<mark id="oztn4"></mark>
0
編者注：本文作者為奇點大學創始教師之一、無人車專家Brad Templeton。
圖片來源：comma.ai
如今，世界上最讓人神往的黑科技大概就是深度神經網絡了，尤其是卷積神經網絡，例如“深度學習”。這些網絡正在征服人工智能和模式識別領域一些最大的難題。隨著它們的進步，AI領域見證了許多里程碑，出現了達到、或超過人類能力的計算機系統。前陣子刷爆你朋友圈的阿爾法狗，就是該領域內一個新晉秀才。
尤其是在圖像識別領域。在最近幾年，神經網絡系統在一些任務中已經開始超過人類，例如識別照片中的路牌，甚至在醫學掃描影像中，比放射科醫生更能夠識別癌癥。
這些網絡正在影響機器人汽車的研發。他們為機器人技術和無人車駕駛帶來了視覺系統應用，帶來了重大進步，并且進步速度超過預期。兩年以前我說，在沒有激光雷達的情況下，視覺系統還不夠好，要應用在安全的無人車上還早著呢。雖然那一天還沒有到來，但是已經非常近了，沒法再說“還早著呢“。與此同時，激光雷達和其他傳感器也在進步，并且價格降低。Quanergy（我是該公司顧問）計劃250美元的8線激光雷達今年可以出貨，100美元的高清激光雷達在未來幾年可以出貨。
深度神經網絡是MobilEye的一個主要工具，MobilEye是制造相機系統和機器視覺ASIC的耶路撒冷公司，針對ADAS（高級駕車助理系統）市場。這是在特斯拉無人駕駛中使用的芯片，特斯拉稱，它做了很多自己的定制研發，而MobilEye稱重要的部分還是來自于他們。NVIDIA通過宣傳他們的高端GPU是汽車良好運行這些神經網絡所必須的超級計算工具，強勢進入了無人車市場。當然，這兩家公司就GPU和ASCIC哪個更好沒法達成一致——這個我們之后細說。
二月我乘坐的一輛實驗車，把這個概念發揮到了極致。這個小創業公司Comma.ai由首個破解iPhone的黑客George Hotz帶領，因為短時間內造出了功能類似其他汽車公司的無人車，吸引了媒體的目光。一月份的時候，我寫過一篇文章介紹他們的方法，包括他們如何快速破解汽車的網絡，簡化電腦對汽車的控制。
他們是利用了CNN（Convolutional Neural Network, 卷積神經網絡），而且幾乎只用了CNN。他們的車從一個攝像頭把圖像導入網絡，從網絡中輸出命令，調整方向盤和速度，讓車子保持在車道內。這樣，系統內的傳統代碼很少，只有神經網絡和一些控制邏輯。
來看看視頻，坐著無人車兜個風：
神經網絡就是通過訓練得來。人們駕駛汽車，而汽車向駕車的人學習，懂得當視野里看見東西時該如何操作。為了幫助訓練，他們還給汽車配備了激光雷達，可以提供精確的環境3D掃描，可以更確定地監測道路上其他車輛和行人。讓網絡在訓練中知道“在這些位置上真的有東西”，網絡可以學會只通過攝像畫面，就識別出同樣的東西。開車時，網絡得不到激光雷達數據，但是它確實能輸出它認為其他汽車所在的位置，開發者因而可以測試它的視力如何。
這個方法既有趣，又驚悚。這讓我們可以開發靠譜的自動駕駛，但是與此同時，開發者也不太清楚其中的機制到底怎么一回事，而且，永遠也沒法搞懂它做出選擇的依據。如果它出錯，開發者大致也不知道為什么它會出錯，雖然他們可以給系統更多的訓練數據，直到系統再也不犯錯。（他們還可以重播其他記錄數據的情景，來確保新的訓練數據不會帶來新的錯誤。）
你需要大量的數據。用視覺系統開車，你得把攝像頭提供的2D畫面分隔為獨立物體，建造一個你所看見的3D地圖。你可以用視差角度、相對運動和兩個攝像頭，就像人類一樣，但是你還得在這些形狀中識別模式，從不同的距離、角度和光照條件看到它們時都能識別。這長久以來都是是視覺領域的大挑戰之一——你必須了解物品在不同光線下的情況，在陽光下、在散光下、在夜晚（在汽車燈光和其他燈光的照射下）、當陽光直射攝像頭時、以及當樹木在你的目標物體上投下移動陰影時。你必須在所有這些情況下，區分人行道、車道線、路肩、碎片垃圾以及路上的其他車輛。
而且你必須做到完美，也許開一百萬英里只犯一次危險錯誤。一百萬英里在視頻里大約是二億七千萬幀畫面。幸運的是，不完美也沒關系。不能時時刻刻都識別每個物體也沒關系。如果這一幀漏掉了這個物體，下一幀識別出來就沒關系。真的，作為人類，你大概會同時看很多幀畫面從而追蹤運動，所有你只要別連續幾秒鐘都看走眼了就行。人類大腦雖然已經棒呆了，但是也不能在一個絕對靜止的照片中毫無遺漏看到每一個細節，但是在一兩秒中的視頻中，大腦可以很好識別每一樣東西。
就現在來說，大部分人們還不能如comma.ai所愿，答應讓神經網絡擔當整個系統。這種方法也許能夠制造需要人類監管的自動駕駛，但是對于完全自動且無監管的駕駛操作，我不太確定這是否是一個好方法。但是如果你有攝像頭，神經網絡會幫助你了解攝像頭看見的是什么。
如果告訴你，谷歌早期汽車幾乎都不用攝像頭，你也許會很震驚。激光雷達系統太好用了，以至于攝像頭唯一的用處大概是辨別紅綠燈（激光雷達不能分辨光和顏色）。從那以后，谷歌確立了作為神經網絡技術領導者的地位，因此我們可以推測，谷歌內部已經努力在激光雷達、攝像頭和其他傳感器上做了“傳感器融合”，可能已經非常擅長用神經網絡來協助車輛。其他公司，例如Zoox和Daimler，也顯示了在融合攝像頭和激光雷達方面的實力。
2013年，我就激光雷達和攝像頭的對比發表了一篇文章。在文章中，我指出激光雷達現在是可行的，而且一定會更加便宜，但是視覺不一定，而且需要一個技術突破才能達到要求。雖然我們還沒有突破這個閾值，新的神經網絡科技有希望讓技術實現超越。
激光雷達的不足之一是低像素。因此，雖然它不太可能監測不到車前的障礙物，它有可能搞不懂這個障礙物是什么。用CNN融合激光雷達和攝像頭，可以讓系統變得更強，能夠識別物體意味著能夠更好預測未來方向。
攝像頭還可以彌補激光雷達的其他短處——近紅外線激光雷達對深色物體（例如，黑色車子）有大約100米的識別范圍。在高速公路上，100米的范圍一定不夠你用。視覺沒有范圍限制（除了在晚上），雖然東西離你越遠，你圖像像素的要求就越高，至少在你必須注意的范圍內（主要是面前的路上）。像素越高，視覺處理所占用的CPU越多。因此MobilEye更新的組件中帶有3個視野。一個是“遠射鏡頭”的視覺，用來看正前方遠處的物體，還有兩個更寬的視野，用來看更近、更靠近兩側的物體。這是使用視覺的一個好策略。更棒的是，如果知道前面道路的起伏，你可以把注意力集中在路上，不用浪費像素或者處理路兩邊的東西。
一些人希望，視覺可以越來越好，足夠讓汽車像人一樣不需要地圖就能在任何道路上行駛。這項技術大致可以應用在非常簡單的道路上，例如高速公路，大致相同，容易理解。然而，這對人工智能研究來說是一種錯誤的思維方式。就像飛機并不像鳥兒那樣煽動翅膀飛行，機器系統也沒必要非得照搬人類的方式。不需要地圖就能夠良好分類視野中的物體，這樣的視覺系統也可以在沒有人類的幫助下建造地圖。當一輛車不止一次開過某個區域，制造地圖的系統就可以獲益，并且從足夠多的云端超級計算機中獲益。
我在1月寫了為何無人車中真正的阻礙是測試——雖然無人車成功面對這很多挑戰，其中最大一個挑戰是（向你自己和其他人）證明你真的做到了。
這是神經網絡面臨一個問題，因為很難知道他們是不是好用。你不知道為什么他們可以運行，你只能衡量他們的表現。你可以用舊的傳感數據重新測試你的神經網絡，但是你很難百分白確定，剛才的訓練不會在新情境下帶來原本沒有的新問題。
另一方面，傳統系統過于復雜，以至于很難判斷他們的表現。如果測試題目是“開一百萬英里/公里，不發生兩起以上事故，包括在模擬器想象出來的、和真實世界中記錄的常復雜情況“，那么可能對策都是一樣的，系統到底是怎么樣做出決定，這無所謂。
神經網絡還可能面臨一個奇怪的——我甚至想說“扭曲的”——法律優勢。如果發生了事故，必然會引發一場混亂，大家想要弄明白事故發生的原因。尤其，原告的律師會熱切想要證明開發者一方存在某些失誤。
對于傳統代碼來說，你可能會發現原因是一種傳統的bug，例如臭名昭著的大小差一錯誤或其他類似錯誤。你會看到產生bug的原因（并能夠修正bug），然后你可以大聲宣布程序員，或者質量控制，在某種程度上存在失誤。
但是對于神經網絡，其中的bug并不是傳統代碼。如果神經網絡發生錯誤，我們沒法清楚了解為什么，所以，不太可能說某人或某項操作失誤了，除非法庭裁決認為整個神經網絡概念就是一個失誤。
那是一個更加復雜的問題，但是大致來說，如果團隊遵循良好的職業習慣，發現失誤就更難了。失誤不是某種錯誤，而是勤奮工作的好人應該避免的錯誤，不過，出現失誤并不是因為人們大意了。
這個扭曲的因素就是，你對系統的內部機制了解越少，越不會被指責疏忽大意。
Via RoboHub
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
