用什么软件做动漫视频网站,xcode 网站开发,建筑设计和室内设计哪个好,sns网站建设哪家公司好来源#xff1a;网易智能摘要#xff1a;近日#xff0c;全球人工智能专家吴恩达#xff08;Andrew Ng#xff09;表示#xff0c;制造可靠自动驾驶汽车的最快方法是在行人方面采取完善措施#xff0c;而不单是汽车。他说#xff1a;“我们想告诉人们的是#xff0c;请… 来源网易智能摘要近日全球人工智能专家吴恩达Andrew Ng表示制造可靠自动驾驶汽车的最快方法是在行人方面采取完善措施而不单是汽车。他说“我们想告诉人们的是请遵守法规请考虑周全。”在无人驾驶汽车短暂历史上的敏感时期中吴恩达的言论引起了人工智能社区的热议专家们有的批评有的赞同。在过去的几个月里自动驾驶汽车曾卷入了几起事故其中有一辆自动驾驶汽车导致了行人死亡。大多数研究人员和人工智能专家都认为无人驾驶汽车还没有取得足够的进展以至于能够让自动驾驶汽车在街上行驶尤其是在没有额外人类驾驶员监督其的情境下。而如果有人类驾驶员监督无人驾驶汽车在出现问题时人类会及时调整方向盘。这正是争议的核心点。无人驾驶汽车将在何时上路、转型时期的样态以及如何应对自动驾驶的挑战人们在这些问题的观点上存在很大的分歧。一、无人驾驶汽车如何理解周围的世界为了让车辆能够自行驾驶无人驾驶汽车需要像人类司机一样了解周围的世界它们就可以在街道上行驶在停车标志和交通灯处停下来避免撞上其他车辆和行人等障碍物。计算机视觉是使汽车能够感知周围环境的核心技术这是人工智能的一种分支其使软件能够理解图像和视频的内容。由于深度学习的进步现代计算机视觉已经取得了长足的进步这使得它能够通过检查和比较数以百万计的例子并利用定义每个物体的视觉模式来识别图像中的不同物体。虽然对分类任务特别有效但深度学习受到严重限制并且可能以不可预知的方式失败。这意味着你的无人驾驶汽车可能会撞上一辆卡车或者更糟糕的是意外撞上了行人。目前在自动驾驶汽车中使用的计算机视觉技术也很容易受到攻击黑客能够以控制人工智能输入端的方式来迫使其犯错。例如研究人员已经证明黑客可以“欺骗”自动驾驶汽车阻止自动驾驶汽车以贴标签的方式来识别停车标志。有一天人工智能和计算机视觉技术可能会发展到足够完善的阶段以避免出现无人驾驶汽车目前所犯的不稳定错误。但我们不知道这个时间节点会在什么时候到来而在那之前这个行业对该做什么也存在分歧。二、改进无人驾驶汽车的计算机视觉技术特斯拉公司的观点认为其可以克服人工智能的局限通过向自动驾驶汽车输入更多的数据从而为自动驾驶汽车提供动力。这种认知是基于一种一般规律即为深度学习算法提供的质量数据越多它们在执行特定任务时就越好。特斯拉已经为其车辆配备了一系列传感器并尽可能从这些传感器收集数据。这一数据使该公司能够不断地对其人工智能进行训练这些数据来自数十万辆特斯拉汽车它们在世界各地的不同地区行驶。其理由是随着人工智能技术的改进特斯拉可以向所有车辆推出新的更新并使其更好地执行自动驾驶功能。该模式的好处是它可以被打包成一个消费者级的出行工具。它不需要额外的、昂贵的硬件附加在汽车上。他们也有机会通过“影子驾驶shadow driving”训练其人工智能在这种情况下人工智能被动地监控司机的决定并对其在自动驾驶模式下的类似情况下的行为进行权衡只要计算机视觉问题可以用更多的数据和更好的训练来解决这一切都是可行的。一些科学家认为我们需要考虑人工智能技术不仅仅局限在深度学习和神经网络。在这种情况下特斯拉将需要重组专门的人工智能硬件以支持其车辆的自动驾驶功能。三、为自动驾驶汽车配备辅助技术另外两家在自动驾驶技术上投入巨资的公司是谷歌和Uber其利用多种技术来弥补无人驾驶汽车在计算机视觉方面的缺陷。其中最主要的是“激光雷达lidarlight detection and ranging”。激光雷达是一个不断发展的领域不同的公司正在使用不同的技术来执行其功能。激光雷达的专利和知识产权一直是谷歌和Uber之间长期法律斗争的核心今年早些时候谷歌与Uber达成了2.45亿美元的和解协议。简单来说激光雷达的工作原理是将数百万的激光脉冲发送到稍微不同的方向以创造出围绕着汽车区域的3D图像基于脉冲到达一个物体并返回的时间不同。这是你在一些自动驾驶汽车上看到的部件不是所有的激光雷达都是这样的但它已经成为了这个行业的标志。除了激光雷达这些公司还利用雷达探测汽车周围的不同物体并评估交通和路况。所有这些技术的加入使得此类汽车的装备比特斯拉的计算机视觉要好得多。然而这并不能使他们的技术完美无缺。事实上在今年早些时候登上新闻头条的一场事故就涉及一辆自动驾驶模式的Uber汽车。此外谷歌和Uber的做法使得在公路上部署无人驾驶汽车的成本变得更高也更加困难。谷歌和Uber已经用其自动驾驶技术行驶了数百万英里的路程并从公路上收集了大量数据此外把所有的装备都加到一辆车中的花费是高昂的。单是激光雷达的成本就在7000美元到85000美元之间而它们的外形也不是很吸引人。再加上所有其他传感器和设备的成本这些设备必须在生产后附加在汽车上这使得汽车成本可能会增加一倍或两倍。如果科学家们能够破解计算机视觉的密码并创造出能够理解周围世界的人工智能并能像人类司机那样理解周围的世界那么特斯拉将成为这场竞赛的赢家因为其已经拥有了大量的数据而且它所需要做的就是推出一个新的更新所有的汽车都将神奇地完成近乎完美的自动驾驶。另一方面如果目前的狭义人工智能的发展趋势无法与人类司机相提并论那么谷歌和Uber将成为赢家——如果他们设法降低激光雷达和其他无人驾驶汽车设备的成本的话。接着汽车制造商可能会采取行动为他们的汽车配备自动驾驶技术而不会大幅提高成本。四、通过规范行人来推进自动驾驶发展专家们认为问题不在于自动驾驶汽车不起作用而是人们的行为不可预测而自动驾驶汽车的捷径在于为行人制定相关的行为准则。这基本上意味着如果你在马路上行走自动驾驶汽车撞到你那是你自己的错。在极端情况下这实际上会把汽车变成火车即如果行人自己站在铁路上他们需要对自身发生的任何事情负责。为行人制定严格的行为准则限制他们在道路上的行动肯定会让环境变得更加可预测也能让自动驾驶汽车更容易驾驶。但并不是所有人都相信这一观点许多人对此提出了质疑其中包括纽约大学教授Gary Marcus加里马库斯他说改变人类行为的方法只会“移动目标的位置”。另一位人工智能和机器人技术的传奇人物Rodney Brook(罗德尼·布鲁克斯也持有不同观点。他说“自动驾驶汽车的伟大承诺是它们将消除交通死亡。”他还补充道“只要所有人都接受过培训改变他们的行为他们就能消除交通死亡的影响”如果我们能如此轻易地改变人类的行为这意味着我们就不需要自动驾驶汽车来消除交通死亡。但是吴恩达并不认为移动目标的位置是一个荒谬的想法他认为人类历史上倾向于让自身适应新技术就像他们对待铁路一样。无人驾驶汽车也会发生同样的情况。无论如何做出妥协可能有助于在技术进一步发展和自动驾驶汽车成为常态的情况下实现平稳过渡。这种妥协介于两者之间前者是完全智能的汽车能够对每一种可能的情况做出反应比如一个行人突然跳到街道中间后者是一个铁路风格的环境在那里行人在自动驾驶汽车行驶的区域移动是被禁止的。五、为自动驾驶汽车改造城市基础设施另一个应对无人驾驶汽车挑战的解决方案是修复他们将要运营的道路和环境。这也有先例。例如随着汽车的出现公路的升级和设计都适合于快速行驶的车辆。随着飞机的出现机场被创造出来。在自行车很受欢迎的城市自行车专用道是分开的。那么无人驾驶汽车的基础设施是什么呢来自爱丁堡商学院的学者在《哈佛商业评论》的一篇文章中提出为自动驾驶汽车创造智能环境。目前无人驾驶汽车无法与自己的环境互动他们所学习的一切都来自于他们的传感器、激光雷达、雷达和视频源。通过将物联网IoT元素整合到道路、桥梁和城市基础设施的其他组件中我们可以让它们更容易被自动驾驶汽车所理解。例如在道路两侧或中间的特定间隔安装传感器可以帮助无人驾驶汽车找到自己的极限无论道路是否畅通或覆盖着积雪或泥浆或埋在两英寸深的洪水之下。传感器还可以为自动驾驶汽车提供有关路况和天气状况的信息比如道路是否很滑需要更谨慎的驾驶。无人驾驶汽车还需要能够与附近的其他手动或自动驾驶汽车进行机器到机器M2Mmachine-to-machine的通信。这将帮助其协调动作更准确地避免碰撞。这种模式的挑战之一是汽车可以“活”几十年。这意味着今天生产的汽车仍将在2030年以后上路。因此你不能指望每一辆车都配备传感器和M2M能力。而且我们不能指望世界上所有的道路都能突然长出智能传感器。但无人驾驶汽车目前的数量非常有限其可以配备技术来探测附近的智能传感器可以与传感器进行互动以提供更安全的体验。如果无人驾驶汽车在环境中找不到任何标准的智能传感器它们就可以默认使用自己的本地设备来导航环境。六、无人驾驶汽车何时会成为常态对于无人驾驶汽车能够在街道上行驶的到来时间有不同的估计比如手动和半自动汽车。但很明显克服这些挑战比我们最初想象的要困难得多。我们的汽车有一天会变得足够智能能够解决所有可能的情况。但这不会在一夜之间发生而且可能会在不同的层面上采取几个步骤和阶段。在此期间我们需要能够帮助平稳过渡的技术和实践直到我们拥有能使我们的道路更加使用于自动驾驶汽车的安全行驶我们的城市更清洁我们的通勤成本更低廉。未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
