打字猴:1.700044009e+09
1700044009
1700044010 阻碍机器视觉软件发展的另一因素就是计算能力的不足。由于处理图像是一项数据密集型活动,所以第一代机器视觉系统只能采取一种结构化路径的方式来实现这一流程,即用一系列“规则”来解析视觉信息。这些早期机器视觉系统的工作原理是想尝试将识别的物体与机器人内部储存的已知物体小型样例库做匹配,但显然这是一个缓慢、不准确也不灵活的过程。
1700044011
1700044012 早期机器视觉软件的最大缺陷之一,就是它们在应对新鲜事物或情境时表现不佳。即便是很熟悉的物体,只要在略微不同的场景中出现,任何借助这类软件引导的机器人(或汽车)都无法进行准确识别。鉴于准确识别邻近物体这一能力对于安全驾驶至关重要,机器视觉软件的差劲表现数十年来一直阻碍着无人驾驶汽车的发展。然而,最近在人工智能领域的一项突破进展可能会彻底改变这一切。
1700044013
1700044014 在人工智能研究领域原地踏步多年之后,一种被称为“深度学习(Deep Learning)”的新型软件于2012年诞生了,它可以对随机的数千个数码图像信息进行准确分类,并达到人类水平的精准度。虽然对随机物体的图像进行准确分类的能力听起来无足轻重,但这一能力的确是人工知觉(Artificial Perception)的基础。一旦某个物体可以被精准识别,它的信息会被“转化”给其他类型的人工智能软件,而那些软件就可以发挥其传统优势:利用统计分析或某种逻辑、规则推导出最佳反应。
1700044015
1700044016 深度学习软件对于无人驾驶如此有价值,就是因为它可以在开阔公路这种非结构化的环境中充分发挥作用。深度学习隶属于“机器学习(Machine Learning)”这一类人工智能软件。这类软件的突破创新并非由人类程序员来设计,机器学习软件并不会去建立一个现实世界的模型,再用正常的逻辑和规则来处理其中的问题,相反机器是通过大量的训练数据后被“喂养”出来的。例如,为了开发无人驾驶所用的深度学习软件,程序员每天会用几千兆字节(Gigabyte,即GB)的原始视觉素材来“喂养”这个软件,而这些视觉素材都是通过车载摄像头在真实道路环境下的行驶中拍摄收集的。
1700044017
1700044018 深度学习软件通过观察世界来“学习”,这一点赋予了它另一巨大优势——不依赖规则(not rule-bound)。人类的婴儿学会依照物体的突出可识别性特征来识别物体,同理,深度学习软件在对物体分类时也是依据物体的视觉特征。使用规则依赖的传统途径编制的软件,遇到坐在自行车上的猫的图片时,就会陷入困惑。相反,深度学习软件会关注猫身上可供识别的视觉特征——尖耳朵和尾巴,然后不管这只猫是出现在一个多么奇怪的情境中,软件都会迅速而准确地推测出它只是一只猫。
1700044019
1700044020 深度学习软件已经彻底改进了对人工知觉的研究,并极其成功地应用到语言识别领域,以及其他需要软件来处理古怪异常信息的活动中。过去的几年里,为了寻求深度学习的专业技术支持,很多汽车公司都在硅谷设立了分部。谷歌和百度这些软件巨头本身已经具备了管理巨量信息和构建智能软件的能力,再加上深度学习领域的专业优势,足以支撑它们与曾经不可一世的汽车巨头在无人驾驶领域展开角逐。
1700044021
1700044022 深度学习对于人工智能领域的影响极其深远,甚至在我们写作本书时,其影响还在逐步拓展,而且未来几年可能会持续扩大。深度学习所引领的技术领域并不只是汽车一隅。我们预计,深度学习将会对移动类机器人的总体发展轨迹产生变革性影响。当机器人获得了通过视觉理解周遭环境的能力时,人工生命形态的发展可能会开始延续5亿多年前有机体生命发展的路径——化石显示大约在寒武纪以前,所有形态的有机体生命都是近乎眼盲的。当5亿多年前寒武纪开启时,那些近乎眼盲的有机体突然神秘地演化出了复杂的新型视觉系统,要知道先前它们的“眼睛”只是些光感性的原始细胞集。一旦它们具备了看的能力,这些简单的有机体随之演化出了复杂的身体形态,以便实现快速的反应和移动。反过来,新的身体机能又会需要发展一个更大号的大脑来监管这些新生肢体的协调。当装备上视觉系统、快速响应的身体以及更大的大脑时,曾经不起眼的细胞集演化出了种类繁杂的复杂生物,它们从最初生命的泥沼中爬出,并努力在陆地上寻求属于自己的一块领地。
1700044023
1700044024 关于寒武纪生命大爆发——发生在寒武纪时期的生命大量快速演化,有一个有趣假设,即“光开关理论(Light Switch Theory)”。这个理论是由安德鲁·帕克(Andrew Parker)提出的,该理论认为正是眼睛的进化,引发了生命体之间的进化竞赛,使得那些具备最佳视觉的生物才最有可能生存下来。也许“光开关理论”理论对于机器人也是适用的。
1700044025
1700044026 曾经“眼盲”的机器获得了知觉的能力,它们也会从原始的禁锢中爬出,摆脱现今我们为其设计的结构化的、黑暗的工厂环境。健全的机器视觉将使得机器人可以充分利用其新添加的身体部件——轮子、四肢或踏板,而那些部件能为它们提供更高水平的灵敏度。想要控制复杂的机械新“四肢”,它们的机器大脑也会随之扩张。当我们目睹机器人掌握了新的技能并找到可以发挥功效的新应用场景时,我们也终将见证机器人形态和功能的“寒武纪大爆发”。
1700044027
1700044028 无人驾驶:人工智能将从颠覆驾驶开始,全面重构人类生活 [:1700043768]
1700044029 迎接无人驾驶
1700044030
1700044031 一群热带鱼的行动过程十分值得观赏。它们组成紧凑而均匀的队形,扭动着明亮鲜艳的身体在水中游弋。这几十条不同的鱼可以一瞬间同时转向掉头,动作一致犹如一个整体。如果有个障碍物突然出现在鱼群的行进路线上,鱼群会分开绕过,然后迅速重新建立起它们先前的队形。鱼群彼此之间从不相撞,也不会触碰到浪涛裹卷而来堵在路上的异物——枝条、石子或珊瑚礁。
1700044032
1700044033 在理想的将来,我们的街道和高速公路上会充满成群的、紧密分布的无人驾驶汽车。与鱼群一样,无人驾驶汽车的车流会展现出惊人的防冲撞能力,在充满行人的城市街道上机智而快速地穿梭,在漫长而空旷的高速公路上以经济油耗的形式灵活停靠。有些车会携带一两名乘客,还有些车是完全没有乘客的,那是因为它们要去送外卖或者去幼儿园接小朋友。
1700044034
1700044035 那么,从今天人类掌控的这种糟糕交通状况,到实现理想的未来——各种形状、大小的无人驾驶汽车井然有序而安全地填充在道路上,我们应该如何着手呢?在欧内斯特·海明威(Ernest Hemingway)1926年的小说《太阳照常升起》(The Sun Also Rises)中,主人公比尔问麦克:“你是怎么破产的?”麦克回答:“两种方式,慢慢地,且突然地。”
1700044036
1700044037 实际上,技术的发展是迅速的。目前为止,读过本书的绝大多数人还是熟悉摩尔定律的。摩尔定律指出当计算机芯片的表现以幂次方提升增长时,芯片的价格和尺寸也会以幂次方的速度大幅降低。正如摩尔定律反映的,构成无人驾驶汽车的传感器、海量数据以及处理和计算所有信息的处理芯片,这些技术已经变得相当成熟可靠、物美价廉了。无人驾驶汽车的具体配置可能千差万别,但大多数无人驾驶汽车都会装载几个数码镜头、一个雷达传感器以及一个激光雷达装置来“看看”它们现在在哪里。数字化的汽车在配置全球定位系统(GPS)的同时还会匹配另一个称为惯性测量单元(inertial measurement unit,IMU)的定位装置,用以弥补GPS的误差。还会有一个车载电脑负责将各个传感器和GPS的信息汇总,将数据传递到一个包含各个交叉路口和红绿灯信息的高精度数字地图上,然后将所有这些信息生成一个汽车外世界的数字模型,被称为占据栅格(Occupancy Grid)。
1700044038
1700044039 无人驾驶技术几近成熟。埃隆·马斯克(Elon Musk)是特斯拉汽车公司的CEO,十分推崇全自动化的汽车,他对当前形式的总结是:“问题比人们想象的要简单……但也不是一个人苦干三个月就能解决的,它更有可能是需要数千人共同奋斗两年才能实现。”虽然这种技术几近准备就绪,但是这一独特技术所依存的社会环境可能还未准备妥当。
1700044040
1700044041 诸多社会因素制约了无人驾驶的推广应用。软件开发人员不得不面对的一个问题就是用户本身。当新的软件引入到一个组织中时,影响软件普及的最大阻碍通常不是软件自身的工作表现,而是人们对之前产品的依赖。由于这些用户的组织文化和工作流程都建立在之前的软件产品上,而改变人们的工作习惯就会引发阻抗。一旦工作流程改变,有些人就会失去地盘,有些人会被迫重新思考如何做事,诸如此类。人员问题通常是隐藏在海平面下的冰山,它会阻挠一个组织成功吸收新技术,尽管这一技术可以节省组织的时间、金钱,并提高生产力。
1700044042
1700044043 在对无人驾驶汽车的接纳上,人员问题可能有来自消费者一方的对抗,但我们预计事实并不尽然。虽然汽车公司的高管们曾大胆地坚持认为人们喜爱驾乘的体验,而且会继续偏爱自己驾驶汽车,但是我们认为消费者的接受度并不能成为一种阻碍。
1700044044
1700044045 毕马威会计事务所(KPMG)的调研指出,当技术成熟且没有人身安全的风险时,更多消费者乐于乘坐无人驾驶汽车。当调研人员要求人们从1到10评估他们使用自动驾驶汽车来日常出行的意愿时,访谈小组成员的平均意愿程度是6分;而且如果无人驾驶汽车能减少人们一半的出行时间,并在预定时间内将人们送到目的地,那么受访者的意愿将会提高到8分。波士顿咨询公司(Boston Consulting Group)的调研结果也反映出了人们对无人驾驶技术的热情。在针对1500多名美国司机的调研后,波士顿咨询公司发现:有55%的受访者“愿意”或者“十分愿意”在5年内购买一辆半自动化的智能汽车;有44%的受访者表示只要经济允许,他们“十分愿意”在十年内购置一辆全自动化驾驶的汽车。报告中预计,第一代可家用的自动化汽车将会在2025年左右上市。到2035年时,市场上销售的汽车中将有10%是完全自动化的,占据价值380亿美元的全球市场。
1700044046
1700044047 平均来看,消费者越年轻,他对于无人驾驶汽车的热情越大。哈里斯民意调查(Harris Poll)项目对四个年龄段人群使用无人驾驶汽车的态度进行了调查,他们分别是千禧一代(18~37岁)、被遗忘的一代(38~49岁)、婴儿潮一代(50~68岁)以及老去的一代(69岁以上)。老去的一代人中有一半以上的人强烈反对:“我绝不会购买或租用自动驾驶汽车。”相比之下,千禧一代中只有20%的人做此反应。千禧一代中有25%的人表示只要确信“漏洞”已经被解决且价格合理,他们就会购置一辆无人驾驶汽车。
1700044048
1700044049 所以,我们认为只要证明无人驾驶汽车的驾驶安全性比人类驾驶更高,人们就会比现在更容易接纳无人驾驶汽车。
1700044050
1700044051 年轻一代的驾乘人员并不像他们祖辈那样迷恋驾驶,他们很乐意让机器人来开车。我们曾参加过2014年的无人驾驶汽车大会,会上来自咨询公司JD Powers的一名高管分享了他们公司的调研结果,即人们对于汽车和驾驶的态度存在代际变化:30岁以下的人群,在人口学领域被称为“Y世代”,他们认为开车属于浪费时间,是需要他们被迫从社交媒体和互联网的享受中挤出时间来做的事情。这位主管对这一情形做了总结:“生于Y世代的这群年轻人对于这种想法——能够驾驶汽车是我们应该珍惜享受的一种生活方式——已经越来越不以为然。他们的主要目的是到达想要去的地方,他们更想让自己的时间以自己喜欢的方式发挥作用。”
1700044052
1700044053 事实上,制约无人驾驶广泛普及的最主要人为因素是政府的监督与管理措施,对于美国而言,就是州政府和联邦政府的交通法规、责任法以及保险承保范围。目前来看,无人驾驶发展道路上最大的推动力来自企业,而美国联邦政府对无人驾驶的监管和限制条例也开始缓慢地实施和制定。尽管如此,2016年美国交通运输部(USDOT)还是对无人驾驶的应用前景释放了积极信号,宣布对各个州的机动车管理局在无人驾驶管理方面提供指导建议。截至本书开始写作之时,美国已经有四个州——加利福尼亚州、内华达州、佛罗里达州和密歇根州——会颁发官方的无人驾驶许可证,同时也有几个州在考虑效仿。
1700044054
1700044055 无人驾驶许可证是一个良好的开端,但是监管应以何种方式进行还需要进行大量的研究和探索。理想情况下,政府的最高层应该制定前瞻性策略,而不是被动响应。例如,法律专家应该重新检视责任法,以明确当无人驾驶造成事故时,谁应该承担什么样的责任。可能的话,甚至有必要修订相应法规。汽车保险业也将需要进行类似的重新定义;立法者需要明确一辆汽车要达到何种程度的“安全”,才能在无人驾驶的情况下上路,以及如何检验这种安全性。监管上的这些疑虑最终可以完全解决,但鉴于它们目前还存在着,由人类驾驶的汽车还将继续发挥余热,同时人类要咽下苦果——承担生命的失去、时间的浪费以及油料燃烧对环境的破坏。
1700044056
1700044057 在无人驾驶技术成熟和人为制约因素初见端倪的这段时间里,延误这项技术发展的代价几乎可以直接以人命数量计算。根据世界卫生组织的报告,车祸是导致全世界15~29岁的青年人早逝的最高因素,同时也是造成各年龄组人群死亡的第二关键因素。这些车祸中的大部分并不是汽车某部件失灵造成的,而是由本可杜绝的人为因素导致的,或者称为“4D”因素——醉酒、吸毒、瞌睡以及走神(Drunk, Drugged, Drowsy, Distracted)。只要方向盘还掌握在人类手中,车祸造成的死亡率就可能持续上升。新兴经济体中的人群刚刚尝到拥有私家车的乐趣——在中国、印度、俄罗斯以及巴西这样的新崛起国家里,随着更多汽车上路,车祸造成伤害或谋害的人员数量将会继续攀升。
1700044058
[ 上一页 ]  [ :1.700044009e+09 ]  [ 下一页 ]