1亿,同年8月专车业务上线;2015年2月,滴滴和快的合并,并陆续上线了快车、顺风车和代驾、巴士业务;2016年3月,我们日订单突破1000万,5月获得苹果战略投资,8月并购Uber中国。”

张博在现场演讲
同时,他还透露了滴滴如何利用人工智能对出行带来的改变。“当乘客发出订单,我们会根据历史上发布订单和乘客行驶轨迹预测会在哪里上车,我们设置这个地点,司机会直接到该点接乘客,这是我们的推荐上车地点功能,可减少与司机沟通具体接驾时间。”
利用人工智能技术,滴滴可以为用户作路线规划,“ETA是很复杂的技术问题,从A点到B点到底需要多长时间,需要预估未来的路况。”
“拼车则是提高交通效率的大杀器,怎么满足出行需求又不增加道路车辆,拼车是唯一办法,当乘客发出拼车订单时,我们不仅要计算路径匹配程度,还要预测同路线是否有其他乘客能拼成功。”公开数据显示,滴滴利用算法技术,每天有超过200万人次通过拼车出行,大量减少了道路上的车辆,为社会创造了价值,而这些复杂的拼车运算,都是在以秒计算的很短时间内完成。
提及智能调度,张博表示,理想的交通状态是,全城拥有一个智能交通大脑,可对未来的出行需求进行预测。“滴滴对15分钟后供需预测的准确度达到了85%,平台会调度司机满足未来需求,使得未来该区域供需不平衡的概率下降。比如,预测某个区域15分钟后出现供给需求,就会把运力往这个区域调度,使得未来该区域供需不平衡的概率下降。”
张博演讲后的提问环节,来自全球学者围绕滴滴在人工智能、计算机视觉等领域的研究挑战,以及滴滴学术合作计划和高水平人才招募计划向他提问,张博一一回答了大家的问题,并表示滴滴期待和学术界同仁一起,共同解决出行领域的世界级挑战。
滴滴作为受邀企业,还参加了3DV大会的展示环节,介绍了滴滴研究院在人工智能领域的黑科技。此前有报道称,目前滴滴在美国硅谷招聘数据科学家,以帮助公司进行先进技术产品的研发。
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。