不管是挑战高考数学败北的AIMATHS完2019iyiou

2019-05-14 19:19:25 来源: 乌鲁木齐信息港

说来有趣,AI这一人类发明,正在成为文明社会后人类惟一一个为之颤抖的地球“物种”。

不管是挑战高考数学败北的AI-MATHS,完虐柯洁的alphago,还是出了诗集的微软小冰,强大的人工智能算法让人类看到了AI崛起。

越来越多的行业将AI引入产业升级中。在汽车领域,AI则一直被认为是实现无人驾驶商业化的关键推动技术。

有数据统计,近10年汽车产业70%的创新来源于汽车电子技术的升级,为消费者提供了更安全、舒适、节能的出行方式。而无人驾驶将在电子技术的基础上实现智能化升级。

在美国IHS公司发布的调研报告中,分析师预期到2025年,车内人工智能系统的数量将达到1亿2200万台。

作为人工智能的主要细分技术,传感器、机器视觉、深度学习等均在无人驾驶上发挥着重要作用。然而,这些底层技术存在的瓶颈也正在影响着无人驾驶AI的突破。

传感器价格高昂 阻碍商业化量产

无人驾驶的原理大致可分以下几步:通过传感器了解周围环境,联获得驾驶路线,内部程序判断路况环境,给出速度与路径。

传感器就像眼睛一样,帮助AI感知数据与数据采集,终实现无人驾驶。

而环境的复杂性决定了AI无法一次性获得所有信息,需要不断重复“感知-反应”这一循环,从而获取数据。

AlphaGo的天下同样基于这一原理。反复观看围棋视频,反复和人一起下棋,慢慢学会如何像专家一样思考。

以Google、 Uber为代表的互联公司,都在尝试通过使用以激光雷达为主的传感器,实现一步到位的完全无人驾驶。

不过仍有一个棘手问题:以激光雷达为主的传感器成本高昂,这会是无人驾驶商业化量产路上的一大阻碍。

机器视觉 安全支持缺乏

尽管中频现无人驾驶“肇事者”,事实却是“在识别物体的准确程度上,机器要比人类好得多”。对于无人驾驶汽车而言,AI能够大大提升机器视觉的识别精度。

AI不止能辨别出一个物体,还能够看到物体所处的情景。简单来说,AI能够识别出一个正在过马路的物体是人,而且还能知道他正在低头玩。

《GTA5》是一款动作冒险游戏,刚刚打破全美22年销量纪录。这很大程度上得意于游戏逼真的环境设计。

利用游戏的这种特性,有程序员用Python编制了一个自动驾驶AI,取名Charles,在《GTA5》中测试无人驾驶AI,并在上直播。

直播中,Charles闯红灯、撞警车,活脱脱一个马路杀手。之后,程序员计划让Charles学习交通法则等,期望通过增加短期记忆来提高Charles的驾驶水平。

说到底这只是款游戏,现实中还会受天气、光线的干扰,AI要学的还有很多。无人驾驶安全性的技术支持是一方面;另一方面,制定一套针对AI上路的技术评估标准,就像驾校考试那样,这都是未来必不可少的。

大数据不足 深度学习有难度

2016年5月7日,一辆特斯拉Model S使用Autopilot自动驾驶模式在高速上行驶发生碰撞事故。这起的肇事案后,为Autopilot提供芯片的以色列制造商Mobileye宣布与特斯拉解约。

有报道称,项目之初双方磋商时,Autopilot功能被确定是一项自动辅助驾驶系统,推出后却被宣传为自动驾驶功能。在很多专业人士眼里,Autopilot也远够不上“深度学习”。

无论是技术公司、供应商还是主机厂,都希望借助AI实现同一系统的持续学习。因为如果需要不断开发新系统,芯片和软件调校都要从头来过。相比之下,系统具备自主学习能力,就要智能的多。

可惜的是,数据不够大,别玩深度学习。这话来自络上一篇备受追捧的博客《数据不够大,别玩深度学习》(Don’t use deep learning your data isn’t that big)。作者在文中指出,只有极少数情况下有足够的数据进行深度学习。

黑客George Hotz(geohot)就遇到过这个麻烦。这位全球个破解iPhone 运营商锁定的年轻黑客,在2015年创办了致力于研发基于人工智能技术的汽车无人驾驶系统公司。

“没有一个很好的公路数据可以复制”曾一度阻碍geohot的测试进展。不过在破解汽车络后,他终还是顺利完成了测试,并开源了一个7.25小时的公路驾驶的数据集。

就目前来说,“AI崛起”这话为时尚早。至少能够解决复杂交通问题的AI算法还没有出现。无人驾驶与AI的实现都将是一个长期发展过程。

本文系投稿稿件,作者:高桥森;转载请注明作者姓名和“来源:亿欧”;文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

2009年天津A+轮企业
上榜
2015年烟台其他Pre-A轮企业
本文标签: