亚马逊公布全新AWS服务——「AWS SimSpace Weaver」,可帮助用户构建真实版《模拟城市》(SimCity)般的大规模地形场景。这项新服务将庞大的AWS资源交予用户手中,可借此跨多服务器运行扩展模拟,以充裕的计算和内存容量完成场馆周边人流等各类仿真推衍。
感兴趣的朋友可以在uCrowds上观看令人印象深刻的AWS SimSpace Weaver运行演示,在演示影片中,AWS SimSpace Weaver模拟了100万人在拉斯维加斯四处游走。通过将地理空间数据同成群结队的模拟人群叠加起来,我们就能了解人们怎样休憩、怎样在计算机生成的城市街道上活动。从视频中看,如果瞬间空降100万人,那现有人行道根本容不下他们。只有在将数量削减至5万人时,活动才开始顺畅起来。
AWS技术副总裁Bill Vass在新闻稿中表示:「以往,如果客户想要扩展自己的空间模拟,就必须在准确性与硬件容量之间寻求平衡,这无疑限制了他们所能探究的具体问题。AWS SimSpace Weaver消除了模拟基础设施的管理负担,简化了客户运行大规模模拟的方式,让他们能够专注于创建差异化内容、扩大对模拟开发的访问能力。」
AWS SimSpace Weaver还与流行开发引擎「虚幻5」(曾在《黑客帝国:觉醒》中用于建立城市景观展示)和Unity集成,相信将对开发人员构成更强的吸引力。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。