路怒症是一个全球性的现象。在中国,大约60%的司机有过路怒经历。在美国,近80%的司机称自己在开车时有过明显的愤怒或攻击性情绪。当这些情绪导致攻击性驾驶时,路怒症在相当大比例的交通事故中负有责任。
近期的研究探索了利用人类声音来判断司机是否愤怒到不宜开车的方法。IEEE旗下的IEEE Access杂志最近发表的一篇论文探讨了一种方法,该方法在实验室中利用声音达到了约95%的准确率,这引发了人们对这项技术是否接近实际应用的疑问。
不止追踪路况的传感器
汽车越来越多地配备了一系列传感器,用于监测车内、引擎盖下以及周围环境的状况(https://transmitter.ieee.org/what-does-your-car-know-about-you/)。例如,一些汽车的方向盘中嵌入了心率监测器,用于检测疲劳驾驶以及可能出现的心脏紧急状况。有些汽车配备了摄像头,用于查看司机是否集中注意力。
IEEE会员Ning Hu表示,虽然这些传感器能够评估司机的身体状况,但事实证明判断他们的情绪状态更加棘手,因为混合情绪是很常见的。
“如果分类是二元的,即愤怒与不愤怒,那么即使系统是在猜测,准确率也有50%。”
人工智能在解读情绪中的作用
利用计算机识别和分类人类情绪被称为情感计算。该领域的研究人员利用基于数据集(包括图像、社交媒体文本和语音)训练的各种形式的人工智能。金融服务和医疗保健等行业一直依赖情感计算。例如,银行可能会在呼叫中心使用这项技术来判断客户是否生气。营销公司在焦点小组中使用面部分析来对广告反应进行分类,并了解观众对电影可能的感受。
情感计算的各种方法都存在缺陷,并且在现实环境中遇到了困难。许多识别路怒行为的研究都集中在诸如攻击性变道和车速等方面。一些研究人员使用车内摄像头来分析面部表情。研究人员指出,愤怒的人可以掩饰自己的情绪,使其不在脸上表现出来。
推进这项技术可能需要一个多模态系统,即一个整合面部表情、驾驶行为和声音的系统。
当汽车检测到愤怒情绪时会发生什么
设想这样一个未来:人工智能能够判定司机是否过于愤怒或者因其他原因而不适合驾驶。汽车如何处理这些信息仍然是个问题。有几种可能性。首先,人工智能可能会使汽车无法启动或者启动自动驾驶功能。
“开发用于自动驾驶的人工智能算法的关键目标之一是安全,”Hu说道,“人工智能的稳健性和可解释性仍然存在疑问。人工智能可能会利用收集到的所有可能的数据,判定司机‘过于’愤怒,但将使汽车无法启动这一操作交给人工智能意味着放弃控制权,这可能会对车内的司机造成伤害。问题仍然存在:对人工智能的信任程度如何,当人工智能出错时会有哪些法律后果?”
另一种可能性是这些信息可能会被报告给保险公司。
Hu说:“客户的接受程度取决于从这类保险产品中提供个人数据所获得的利益。不同司法管辖区的保险产品也应考虑到监管和伦理考量。”
好文章,需要你的鼓励
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。