侵权投诉

搜索
更多>> 热门搜索:
当前位置:

OFweek工控网

机器人

正文

以现有AI技术 全自动驾驶汽车或需更长时间面世

导读: 国外媒体刊文称,包括特斯拉、谷歌和Uber在内的多家公司都在开发全自动驾驶技术。然而质疑者认为,由于现有人工智能技术的瓶颈,全自动驾驶汽车可能要花比预期中更长的时间才会面市。

国外媒体刊文称,包括特斯拉、谷歌和Uber在内的多家公司都在开发全自动驾驶技术。然而质疑者认为,由于现有人工智能技术的瓶颈,全自动驾驶汽车可能要花比预期中更长的时间才会面市。

以下为文章主要内容:

如果你相信公司CEO们的说法,那么也许会认为,一辆可完全自动驾驶汽车距离面市可能只有几个月时间。

2015年,特斯拉CEO埃隆·马斯克(Elon Musk)预测,到2018年,特斯拉将推出全自动驾驶汽车。谷歌也是如此。Delphi和MobileEye的Level 4自动驾驶系统目前计划在2019年推出。同年,Nutonomy将在新加坡街道上部署数千辆无人驾驶出租车。通用汽车将于2019年投产一款全自动驾驶汽车,这款汽车没有方向盘,也无法由人工干预。在这些预测背后,企业投入了真金白银,并基于这样的假设:软件发展能赶得上表面上的热闹。

简单来看,我们目前距离全自动驾驶已非常接近。Waymo已经在亚利桑那州公共道路上测试此类汽车。特斯拉和多家其他公司已销售自动驾驶系统的基础版本,这样的系统在发生意外情况时仍然需要司机来干预。在这个过程中,发生了一些事故,有人丧生。但只要系统持续改进,逻辑不断优化,我们就能做到完全不需要人工介入。

然而,全自动驾驶汽车可能比我们想象中更远。人工智能专家越来越担心,自动驾驶系统如果想要可靠地避免事故,那么可能需要几年到几十年的时间。自我训练的系统需要面对现实世界的混乱,而纽约大学加里·马库斯(Gary Marcus)这样的专家正准备调整原先的预期。有些时候,这也被称作“人工智能的冬天”。技术发展的推迟可能会给指望自动驾驶技术的公司带来灾难性后果,让整整一代产品无法实现完全的自动化

我们可以很容易地理解,为什么汽车厂商对自动驾驶持乐观态度。过去10年中,基于机器学习算法来处理大数据集的深度学习技术推动了人工智能和科技行业的巨大发展。深度学习被用于谷歌搜索、Facebook消息流、会话式的语音转文本算法,以及强大的围棋系统。在互联网行业以外,我们利用深度学习技术来探测地震、预测心脏病,以及标记出摄像机镜头前的可疑行为。如果没有深度学习,这一切都是不可能的。

然而,深度学习需要大量训练数据才能正确工作,需要包含算法可能遇到的几乎所有场景。例如,类似谷歌图片的系统只要获得足够的训练数据,告诉它每种动物长什么样,那么就能很好地去识别动物。马库斯将此类任务称作“插值”,即对所有已标记的图片进行分析,判断新图片是否属于某个群组。

在数据来源和结构方面,工程师可以很有创新性。然而,算法有自身的极限。除非预先向算法提供大量豹子的图片,否则算法无法识别出什么是豹子,即使这个算法此前已经能识别家猫和美洲虎,并且知道豹子的长相介于两者之间。这个过程被称作“泛化”,需要完全不同的能力集。

很长一段时间以来,研究者认为,可以使用正确的算法来优化泛化能力,但最近的研究表明,传统的深度学习在泛化能力方面甚至比我们想象中还要糟糕。研究发现,传统的深度学习系统很难在一段视频的不同帧之间进行泛化,例如由于背景的细微变化将同一只北极熊贴上了狒狒、猫鼬和黄鼠狼的标签。由于每个分类都基于数百个因素的共同作用,因此图片的微小改变就会完全改变系统判断。其他研究员已经在对抗数据集中利用过这点。

马库斯指出,聊天机器人狂热是关于泛化问题的最新例子。他表示:“2015年时,我们得到了关于聊天机器人的承诺。然而,这些聊天机器人表现得并不好,这并不仅仅是收集数据的问题。当你在网上和他人交谈时,你不希望他们总是重复之前的话。你希望他们能对你的话做出回应,有更多样的对话技巧,给你不同于他人的回应。深度学习技术并不能开发出这样的聊天机器人。一旦最初的狂热退去,企业就会对聊天机器人项目失去信心。目前,很少还有公司仍在积极开发聊天机器人。”

1  2  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

  • 机械
  • 自动化
  • 单片机
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号