谷歌無(wú)人駕駛獨(dú)立公司W(wǎng)aymo的技術(shù)負(fù)責(zé)人曾提出了無(wú)人駕駛效果的兩個(gè)標(biāo)準(zhǔn)，一是駕駛能力，另一個(gè)是魯棒性(Robust音譯，代表健壯、強(qiáng)壯的意思，它是在異常和危險(xiǎn)情況下系統(tǒng)生存的關(guān)鍵)。

關(guān)于駕駛能力，加州DMV(交通管理局)公布的年度無(wú)人駕駛測(cè)試報(bào)告對(duì)包括谷歌、特斯拉、寶馬、通用等11家公司的路測(cè)現(xiàn)狀做出了披露。谷歌以220萬(wàn)英里的測(cè)試數(shù)據(jù)位居第一，而通用集團(tuán)斥資10億美元收購(gòu)自動(dòng)駕駛軟件公司Cruise之后，后來(lái)居上，達(dá)到上萬(wàn)英里的測(cè)試?yán)锍獭?

如下圖表可以看出，各家廠商在駕駛能力上已經(jīng)齊頭并進(jìn)，另一標(biāo)準(zhǔn)——魯棒性則成為無(wú)人駕駛技術(shù)后期走向大規(guī)劃商用的主要衡量指標(biāo)。

作者統(tǒng)計(jì)自加州DMV

魯棒是無(wú)人駕駛系統(tǒng)在異常和危險(xiǎn)情況下生存的關(guān)鍵，實(shí)際上它的內(nèi)涵是容錯(cuò)能力，即在操作錯(cuò)誤、超出常規(guī)頻率的發(fā)出指令、網(wǎng)絡(luò)過(guò)載等情況下，自動(dòng)駕駛系統(tǒng)是否依然能夠保持正常運(yùn)作。

鈦媒體前不久探訪了馭勢(shì)科技位于房山的測(cè)試基地，對(duì)馭勢(shì)科技創(chuàng)始人兼CEO、前英特爾研究院院長(zhǎng)吳甘沙進(jìn)行了采訪。吳甘沙介紹，魯棒性已經(jīng)成為人工智能和無(wú)人駕駛行業(yè)都在談的共性話題，魯棒性的好壞關(guān)系到的算法、硬件以及基礎(chǔ)設(shè)施等多個(gè)層面的問(wèn)題。

打開(kāi)深度學(xué)習(xí)的“黑盒子”

自動(dòng)駕駛系統(tǒng)，要包括感知、計(jì)算和決策三個(gè)部分，當(dāng)下炙手可熱的人工智能即主要應(yīng)用在感知和計(jì)算部分。激光雷達(dá)技術(shù)成本居高不下的情況下，大多自動(dòng)駕駛系統(tǒng)采用攝像頭作為主要的視覺(jué)傳感器，這就對(duì)于人工智能的深度學(xué)習(xí)能力有著直接要求。

吳甘沙把人工智能的應(yīng)用分成了2 X 2四個(gè)象限，即物理世界、數(shù)字世界和高風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)。他告訴鈦媒體作者，“物理世界的低風(fēng)險(xiǎn)案例有掃地機(jī)器人，數(shù)字世界的低風(fēng)險(xiǎn)案例是推薦系統(tǒng)，而數(shù)字世界的高風(fēng)險(xiǎn)則是金融，無(wú)人駕駛就是物理世界的高風(fēng)險(xiǎn)?！?

在物理世界的關(guān)鍵任務(wù)上一旦出錯(cuò)，問(wèn)題會(huì)很大，因此當(dāng)AI應(yīng)用在汽車上，可靠性和魯棒性就非常重要。

馭勢(shì)科技CEO吳甘沙

正因?yàn)槿绱?，吳甘沙認(rèn)為人工智能面臨的最大問(wèn)題是——深度學(xué)習(xí)的“黑盒子”還沒(méi)有打開(kāi)。

“我們也很多期待學(xué)界的合作，把黑盒子打破，適應(yīng)自動(dòng)駕駛的高風(fēng)險(xiǎn)。”他說(shuō)。

據(jù)鈦媒體了解，深度學(xué)習(xí)是受啟發(fā)于腦神經(jīng)元對(duì)輸入信息進(jìn)行響應(yīng)從而學(xué)習(xí)的過(guò)程。許多層的模擬神經(jīng)元和突觸都被標(biāo)記上了數(shù)據(jù)，這些神經(jīng)元和突觸的行為在學(xué)習(xí)的工程中不斷被調(diào)整，直到它們學(xué)會(huì)如何進(jìn)行識(shí)別。比如說(shuō)，直到他們學(xué)會(huì)如何識(shí)別一種圖片中的貓。

但是問(wèn)題出在“這個(gè)識(shí)別過(guò)程并不能被解釋”。

當(dāng)一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)可以識(shí)別一只貓的時(shí)候，我們并不知道這個(gè)學(xué)習(xí)系統(tǒng)到底是聚焦在這個(gè)圖片中的貓須，貓咪的耳朵，還是貓咪的毯子上的。

“Deep Learning作為單一技術(shù)，沒(méi)辦法獨(dú)立承擔(dān)自動(dòng)駕駛使命，尤其是‘黑盒子’，數(shù)據(jù)進(jìn)去，結(jié)果(分類、檢測(cè)、分割、預(yù)測(cè)、控制等)出來(lái)，多數(shù)情況下不可名狀地好，但也有些情況莫名其妙地糟糕，里面的邏輯不可解釋?！眳歉噬诚蜮伱襟w表示。

《機(jī)器學(xué)習(xí)》作者、南京大學(xué)計(jì)算機(jī)科學(xué)博士周志華曾形象地描述過(guò)深度學(xué)習(xí)的“黑盒子”問(wèn)題，

“人昏招的時(shí)候從九段變成八段，而深度學(xué)習(xí)一下子從九段變成初段?！?

在吳甘沙看來(lái)所謂現(xiàn)在端到端(視頻進(jìn)去、控制出來(lái))的方式是不能被接受的?，F(xiàn)在美國(guó)NHTSA的自動(dòng)駕駛性能中有一條跟倫理相關(guān)的要求，就是當(dāng)面臨事故的發(fā)生時(shí)，智能應(yīng)該給出明確的邏輯該如何判斷和選擇，而黑盒子是給不出的。

“‘黑盒子’的問(wèn)題沒(méi)有解決，是因?yàn)獒槍?duì)開(kāi)放環(huán)境，它的適應(yīng)能力不夠，因?yàn)榻裉斓臋C(jī)器學(xué)習(xí)都是基于訓(xùn)練數(shù)據(jù)集來(lái)去做歸納法，如果這個(gè)場(chǎng)景從來(lái)沒(méi)有出現(xiàn)，他處理不了，他不像人類具備強(qiáng)認(rèn)知功能，具備舉一反三、觸類旁通、邏輯推理、背景知識(shí)、常識(shí)等等這些東西。”吳甘沙說(shuō)，“ 所以肯定未來(lái)會(huì)在人工智能算法上提升它的魯棒性，把深度學(xué)習(xí)跟剛才說(shuō)的背景知識(shí)、常識(shí)、遷移學(xué)習(xí)、舉一反三和貝葉斯邏輯推理結(jié)合起來(lái)，提升魯棒性。”

“路測(cè)100億英里”是最低線

如前文所述，魯棒性的內(nèi)涵是系統(tǒng)的容錯(cuò)率。在吳甘沙看來(lái)，單個(gè)部件出錯(cuò)是必然的，如果有足夠的冗余性，它的容錯(cuò)率就會(huì)提升，而這是整個(gè)系統(tǒng)層面的工作。例如，在傳感器、計(jì)算器件、電源等方面，都要有足夠的冗余。

此外，對(duì)無(wú)人駕駛汽車的大量測(cè)試，也是從系統(tǒng)層面提升魯棒性的方法。

奔馳S級(jí)的代碼量是波音787的夢(mèng)想客機(jī)代碼量的16倍，對(duì)于現(xiàn)在具備人工智能的車，它的隨機(jī)性和機(jī)器學(xué)習(xí)方面都需要大量測(cè)試。

目前包括谷歌、特斯拉等在內(nèi)的業(yè)界領(lǐng)先的企業(yè)都有一個(gè)共識(shí)，那就是，路測(cè)里程達(dá)到100億英里之后，才意味著無(wú)人駕駛技術(shù)的成熟。

谷歌的無(wú)人駕駛汽車已經(jīng)積累了不少訓(xùn)練里程，包括 220 萬(wàn)英里的道路測(cè)試數(shù)據(jù)；10 億英里的模擬訓(xùn)練數(shù)據(jù)(截至2016年)。而特斯拉也在通過(guò)全球出貨量部署智能駕駛模塊，以獲得大量的現(xiàn)實(shí)道路數(shù)據(jù)。

馭勢(shì)科技目前也正在通過(guò)園區(qū)測(cè)試、與OEM合作部署無(wú)人駕駛技術(shù)模塊以及借助仿真環(huán)境等途徑來(lái)提升測(cè)試數(shù)據(jù)。

當(dāng)然，無(wú)人駕駛從來(lái)都不是汽車本身的事情，從整個(gè)基礎(chǔ)層面圍繞無(wú)人駕駛?cè)ブ匦乱?guī)劃，比如增加V2X(車聯(lián)網(wǎng))的應(yīng)用等基礎(chǔ)設(shè)施，才能提高無(wú)人駕駛技術(shù)的魯棒性。

“整個(gè)魯棒性的提升是從算法到系統(tǒng)，整個(gè)全面的工程?！眳歉噬痴f(shuō)。

返回第一電動(dòng)網(wǎng)首頁(yè) >