李彦宏何时能再乘无人车上五环?需要解决17条法规 | 分析

本文系网易智能工作室出品,

聚焦AI,读懂下一个大时代!

大型年度AI人物评选——2017中国AI英雄风云榜,自荐提名进行中!


奖项设置:技术创新人物TOP 10,商业创新人物TOP 10

表彰人物:华人科学家、学者、企业家、创业者

评委阵容:资深媒体人、AI投资人、AI专业机构等

颁奖:2017年12月,中国乌镇


关注网易智能公众号(ID:smartman163),输入关键词“评奖”,随时获取评奖动态!


图:百度副总裁邬学斌


今年7月,李彦宏乘坐百度无人驾驶汽车驶上北京五环的视频,引来了当地交管部门的调查,也让智能驾驶普及之前法律适用性问题得到了社会各界的关注。


距离无人车真正上路,法规还需要走多远?11月10日-11月12日,在杭州举行的2017未来出行高层论坛上,百度副总裁邬学斌给出了答案。


“我们研究了与无人驾驶、高级智能驾驶相关的法律法规,在中国一共涉及到6部法律、12部行政法规和2部部门规章。这个里面有17个条款对我们实现自动驾驶非常非常关键。”邬学斌在题为“智能驾驶政策与战略”的闭门会议上发言时称。


在国家强制标准方面,邬学斌表示,与智能驾驶相关的强制标准有80个,其中汽车行业相关的79个,测绘行业1个。


“我们看到,在这些强制标准中有6个条款如果要改革的话难度非常大。如果说在一夜之间(政策)全部改掉没有这个能力。”邬学斌建议,国家先出一个顶层指导意见,在此基础之上由地方或者示范区先行一步进行探索,“短期可以在《道路交通法》或者《测绘法》上进行修改,但修改的前提是各部门要尽快拿出保证安全的方案。”


“这些政策方面的梳理,是我们和监管部门共同探讨研究的结果。”在会后,邬学斌向澎湃新闻记者表示,百度与各监管部门保持着密切的联系,期望能共同推进智能驾驶、无人驾驶相关的政策、法规的修改和落地。


澎湃新闻记者梳理相关法规发现,以《道路交通安全法》为例,其中一条规定“驾驶机动车应依法取得机动车驾驶证”,这一条款实际上禁止了由人类以外的对象为主体来操控汽车,即禁止了车辆自动驾驶。


在今年7月5日举行的百度AI开发者大会上,百度播放了一则百度创始人李彦宏乘坐无人驾驶汽车行驶在公路上的视频。该视频经互联网传播后,引发了热议。有交管系统的相关人士表示,现行的法律并不允许无人驾驶车上路。


法律法规的空白也让无人驾驶汽车在国内开展实地路测,成了一种踏雷区的行为。就在11月7日召开的世界智能网联汽车大会上,同济大学汽车学院汽车安全研究所所长朱西产透露,国家正在研究无人车路测的合规化,2018年6月可能会发布首张自动驾驶汽车上路测试牌照。


对此,邬学斌表示,百度会积极争取成为第一批获得路测牌照的企业。“目前来看实地路测还是非常关键的,它的作用不可取代,尽管目前百度的无人驾驶模拟器已经非常强大。”邬学斌说道,“但在政策之前,首先安全的问题需要得到保证,这也是政策改革的前提。如果不能解决,人工智能就不可能在汽车行业应用。我们理解的安全是可以允许一些情况的发生,但是机器和系统要在发生后要把危害控制在不影响功能的范围之内。”


资料显示,邬学斌2016年9月加入百度,现任百度公司副总裁,负责自动驾驶事业部及相关团队。邬学斌是一名传统汽车行业的老兵,曾供职于通用、博世、福特等汽车及相关企业。在加入百度之前,他曾在北汽集团担任北汽股份副总裁以及北汽股份汽车研究院院长。


目前,智能驾驶是百度人工战略中颇为重要的一环。今年3月,百度宣布,将自动驾驶事业部(L4)与智能汽车事业部(L3)合并,成立了新的智能驾驶事业群(IDG);随后又在4月公布了“Apollo(阿波罗)计划”,向全产业链开放百度在自动驾驶方面的技术能力,打造智能汽车界的“安卓”。目前阿波罗平台1.0已经上线,并将于年底推出1.5版本。


邬学斌向澎湃记者表示,百度不会自己造车,未来不会有“百度汽车”,“造不起来的,这个太难了,我敢说现在新成立的这些汽车的初创公司未来会有大批死掉。阿波罗计划非常明确的一点就是合作共赢,用我们的技术和别人的制造能力。”


在邬学斌看来,智能驾驶发展的路径分为两个阶段:第一个阶段以车本身的智能化为主,而以外部的V2X等整个网络的智能化为辅。第二个阶段,则是网络的智能化成熟,到了这个阶段,智能汽车的成本会明显下降。


“最终世界上所有的车都可以在云端上指挥,红绿灯也没了、路灯也没了,所有的车接受云端上的指令。下一步当智能化到来之后,云可能是汽车公司必要的业务之一。”邬学斌认为,这一阶段实现以后对汽车企业的商业模式会产生重要影响,“未来每一辆汽车全生命周期的数据全部掌握在汽车公司的手里,整个汽车相关的产业链都将产生巨大的变化。”


至于智能汽车大规模普及的时代何时到来?邬学斌表示,他比较认同的观点是,2025年会是智能化和高级智能化的拐点,到2030年智能化汽车市场份额会达到1%,2045年-2050年将实现无人车的大规模应用。(澎湃新闻记者/包雨朦)




添加小助手 加入交流群

点击如下关键词查看往期内容

人物专访 沈向洋 | 于尔根 | 洪小文 | 李德毅 | 尤瓦尔 | 哈萨比斯 | 宋继强 | 杨强 | 余凯 | 邓志东 | 芮勇 | 戴文渊 | 石博盟 | 韦东 | 黄学东


行业特稿 抢滩智能音箱(上) | 抢滩智能音箱(下) | 自动驾驶行业素描(上) | 自动驾驶行业素描(下) | 机器翻译技术与应用


重磅报告 麦肯锡(二) | AlphaBeta & ABC | 埃森哲 |  英国政府 | Internet Society | Forrester | VertoAnalytics 麦肯锡(一) | 苹果公司 | 耶鲁大学 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【5层】2800平米框架商务写字楼毕业设计(含计算书,建筑、结构图) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 、6可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值