極客網(wǎng)8月24日消息,今日,由騰訊汽車聯(lián)手創(chuàng)新港舉辦的2017全球汽車AI大會在上海正式拉開大幕,30余位來自全球頂尖科技公司、汽車企業(yè)的高層以及國內(nèi)外學術專家齊聚上海,共同為AI技術與汽車產(chǎn)業(yè)的未來建言獻策。極客作為合作媒體應邀出席了會議。
活動中,優(yōu)達學城(Udacity)聯(lián)合創(chuàng)始人兼總裁,斯坦福大學終身教授,原谷歌副總裁、Google X實驗室聯(lián)合創(chuàng)始人、谷歌無人車之父Sebastian Thrun發(fā)表了主題演講。他指出,到2050年自動駕駛會超過人類駕駛行為。
Sebastian Thrun表示,“無論對于AI的存在致以多大的懷疑,在一兩年之后,大家都不得不接受機器的學習能力要遠遠超過人類學習能力這樣一個事實。”同時他指出,隨著深度學習概念的誕生和發(fā)展,AI技術在包括癌癥診斷、遠程醫(yī)療等領域發(fā)揮了重要作用,有了深度學習就會使技術不斷向前推進。
Sebastian Thrun 在演講中回顧了他在谷歌研究無人駕駛汽車的有趣歷史,其間通過多個視頻片段展示了從屢次失敗到逐步成功的全過程。
“12年前,我永遠都不會想到無人駕駛會成功,只有書呆子才會覺得無人駕駛會實現(xiàn),但是作為科研者,我們就是要把不可能變?yōu)榭赡??!?/strong>Sebastian Thrun表示,“假如自動駕駛真的成為現(xiàn)實的話,大概有10%的工作將會發(fā)生改變,比如說卡車司機的工作可能會被代替,不管是幾歲小孩或者是百歲老人,都有可能實現(xiàn)自由的駕駛?!?/strong>
以下為Sebastian Thrun的演講實錄:
大家好!能夠參加今天的會議我感到非常榮幸,不僅僅是因為我非常喜歡中國,也期待與更多的人才交流。我所在的公司Udacity與騰訊汽車之間也有著非常好的合作。
首先,我想給大家談一談無人駕駛,我從事這方面的研究已經(jīng)超過十年了,我會給大家說一說自動駕駛的一些歷史、目前的發(fā)展情況,以及未來的發(fā)展前景。
當我還是小孩的時候,每當提到自動駕駛的時候,我都會非常興奮。那個時候我會看一些電視,電視和電影里面都會有這樣的畫面,那就是有這樣一輛車不需要人類駕駛就可以非常快速地在路面上疾行。當時我青年時期的時候,我有一個朋友發(fā)生了一次交通事故,車與一輛卡車相撞,他當場就死亡了。
其實,每年交通事故會導致超過上百萬人的死亡,特別是在中國,因為中國的人口基數(shù)很大,汽車保有量也很大。從全球范圍來看,我們所面臨的問題都是一樣的。
我與無人駕駛真正結緣是從2004年開始,也就是13年前。13年前,美國政府和美國國防部先進研究項目局舉辦了一個關于汽車的挑戰(zhàn)賽。我們可以看一下,這個是2004年的挑戰(zhàn)賽,當時是無人駕駛和自動駕駛的挑戰(zhàn)賽,有很多的隊伍都參賽了,很多都是來源于大學的車隊。這些車可以行駛超過140英里。當然還有其他的一些車隊。這個車擁有非常好的性能,防側摔的性能是非常強的。當時有一個最小的車,最小的車當時由來自于加州伯克利大學,現(xiàn)在圖上是最小的那輛車。我當時和研發(fā)人進行了溝通,他說下一次一定會做得更好。
在2005年的時候,當時我還是斯坦福的兼職教授,我當時主要是教AI(人工智能)。我當時認為AI目前還做的不夠好,我們必須要比這個做得更好,所以當時我就在斯坦福大學創(chuàng)建了我自己的AI研究團隊。當時我們所研發(fā)出來的車,可能只能夠走差不多10-20英里,但是這個是遠遠不夠的,我們當時的目標是讓車在道路上行駛。
這是我在斯坦福大學建立的第一個團隊,當時的資金也不夠,團隊成員都是我的學生。那個時候我并沒有給我的學生有任何工錢,只是我會給他們提供更多的課程作為回報。他們也會給我教學費,所以我的課堂主題就是無人駕駛、自動駕駛。
當我們建好了這些車的過程中,也遇到了非常多的問題和困難。那時《時代》雜志采訪了我們,寫了相關的文章,就是我們團隊在無人駕駛方面所遇到的一些困難。后來我們發(fā)現(xiàn)并不只有我們。在另外一個大學,他們也有相關的一些項目,這個是他們當時無人駕駛翻車的照片。后來《紐約時報》也是去采訪了剛剛研發(fā)汽車的人,這是非常小的車,它可以實現(xiàn)自我平衡的功能,但是當時它的表現(xiàn)性能都不太好。所以我們不應該被之前的這些失敗所困擾。
2005年的時候,我們永遠都不會想到無人駕駛以后會成功,這是12年以前的事了。所以那個時候只書呆子才會覺得無人駕駛會實現(xiàn),但是大部分人都不會相信無人駕駛會實現(xiàn)。但是我們作為科研者,我們就是要把不可能變?yōu)榭赡堋?/p>
在視頻里可以看到也是在斯坦福大學研究的項目,這里面是無人駕駛,差不多是行駛了100英里。這是一個由機器人駕駛的車,我可以看到路面是非常彎曲的,路面的條件也是非常艱險的,所以差不多行駛了超過6個小時。我們可以看到行駛的軌道非常彎曲,也非常危險,但最后仍然完成了這樣一個任務。我們當時就是用這種直升機來對整個的行程進行了視頻記錄,在超過6個多小時的行駛之后它把不可能變成了可能,就是完成了這樣一個挑戰(zhàn)。
現(xiàn)今來看,我們越來越意識到,其實有一些新的技術可能在某一天以內(nèi)就可以改變所有人的生活,比如說可以改變所有勞力工作的狀況,不管你現(xiàn)在的工作是什么,有可能在未來某一天、某一項技術就能夠改變你的工作。現(xiàn)在全球有很多的人都在研究這些新技術,這些人都是非常瘋狂的人,他們非常致力于這些新技術的研究,特別是在無人駕駛和自動駕駛方面。
這是我們在美國的華盛頓航空航天博物館所展覽的一輛車,在這之后我與我的一位來自于谷歌的朋友進行交談,就是關于無人駕駛。他說,我也看了當時沙漠的挑戰(zhàn)賽。因為我們谷歌的客戶不在乎沙漠的挑戰(zhàn)賽、沙漠的行駛,但是那個時候我們可能認為沙漠挑戰(zhàn)賽的完成是不可能的,但是當時確實是完成了這個挑戰(zhàn)賽。我覺得這個東西很有意思,所以我們就去試了。后來我也與大陸集團的朋友進行了合作,我們當時也是建立了一個非常小的團隊,當時我們在一個商店里買了很多的零配件,然后我們把很多的配件都裝到了這輛車上,比如說攝像頭、激光雷達、感應器和傳感器等都裝到了這輛車上面。
當時我們就是在洛杉磯去測試這些新興科技,把這些傳感器和傳統(tǒng)汽車結合到一起之后,看一下汽車能夠發(fā)揮什么樣全新的性能。當時我們在加州這個地方進行了實驗。這是2010年是谷歌無人車的樣子;這個是2012年的新貌,外表和性能都有提升;這個是2015年新的樣子,它看起來更小了,看起來更有科技感了。
接下來,我再來說一下汽車內(nèi)部的技術和功能。其實我們所說的無人駕駛車就是車里面沒有司機,因此我們必須要有一個非常強大的電腦來幫助我們進行所有的運算和執(zhí)行,這樣的話才可以讓人不用待在里面開車。
當時我們做這個實驗的時候,其實車在行駛的過程中仍然是有一些盲區(qū)的,所以我們在這個車上面加了很多的雷達傳感器和激光傳感器。這是我們秘密實驗的一次視頻,是在2010年到2011年之間我們在舊金山做的一個無人駕駛的實驗。我們可以看到這是它一路上所拍攝下的視頻,這個車里面是沒有人的。
如圖這是在我們真正的城市環(huán)境下所做的試駕,當然我們也去到了山路上面進行試駕。我們可以看到在夜視的情況下,它也是行駛得非常好。我們也非常喜歡開這種長的彎路和山路,這些都是我們當時試駕的一些視頻,也是顯示了我們當時車內(nèi)的技術是非常先進的,沒有出現(xiàn)任何的問題,這是我們第一次超過1000英里試駕的例子。我們也做了一個模擬,這個是動畫的模擬。
在這里可以看到主要應用到的一項技術就是激光技術、雷射技術,在這里安裝了一個激光雷達,它所捕捉到的畫面可以讓操作背后的人看得非常清楚,就是車的周圍有什么樣的環(huán)境、有什么樣的阻礙物。它可以告訴你車周圍環(huán)境的所有細節(jié),都可以看到,它的精確度是非常高的。而且我們也可以看到這個車的車速是怎樣的,它是開得快還是開得慢。這個車周圍十公里以內(nèi)的所有細節(jié),都會被攝像頭所捕捉到。當然這個地方是沒有盲點的,有一個360度的觀測,并沒有任何盲點。所以那個時候我們有了激光雷達,還有另外一個主要的雷達傳感器。
其實機器人擁有大象般的記憶,機器人可以記住所有的東西,所以我們只要把這些數(shù)據(jù)都預先存進去,然后收集數(shù)據(jù)再進行數(shù)據(jù)的處理和分析之后,機器人可以記住所有的數(shù)據(jù),然后可以讓整個的行駛變得非常安全。一旦有精確3D的成像,就可以做出非常意想不到的效果。換句話說,可以通過新的技術發(fā)現(xiàn)原來沒有的解決方案,而且精度更高。
如果要說我們工作的核心要點,我想應該是定位。你知道了路況全況,怎么能夠更好地使用信息呢?前提要知道車輛位置在哪兒,我們叫做自我定位。我們跟美國政府合作,因為他們有30多顆衛(wèi)星為我們使用,如果通過傳統(tǒng)的衛(wèi)星,精確度只能達到2到3米,這是遠遠不夠的,我們希望更精確的地點定位。通過地點定位,在任何時候可以通過實時的計算,就使你的精確度達到厘米甚至毫米級,可以更好地了解你身邊的狀況,而且還可以做到防患于未然,預測一下前面即將經(jīng)過的路段的情形是什么。
從動態(tài)的角度而言,我們知道了周邊的情況希望有動態(tài)的呈現(xiàn),現(xiàn)在這里面顯示的是動態(tài)呈現(xiàn)的情況。包括怎么樣能夠通過激光或其他的方式,或者是通過3D的方式,來一下包括身邊的自行車、行人等等。通過這樣我們可以把所有的物體進行統(tǒng)計,比如說動態(tài)的物體和靜態(tài)的物體,包括移動的速度是多少等等,通過這些的數(shù)據(jù)輸入就實現(xiàn)了這樣的呈現(xiàn)。
為了實現(xiàn)這一點,我們經(jīng)過數(shù)年開發(fā)了項目來追蹤所有的物件、物體,這就是大家看到的不同的行人、不同的汽車、不同的自行車往來穿梭的場景。當然這些物體的數(shù)量是非常之龐大的,我們怎么做的呢?如果是出現(xiàn)綠燈的情況下,這個方向就是走的。不只是汽車在行走,包括大巴車、行人、小車、自行車都在走。除了這些物體之外,我們再看一下交叉點是什么,我們知道所有路口整個的交通信號燈設置是什么樣的,這樣有更好的方法來解讀人們要做什么、人們的行為是什么。
如果把上述這些放在一起,這是2013-2014年的無人駕駛技術成熟度,通過這個方式可以可視化周邊的一些情況。當然大家沒有疲勞,對無人駕駛也不擔心有酒后駕駛的情況,所以這是非常之精確的。毫無疑問,有了這樣的優(yōu)勢肯定比有人駕駛的優(yōu)勢更為明顯。如果出現(xiàn)故障的情況呢?如果出現(xiàn)了意外特別的情況,計算機有的時候也會犯錯,這個時候再看怎么樣通過人的方式來主宰。由人來介入的可能性是微乎其微的,主要還是靠無人駕駛的方式。如果是10、100、1000、或1萬、10萬這樣的測試,我們覺得假以時日,可能是5萬公里、3萬公里人才需要介入一次。甚至是假以時日,行駛50萬公里人才需要介入一次等等,這就是精確度,通過這個方式逐漸地減少人參與的頻率。
人可能不是意外的地方,意外之處在于什么呢?有時候大家會問無人駕駛的汽車會不會取代人呢?我們再來看一下深度學習,其實人工智能和機器學習和人的學習方式是完全不一樣的,大家都開過車,或者在某種程度上開過車。我們或多或少可能碰過交通事故,人都可能會犯錯,我們希望不會第二次犯錯。但是我們的朋友沒有經(jīng)歷過這樣的車禍,他們可能要犯同樣的錯誤之后才能夠吸取經(jīng)驗,就是親身體會才能知道。但是同樣的錯誤在不同程度上會使人喪命。
但是谷歌的軟件有什么功能呢?通過駕駛功能的記憶輸入到計算機里面,然后計算機進行學習,通過機器人的不停學習、車聯(lián)網(wǎng)的方式使所有其他的人也學習了這樣的功能和掌握了交通事故的模型,所以通過AI比人類學習的速度更快。無論你對技術有多大的懷疑,但是一兩年之后必須要相信機器的學習能力要遠遠超過你的學習能力。
對于我來說,我一開始預測到這一點了。在2015年,我相信2050年會有一天的到來是機器駕駛會超過人的駕駛。在2008年我進入到深度學習的概念,其實當時我還是一個研究生,當時談到了AI和其他的先進技術。在過去的糧道三年大家有一個轉變,包括AI的技術已經(jīng)發(fā)生了一些轉移的情況或轉化的情況,這種不是一般的轉化,大是規(guī)模的轉化,談到了無人駕駛包括AlphaGo等等,這些新的AI技術應運而生,包括癌癥的診斷、遠程醫(yī)療都是可以通過AI來進行的。核心在于什么呢這里面有很多技術,就是深度學習。有了深度學習就使我們技術向前推進,早期就是這樣,八十年代就有了深度學習的概念。
如果談到深度學習和AI的關系,其實機器學習是非??斓模灰紤]軟件問題和其他問題。我們通過一些計算機的編碼,可以通過機器學習的方式可以實現(xiàn)很好的深度學習的,包括機器可以通過自己的錯誤來學習。比如人和機器駕駛的案例,你教孩子的話不可能告訴他任何各種各樣的意外事故,不可能一條一條地教給他。而是教了孩子之后,給他一個環(huán)境他自己去學習、去適應。同時對于計算機也是一樣,你把大的規(guī)則輸入到計算機,計算機會通過深度學習的方式進行創(chuàng)新性的分析。不過一個計算機學好了之后,會使其他的計算機也受益,這樣學習速度當然要超過人類,這是非常大的一個轉變。
大家知道我是離開Google之后創(chuàng)辦了Udacity,這是一個學習平臺,而且在平臺上包括深度學習、自動駕駛,各種各樣的題目都可以在Udacity進行學習,我們推出了這樣課程。我們對學生提出了挑戰(zhàn),用了這些的軟件,怎么樣通過你的學習使Google自動駕駛的方式更為智能。這是怎么樣通過教機器學習,怎么樣能夠辨別它所在的車道,大家看車道的偏移程度,當然我們不能用8000多個雷達來做,只用3個攝像頭進行自我學習。從谷歌上可以下載,下載之后可以機器學習,當然這是我們一個深度學習的項目。
我再跟大家分享一些視頻,這個視頻是看一下怎么能夠更好地進行無人駕駛等等。斯蒂夫他覺得無人駕駛對他的生活有很大的影響。他坐在座位上在掌握計算機,無需用雙手就可以開著車去上班。斯蒂夫的特點是什么呢?他實際上是一位50歲的盲人,40歲的時候由于疾病失去了視力,現(xiàn)在是盲人。有很多像斯蒂夫這樣的人有這樣的需求,包括學生、老年人和各種各樣的殘障人士。之前他有一份非常好的工作,薪水非常不錯。但是由于他的視力在40歲的時候失去了,等于失去這個工作了。但是現(xiàn)在有了無人駕駛的輔助,又可以不受限制了,他可以自己去提取洗的衣服等等。
我們還有其他技術的研究,這也是用普銳斯進行測試的,我們把它進行賽道式的測試。這個速度非常之快,通過計算機可以選擇最佳路徑。在時間上也進行了記錄,我們請了80位不同的谷歌高管來進行測試,但是都沒有超過普銳斯,也就是電腦的駕駛速度要遠遠比人要快。
最后我給大家分享的是在2014年的一個項目,也是我們和Uber所合作的項目,我們可以看到這是一個共享的平臺,也就是共享汽車。大家可以通過這個平臺就可以和其他人來共享無人駕駛的汽車。共享汽車現(xiàn)在在中國也是非常流行了,共享汽車可以變得更加舒適,也可以變得更加經(jīng)濟,特別是對于我們個體來說是非常有益的。在這里其實我們只需要登陸APP去預約這個車,這個車就可以自己開過來。這是我們差不多幾個月前所做的一個原型,我們可以拿出手機上點擊預約按鈕,車就可以自己開過來接你。當然你想要開車的話可以自己開車,你想讓它自己駕駛,可以讓車自駕,有這兩種模式可以選。這個方面是非常好的例子,未來在共享汽車方面有可能自動駕駛也是非常大的一塊市場。這是我們一個新的概念,在現(xiàn)今全球共享汽車都是一個非?;鸬母拍?,所以我認為未來幾年有可能自動駕駛的車也會融入到共享汽車的板塊里。
最后作為總結,首先我要感謝主辦方邀請我,我非常高興來到這里。我們希望大家可以去思考一下過去的歷史,在過去歷史的基礎上再去思考一下未來。還有就是卡車司機,因為全球有很多的卡車司機。比如說卡車司機的工作可能會被代替。
因此,如果自動駕駛真的成為現(xiàn)實的話,差不多有10%的工作將會發(fā)生改變,在未來如果無人駕駛、自動駕駛能夠真正實現(xiàn)的話,不管是幾歲的小孩,還是年過半百或七八十歲,甚至是百歲的老人都有可能實現(xiàn)自我的駕駛。所以我們之需要等待時間,我希望在未來就能夠把這種不可能變成可能。
感謝大家!
- 蜜度索驥:以跨模態(tài)檢索技術助力“企宣”向上生長
- BEZ三十年 | 砥礪三十載 奔“賦”新征程 電子城高科舉辦成立30周年暨重組上市15周年主題活動
- 華為舉辦原生鴻蒙之夜暨全場景新品發(fā)布會,推出HarmonyOS NEXT和多款新品
- HarmonyOS NEXT正式發(fā)布:原生應用超15000個,開啟更多機型公測
- Gartner發(fā)布2025年十大戰(zhàn)略技術趨勢 代理型AI與AI治理入選
- 多項數(shù)據(jù)成果重磅發(fā)布,2024全球數(shù)商大會數(shù)據(jù)空間創(chuàng)新發(fā)展論壇在滬順利舉辦!
- 被歐盟重罰170億美元后,特朗普爆料蘋果CEO庫克打電話向自己求助
- 2024全球數(shù)商大會在上海盛大開幕,共繪數(shù)字經(jīng)濟新藍圖
- 2024全球數(shù)商大會開幕:數(shù)“聚”上海,“鏈”接數(shù)字經(jīng)濟新未來
- 大疆正式起訴美國國防部,就錯誤列入CMC制裁清單提出抗議
- 揭秘Neuralink腦機接口的“主刀人” 他是馬斯克野心的幕后操盤手
免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。