美国红十字会及其“缺失地图”项目(Missing Maps project),正与英特尔共同应用人工智能技术绘制发展中国家易受灾地区的地图,以帮助其防灾备灾。在2019年,英特尔数据科学家构建了一个计算机视觉模型,该模型能够识别乌干达卫星图像上先前未被标记的桥梁和道路。
“对红十字会的工作人员而言,在防灾规划和紧急响应过程中,精确的地理信息极其重要。但世界上有些地区还未被标记在地图上,这给防灾规划和灾害响应造成了极大的困难。正因如此,我们与英特尔携手,运用人工智能技术绘制易受灾地区的地图,标记道路、桥梁、建筑物和城市。”——Dale Kunce,“缺失地图”项目联合创始人、美国红十字会Cascades大区首席执行官
根据缺失地图项目的数据,世界各地每年有近2亿人受灾。很多灾区并未标记在地图上,这导致应急响应人员缺少必要的信息,以快速制定救灾决策。
卫星图像有时不易辨识,并且各个国家的桥梁和基础设施不尽相同。人工智能模型增强了制图能力,可以覆盖更广泛的区域,并捕捉人眼难以察觉的事物。例如,该模型在乌干达南部发现了70座桥梁,而这些桥梁在“开放街道地图”(OpenStreetMap)或乌干达统计局官方地图中均未找到。
这一计算机视觉模型运行在第二代英特尔至强可扩展处理器上,该处理器内置了英特尔深度学习加速技术(DL Boost)和nGraph编译器。
尽管英特尔并不享有该数据集的全部权利,但正在寻求将该数据集作为开源资源提供给研究者和地理空间专业人士的机会。此外,英特尔还将召开研讨会,探讨如何将卫星图像和AI技术用于人道主义实践,从而充分利用为该项目开发的数据集和代码库。
好文章,需要你的鼓励
RiOSWorld是一项开创性研究,评估多模态计算机使用代理在真实环境中的安全风险。由上海人工智能实验室团队开发的这个基准测试包含492个风险任务,涵盖网页浏览、社交媒体、操作系统等多种应用场景。研究将风险分为环境源和用户源两大类,通过风险目标意图和完成两个维度进行评估。对十个代表性MLLM代理的测试结果表明,当前代理在风险目标意图上的不安全率高达84.93%,在风险目标完成上达59.64%,揭示了AI代理在计算机使用安全性方面存在的严重隐患,为未来可信AI系统的开发提供了重要参考。
牛津大学林元泽及其国际合作团队开发的IllumiCraft是一种创新的视频重光照技术,它首次将几何和光照引导统一到一个扩散模型中。通过同时处理HDR环境图、合成重光照帧和3D点轨迹,该技术能生成与用户提示一致的时间连贯视频。研究团队还构建了包含20,170个视频对的高质量数据集,实验表明IllumiCraft在视觉质量、提示对齐和时间一致性方面显著优于现有方法,开创了可控视频生成的新可能。
中国人民大学物理学院研究团队开发了HTSC-2025,这是一个专为AI预测超导临界温度而设计的常压高温超导体基准数据集。该数据集包含140个样本,涵盖了2023-2025年基于BCS理论预测的超导材料,平均Tc为27.3K,最高达160K。研究不仅提供了公开的评估框架,还总结了提高超导温度的物理策略,如空穴掺杂和轻元素引入。该基准已在GitHub开源,为AI驱动的超导材料发现提供了重要支持。
MBZUAI研究团队开发了FinChain,这是金融领域首个可验证的符号化思维链推理基准测试。该基准涵盖12个金融领域的54个主题,每个主题包含5个不同难度的参数化模板,配有可执行的Python代码验证每一步推理。研究者还提出了ChainEval评估指标,同时评估最终答案正确性和中间推理步骤一致性。对30个大语言模型的测试表明,即使最先进模型在处理复杂金融推理时仍有很大提升空间,且模型规模是决定推理能力的关键因素。