2016年，特斯拉宣布其生產(chǎn)的所有特斯拉汽車（包括入門車型 Model 3）都將配備可實(shí)現(xiàn)完全自動駕駛功能的硬件，并且安全級別將遠(yuǎn)遠(yuǎn)高于人類自己駕駛。
無人駕駛：以視覺為主還以激光雷達(dá)為主？
有意思的是，近日 Google 和特斯拉都公布了各自的測試?yán)锍虜?shù)。
看到這條消息，讓我想到了有關(guān)無人駕駛實(shí)現(xiàn)路徑的兩個主要問題：
信息輸入端（Input）：視覺還是激光雷達(dá)？
信息處理端（Processing）：算法為王還是數(shù)據(jù)為王？
無人駕駛汽車上主要的傳感器：激光雷達(dá)、攝像、毫米波雷達(dá)、GPS、超聲波雷達(dá)和車輪轉(zhuǎn)角傳感器等。
無人駕駛：以視覺為主還以激光雷達(dá)為主？
Elon Musk 曾經(jīng)在公開場合多次說過，不用激光雷達(dá)只用攝像頭，也能實(shí)現(xiàn) Level 4 以上的無人駕駛。但是我個人覺得他這么說其實(shí)是有商業(yè)化方面的考慮。
特斯拉的汽車已經(jīng)在售，賣出去的車只能更新軟件，肯定不能換硬件，比如全部重新裝上激光雷達(dá)（不然今天特斯拉官方也不會說現(xiàn)在在產(chǎn)的特斯拉汽車會換上新的硬件系統(tǒng)）。
況且，Google 無人車用的 64 線 Velodyne 激光雷達(dá)本身的價格高達(dá) 75000 美元，這幾乎和低配版特斯拉在美國的售價差不多了。
特斯拉的車要賣的好必須控制成本，Google 的無人車目前還只是處于測試階段，幾百輛的規(guī)模當(dāng)然可以什么好用用什么，相比于特斯拉幾萬的產(chǎn)銷量，花不了多少錢。
今年 5 月 7 日，美國佛羅里達(dá)州的一位特斯拉車主在使用 Autopilot 時發(fā)生車禍，最終不幸生亡。由此還導(dǎo)致給特斯拉提供計(jì)算機(jī)視覺技術(shù)的 Mobileye 創(chuàng)始人 Amnon Shashua 與 Elon Musk 之間的口水戰(zhàn)，雙方最終還鬧掰了：Mobileye 宣布在與特斯拉合同結(jié)束后不再繼續(xù)合作。
在特斯拉 9 月 11 日發(fā)布的Autopilot 8.0 版本中，特斯拉把毫米波雷達(dá)采集到的數(shù)據(jù)作為了控制系統(tǒng)判斷的主要依據(jù)，而不是之前 Mobileye 的攝像頭。
說起 5 月份的車禍，其實(shí)在車禍發(fā)生前，特斯拉的毫米波雷達(dá)已經(jīng)感知到有障礙物，但是攝像頭因光線的問題，沒有發(fā)現(xiàn)在藍(lán)天白云背景下的大貨車，最后導(dǎo)致車禍發(fā)生。Musk 肯定也知道了攝像頭并不靠譜，所以才在 Autopilot 的新版本中把毫米波雷達(dá)的數(shù)據(jù)作為主要參考依據(jù)。
綜上所述，Musk 說「不用激光雷達(dá)只用攝像頭，也能實(shí)現(xiàn) Level 4 以上的無人駕駛」更多是出于商業(yè)化方面的考慮。
此舉意在一邊用現(xiàn)有的傳感器收集數(shù)據(jù)，一邊等激光雷達(dá)價格降下來。個人認(rèn)為，如果固態(tài)激光雷達(dá)的價格真能如宣傳中所說下降到 100 美元到 200 美元，為了保證汽車行駛的安全性，Musk 肯定是會用的。
大數(shù)據(jù)與算法：對于實(shí)現(xiàn)無人駕駛哪個更重要？
一年前這個時候，下圖所示的微博引起了網(wǎng)友們的爭論。
一方認(rèn)為：數(shù)據(jù)為王，再牛的智能算法也拼不過海量的數(shù)據(jù)。而另一方則認(rèn)為：數(shù)據(jù)只是建材，強(qiáng)大的分析能力才能讓它變成摩天大樓，對效率的追求導(dǎo)致了算法，大數(shù)據(jù)取代不了算法。
有意思的是，近日 Google 和特斯拉都公布了各自的測試?yán)锍虜?shù)。
據(jù)華爾街日報美國當(dāng)?shù)貢r間 10 月 5 日報道，Google 宣布自己的無人駕駛汽車剛剛完成 200 萬英里道路行駛里程。而特斯拉創(chuàng)始人 Elon Musk 也于幾天后在個人 Twitter 上宣布：特斯拉 Autopilot 發(fā)布后的 1 年中累計(jì)行駛里程已達(dá)到 2.22 億英里。
Google 和特斯拉兩方的表態(tài)表面上似乎也印證了微博討論中雙方的觀點(diǎn)：數(shù)據(jù)為王 VS 算法為王。那實(shí)際情況究竟如何？
我們不妨考慮另一個類似的現(xiàn)象：大多數(shù)人認(rèn)為 Google 的搜索比微軟的 Bing 搜索在質(zhì)量上做得略好一點(diǎn)的原因是 Google 的算法好。
但在前 Google 工程師吳軍博士看來，「這種看法在 2010 年之前是對的，因?yàn)槟菚r Bing 在技術(shù)和工程方面明顯落后于 Google。但今天這兩家公司在技術(shù)上已經(jīng)相差無幾了，Google 還能稍稍占優(yōu)，很大程度上靠的是數(shù)據(jù)的力量?！?/div>
與搜索算法尚不成熟的 2000 年不同，今天已經(jīng)不存在一個未知的方法，僅憑它就能將準(zhǔn)確率提高哪怕一個百分點(diǎn)。Google 憑借 PageRank 算法給搜索結(jié)果帶來了質(zhì)的變化，而好的搜索結(jié)果能吸引更多的用戶使用 Google 的搜索引擎，這不知不覺間給 Google 提供了大量的點(diǎn)擊數(shù)據(jù)。
有了這些數(shù)據(jù)之后，Google 可以訓(xùn)練出更精確的「點(diǎn)擊模型」，而點(diǎn)擊模型貢獻(xiàn)了今天搜索排序至少 60% 到 80% 的權(quán)重，這將吸引更多的用戶，整個過程是一個典型的不斷自我強(qiáng)化的正反饋過程。
在 Google 內(nèi)部，產(chǎn)品經(jīng)理們都遵循這樣一個規(guī)則：在沒有數(shù)據(jù)之前，不要給出任何結(jié)論。由此可見，Google 的企業(yè)使命已經(jīng)融入了員工的日常工作中。Google 正是充分利用了大數(shù)據(jù)的力量，順利成為了對整張互聯(lián)網(wǎng)舉足輕重的樞紐節(jié)點(diǎn)，非常自然地實(shí)現(xiàn)了對互聯(lián)網(wǎng)的壟斷。
再舉一個例子，9 月 27 日 Google 發(fā)布了新版本的神經(jīng)機(jī)器翻譯系統(tǒng)（Google Neural Machine Translation，GNMT），宣稱該系統(tǒng)的翻譯質(zhì)量接近人工筆譯。
大多數(shù)網(wǎng)友在實(shí)際測試過后，表示眼前一亮。與此同時，這也引起了某些翻譯工作者的恐慌：「作為翻譯看到這個新聞的時候，我理解了 18 世紀(jì)紡織工人看到蒸汽機(jī)時的憂慮與恐懼。」而這其實(shí)也是充分利用大數(shù)據(jù)的結(jié)果。
其實(shí)早在 2005 年，Google 的機(jī)器翻譯質(zhì)量就讓全世界從事自然語言處理的人震驚不已了：從來沒有從事過機(jī)器翻譯的 Google，在美國國家標(biāo)準(zhǔn)技術(shù)研究所（National Institute of Standards and Technology，NIST）的年度測評中遙遙領(lǐng)先。
如下圖所示，在阿拉伯語到英語翻譯的封閉測試集中，Google 系統(tǒng)的 BLUE 評分為 51.31%，領(lǐng)先第二名將近 5%，而提高這 5 個百分點(diǎn)在過去需要研究 5 到 10 年。
Google 究竟是做到的呢？除了 Google 一貫的行事風(fēng)格——把該領(lǐng)域全世界最好的專家、南加州大學(xué) ISI 實(shí)驗(yàn)室的弗朗茲-奧科（Franz Och）博士挖過來之外，最關(guān)鍵的還是 Google 手里握有改進(jìn)機(jī)器翻譯系統(tǒng)所需要的大數(shù)據(jù)。
機(jī)器翻譯專家 Franz Och，供職于人類長壽公司（后來他又轉(zhuǎn)行到了大數(shù)據(jù)醫(yī)療領(lǐng)域）
從奧科 2004 年加入 Google 到 2005 年參加 NIST 測試，期間只有一年時間，如此短的時間只夠他將在南加大的系統(tǒng)用 Google 的程序風(fēng)格重新實(shí)現(xiàn)一遍，完全沒有額外的時間做新的研究。而從上圖中我們可以看到，Google 和南加大系統(tǒng)的水平差了 5 到 10 年。
其中的秘密就在于：奧科在 Google 還是用的在南加大使用過的方法，但充分利用了 Google 在數(shù)據(jù)收集和處理方面的優(yōu)勢，使用了比其他研究機(jī)構(gòu)多上萬倍的數(shù)據(jù)，訓(xùn)練出一個機(jī)器翻譯的六元模型（一般來講 N 元模型的 N 值不超過 3）。當(dāng)奧科使用的數(shù)據(jù)是其他人的上萬倍時，量變的積累導(dǎo)致了質(zhì)變的發(fā)生，而這就是當(dāng)今人工智能領(lǐng)域最權(quán)威的幾位專家之一杰弗里-辛頓（Geoffrey Hinton）教授所堅(jiān)持的「多則不同」吧。
值得一提的是，上圖中的排在末位的 SYSTRAN 公司是一家使用語法規(guī)則進(jìn)行翻譯的企業(yè)，在科學(xué)家們還沒有想到或者有條件利用統(tǒng)計(jì)的方法進(jìn)行機(jī)器翻譯之前，該企業(yè)在機(jī)器翻譯領(lǐng)域是最領(lǐng)先的。但現(xiàn)在與那些采用了數(shù)據(jù)驅(qū)動的統(tǒng)計(jì)模型的翻譯系統(tǒng)相比，它的翻譯系統(tǒng)就顯得非常落后了。
經(jīng)過上述分析，對本小結(jié)的問題終于可以下一個較安全的結(jié)論：在當(dāng)下的企業(yè)競爭中，相比于算法或數(shù)學(xué)模型，數(shù)據(jù)的重要性的確要大得多，即數(shù)據(jù)為王。
因?yàn)榍罢咄蓪W(xué)術(shù)界在幾十年前就已經(jīng)發(fā)現(xiàn)了，所有企業(yè)都可以加以利用，但是多維度的完備數(shù)據(jù)并不是每一個企業(yè)都擁有的。
今天很多企業(yè)在產(chǎn)品和服務(wù)的競爭，某種程度上已經(jīng)是數(shù)據(jù)的競爭了，可以說沒有數(shù)據(jù)就沒有智能。因?yàn)閺睦碚撋现v，只要能夠找到足夠多的具有代表性的數(shù)據(jù)，就可以利用概率統(tǒng)計(jì)結(jié)果找到一個數(shù)學(xué)模型，使得它和真實(shí)情況非常接近，從而節(jié)省了大量人力成本或給予了用戶更愉悅的體驗(yàn)。
總結(jié)
特斯拉已經(jīng)積累的 2.22 億英里行駛數(shù)據(jù)，以及未來將要積累的數(shù)據(jù)，對于他們研發(fā) Level 4 以上的無人駕駛汽車是非常有幫助的，特斯拉可能會最終會先 Google 一步實(shí)現(xiàn)量產(chǎn)。
目前出于商業(yè)化的考慮，已量產(chǎn)的特斯拉用「攝像頭 毫米波雷達(dá) 超聲波雷達(dá)」作為主要傳感器，但是等到低成本的固態(tài)激光雷達(dá)性能更穩(wěn)妥。我相信 Musk 肯定是會裝上去的（有網(wǎng)友已經(jīng)在加州的道路上拍到頭上頂著激光雷達(dá)的特斯拉汽車偷偷在做測試了），因?yàn)檫@對于保證實(shí)現(xiàn) 99.9999% 的車輛行駛安全性是非常有幫助的。
轉(zhuǎn)載請注明出處。
免責(zé)聲明
① 凡本網(wǎng)未注明其他出處的作品，版權(quán)均屬于激光制造網(wǎng)，未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用。獲本網(wǎng)授權(quán)使用作品的，應(yīng)在授權(quán)范圍內(nèi)使
用，并注明"來源:激光制造網(wǎng)”。違反上述聲明者，本網(wǎng)將追究其相關(guān)責(zé)任。
② 凡本網(wǎng)注明其他來源的作品及圖片，均轉(zhuǎn)載自其它媒體，轉(zhuǎn)載目的在于傳遞更多信息，并不代表本媒贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé)，版權(quán)歸原作者所有，如有侵權(quán)請聯(lián)系我們刪除。
③ 任何單位或個人認(rèn)為本網(wǎng)內(nèi)容可能涉嫌侵犯其合法權(quán)益，請及時向本網(wǎng)提出書面權(quán)利通知，并提供身份證明、權(quán)屬證明、具體鏈接(URL)及詳細(xì)侵權(quán)情況證明。本網(wǎng)在收到上述法律文件后，將會依法盡快移除相關(guān)涉嫌侵權(quán)的內(nèi)容。
相關(guān)文章網(wǎng)友點(diǎn)評
0 條相關(guān)評論
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
