太难了!谷歌无人车老大承认遥遥无期,全自动驾驶寒冬将至?

640?wx_fmt=gif


文章经授权转载自新智元(ID:AI_era


640?wx_fmt=jpeg

最近的风声似乎对自动驾驶不利。Waymo掌门人和苹果联合创始人都认为,自动驾驶普及还要几十年。之前,不少公司都把2019年作为全自动驾驶汽车投入运营的关键年。一个半月之后告别2018,自动驾驶汽车梦可能比我们意识的更远,而技术,可能会让我们整整一代人无法实现完全自动驾驶。


自动驾驶进入寒冬?


近日,自动驾驶领头羊Waymo老大亲自承认:自动驾驶汽车在路上普及还要几十年。


话音还未落,今天,另一位硅谷大佬苹果联合创始人Steve Wozniak紧跟话茬:自动驾驶汽车不可能在不久的将来实现,并且还直言“我不相信自动驾驶汽车”。


640?wx_fmt=jpeg

Steve Wozniak


2019年是交作业的一年:通用宣称2019年投入全自动汽车生产,这些车没有方向盘或不用司机介入;Delphi和MobileEye的Level 4系统也定于2019年;Nutonomy这样的创业公司也计划明年在新加坡街头部署数千辆无人驾驶出租车。


一个半月之后告别2018,自动驾驶汽车梦可能比我们意识的更远,而技术,可能会让我们整整一代人无法实现完全自动驾驶。


Waymo掌门人:L5技术真的真的很难


Waymo公司CEO John Krafcik在WSJ D.Live技术大会上承认了自动驾驶道路漫长,他说,虽然无人驾驶汽车“真正在这里”,现实中也出现了自动驾驶汽车,但它们还远远没有普及。最主要的原因在于,自动驾驶技术还没有达到在任何天气和任何条件下都能驾驶的最高等级L5。


John Krafcik说,这种技术“真的,真的很难”。


640?wx_fmt=jpeg

John Krafcik


Waymo从2009年启动到2016年第一辆无人驾驶汽车上路,花了整整7年时间,从这个意义上看,实现了从0到1,尽管已经一次性从克莱勒斯订购6.2万辆车,但是这个数字距离John Krafcik所说的“普及”还非常遥远。


一个原因是,自动驾驶的场景太多太复杂,算法达不到要求。


举一个简单的例子:算法大牛认为他们可以通过正确的算法提高泛化能力,但是,当我们将图像的几个像素改变时,算法输出的结果就大不同,甚至能将北极熊标记为狒狒、猫鼬或黄鼠狼。



并且,网络越深,我们就越能看到这些失败的泛化。 这说明CNN的体系结构忽略经典采样定理,因此无法保证泛化,结论就是:CNN在物体识别中的表现远远低于人类的泛化能力。


640?wx_fmt=jpeg

(论文地址:https://arxiv.org/pdf/1805.12177.pdf)


这种能力一旦无法超越人类,悲剧就会发生:


2016年,特斯拉一辆Model S车追尾白色拖车,导致驾驶员丧生。当时特斯拉官方称,拖车侧面是白色的,在太阳强光的照射下导致驾驶者和自动驾驶系统都没有注意到这辆拖车。


今年3月,Uber的自动驾驶车撞上了一名过马路的女子,后期的调查报告显示,自动驾驶软件先是错误地将该女性识别为一个未知物体,然后是一辆车,最后是一辆自行车,最终女子被撞身亡。


自动驾驶不能普及另一个原因被苹果联合创始人Steve Wozniak指了出来:


“道路是由人类建造的,人类是不完美的,而且汽车目前无法解释这一因素。”


听上去还是跟人类有关,但不可否认的是,人类建造的道路基础设施不仅不满足自动驾驶的要求,也跟未来的网联车相距甚远。


深度学习不是唯一解决之道


在算法方面,深度学习并不是唯一的人工智能技术,已经有公司转向了基于规则的人工智能,这是一种早期的技术,可以让工程师将特定的行为或逻辑硬编码到一个自我导向的系统中。它不具备仅仅通过研究数据来编写自己行为的能力,还可以让公司避免深度学习的一些局限性。


不过,由于感知仍然深受深度学习技术的影响,并且深度学习算法在视觉训练上很有效,如果让工程师实验新的技术,很难说他们会接受。


对于特斯拉或者优步的致命车祸,工程师也没有办法提前预测,只能依靠积累大量的数据来训练算法适应不同场景。


但是,场景是无处不在的,比剧本还复杂上万倍,所有自动驾驶车都需要面对某种不可预见的情况,没有十全十美的自动驾驶系统。


前百度首席科学家、Drive.AI董事会成员吴恩达认为,问题不在于建立一个完美的驾驶系统,而在于训练旁观者预测自驾车行为。


换句话说,人们可以为汽车提供安全的道路,这就是车联网的任务。随着5G的到来,在车联网中做生意看上去要比做L5靠谱的多。


虽然苹果联合创始人Steve Wozniak也说“我不相信自动驾驶汽车”,但是,苹果一直在进行自动驾驶相关的技术。特别是在几个月前,苹果雇用了特斯拉工程副总裁Doug Field,并在今年招募了其他数十名前特斯拉员工。 


640?wx_fmt=png


苹果造车的计划一直受到业界关注,但是从Steve Wozniak的观点来看,苹果似乎更关注开发辅助驾驶技术的汽车,而不是追求完全自动驾驶。


Steve Wozniak本人拥有一辆特斯拉,虽然他喜欢开,但并不认为特斯拉的自动驾驶仪(Autopilot)是人们认为的自动驾驶。他解释说,升级了他的特斯拉之后,他放弃了这辆特斯拉能够完全自驾的想法。


Steve Wozniak认为,辅助驾驶技术可以让汽车“发现红灯,识别标志,帮助规避发生交通事故”。


国内:没有Waymo的命,得了Waymo的病


目前,Waymo已经有超过600辆克莱斯勒迷你货车,加州车管所(DMV)颁发的测试许可证车辆越有100辆(9月数据)。


前文提到,Waymo一次性从克莱勒斯订购6.2万辆车,这个数字当时震惊了行业,要知道,10月份,全中国的乘用车出口也不过5万辆,全韩系车在中国的销量也才10.6万辆,Waymo的这笔大单,够克莱勒斯消化很长一段时间。


Waymo走的路线是“造火箭”路线:高举高打,直接进入L4,靠谷歌爸爸烧钱买量,目标是一步到位。


这种路线已经取得了小成果:在最新一次财报会议上,Waymo母公司Alphabet首席财务官表示,Waymo也开始为自动驾驶出行服务做定价模型,并且亚利桑那州已经有用户愿意付费,不过具体的付费标准没有透露。


国外有人做,国内就有人跟。


国内做自动驾驶的公司里面,也出现了一批走Waymo路线的公司:Pony.ai、文远知行 (原名景驰科技)Roadstar.AI等等。其中,改名后的文远知行最近还在广州大学城试运营自动驾驶出租车业务,不过,据南方都市报报道,由于试乘人数众多,以及交通法律法规等原因,运营并没有想象中般顺利,这一项目很快暂停了。


跟Waymo比起来,无论是在车的数量还是资本的体量上来看,国内的自动驾驶公司都不是能匹敌的,并且在资本的催动下,国内做L4乘用车的公司需要不仅需要实现量产,还要找落地场景,尽快实现商业闭环,另外还要忙于应对国内各地的法规政策,身上的担子不轻松。相比去年,自动驾驶公司今年可能会比较“焦虑”。


从今年的融资情况,也能反映出这种焦虑。


我们统计了最近五年来自动驾驶领域的投资事件,从2016年达到140起的峰值后,今年国内自动驾驶领域的投资次数回归到2015年的水平,连续两年下降。(截止到今年11月数据)。


640?wx_fmt=png


“没有Waymo的命,得了Waymo的病。”谷歌从2009年开始就孵化Waymo,到明年正好十年。


这十年里Waymo不仅造出第一辆自动驾驶汽车、打赢第一场自动驾驶官司、第一个实现1000万英里路测、开启第一个自动驾驶收费项目,还计划进军中国,和中国本土玩家来场较量。


交作业时间快到了,有人敢第一个上去跟年级第一PK一下吗?


参考资料:

https://www.theverge.com/2018/7/3/17530232/self-driving-ai-winter-full-autonomy-waymo-tesla-uber


来源 | 新智元

作者 | 克雷格

640?wx_fmt=gif

以上文章为转载,不代表本报观点


640?wx_fmt=jpeg

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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。
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