英国人工智能公司DeepMind的一项最新研究发现,人工智能算法或能提出在人群中分配资源的新机制。
研究人员先让数千名志愿者4人一组参与投资博弈。玩家一开始会拿到不同数额的钱,必须决定贡献多少来发展一个公共基金池,并最终获得一部分作为回报,过程会涉及反复决定保留一笔货币捐赠,还是与其他玩家分享,获得潜在的集体利益。研究人员训练人工智能系统寻找一种向个人重新分配资金的政策,最终该系统制定的政策相比其他人类玩家制定的政策,收获了更多的选票。
我们的科技留言板“有意见”如下
@华强萨日朗:博弈论中有个概念叫“纳什均衡”,指能够达到所有玩家期望收益最大值的策略组合。其理论提出者约翰·纳什是历史上著名的数学家,纳什均衡理论奠定了现代主流博弈理论和经济理论的根本基础。而AI仅在通过向4000人的学习后就能总结出纳什均衡的规律,学习能力和速度快到令人发指,AI正在逐步控制地球的事实昭然若揭!
@黑咕隆咚:由AI设计经济体制,确实出乎意料,不过人工智能,“人工”在先,“智能”在后,智能离不开人为。人工智能永远不应该支配政策,但这样的工具可能会为人类决策者带来新的想法,未来人类和机器之间最有可能的分工模式是混合智能。
@媒体搬运工/@模糊:看内容很“惊悚”,AI居然可以做经济决策。人工智能给经济理论研究带来了一种实验方法与思路,但是我们知道传统经济学是强调理性经济人假设,现实中的人却是非理性的,并不像数学那样清晰可定义并保持不变。所以AI制定的经济政策在真实世界可行吗?
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。