侵权投诉

搜索
更多>> 热门搜索:
订阅
纠错
加入自媒体

以现有AI技术 全自动驾驶汽车或需更长时间面世

2018-07-06 02:19
来源: 硅谷网

这就让特斯拉和其他自动驾驶公司面临一个可怕的问题:自动驾驶汽车能否与图像搜索、语音识别和人工智能等其他成功应用类似,持续得到优化?它们是否会像聊天机器人一样,遇到泛化问题?自动驾驶是插值问题还是泛化问题?驾驶过程中的不可预见性究竟有多少?

现在回答这些问题还为时过早。马库斯说:“无人驾驶汽车就像个科学实验,我们不知道答案。”我们从来没有实现过这种水平的自动驾驶,因此不知道这是种什么样的任务。就识别熟悉的对象和遵循规则而言,现有的技术能很好地完成。然而马库斯担心,在易发生事故的情况下很好地完成驾驶,这要比汽车行业想象中复杂得多。“关于如何处理意料之外的新东西,深度学习做得并不好。”

我们获得的实验数据来自公开的事故报告,所有这些报告都提供了一些不同寻常的细节。在2016年的车祸中,一辆特斯拉Model S全速撞向一辆白色半挂卡车的尾部。当时,半挂卡车的高度和明亮的阳光令自动驾驶系统发生误判。今年3月,Uber的无人驾驶汽车撞到一名推着自行车的女性,当时后者突然横穿马路。根据美国交通运输安全委员会(NTSB)的报告,Uber的软件最开始将这名女性错误地识别为未知物体,随后是一辆汽车,最终是一辆自行车。在加州的另一场事故中,一辆Model X朝着障碍物行驶,在碰撞前还在加速,系统这样做的原因目前仍不清楚。

每场事故看起来都像是个边缘案例,即工程师无法预料的情况。然而,几乎每场事故都涉及了不可预见的场景。如果缺乏泛化能力,无人驾驶汽车将不得不一个又一个地学习新情况,而最终结果就是一连串的意外事故,且安全性无法随时间推移得到改善。如果怀疑这个结论,那么可以看看人工干预自动驾驶系统的报告。这样的场景已经发生,技术进步已经进入平台期。

Drive.AI创始人、百度前高管、行业最知名的推动者之一吴恩达认为,问题并不在于构建完美的驾驶系统,而在于告知路人如何去判断无人驾驶汽车的行为。换句话说,我们可以尝试让道路交通环境对汽车来说更安全,而不是从另一个方向入手。关于不可预料的场景,我问他,他是否认为,当前的系统能处理拿着手杖的行人,即使系统从未见过这样的对象。他回答:“我认为,许多自动驾驶团队都能处理人行横道上拿着手杖的行人,但在高速公路中间这样使用手杖会非常危险。”

他认为:“我们不应该用人工智能去解决手杖的问题,而是应该与政府合作,要求人们遵守交通规则,有更谨慎的考虑。安全问题并不仅仅依靠人工智能技术的质量。”

深度学习并不是唯一的人工智能技术,企业已开始探索替代方案。尽管技术在业内受到密切保护(看看Waymo近期对Uber的诉讼就可以知道),但许多公司已经转向了基于规则的人工智能。这是种更古老的技术,工程师会将特定行为和逻辑写入自治的系统中。这种系统无法像深度学习一样,通过分析数据来自主确定行为,但却能避免深度学习的某些局限性。然而,由于基本的认知任务仍然受到深度学习技术的深刻影响,因此很难说工程师们在隔离可能的错误时有多成功。

Lyft董事会成员、风险投资人Ann Miura-Ko认为,部分问题在于对自动驾驶汽车的期望过高,因此将所有非全自动驾驶的东西都归结为失败。他表示:“期望从0直接走到Level 5本身就是不合理的,并不是技术上的失败。我认为,所有这些微小的改进都是在通往全自动驾驶道路上取得的重要成就。”

不过仍不清楚,自动驾驶汽车目前的困境还会持续多久。类似特斯拉Autopilot的半自动驾驶产品已足够智能,能处理大部分情况,但如果发生意料之外的情况,那么仍需要人工干预。因此,一旦实际发生问题,很难知道问题的原因是汽车还是司机。有些批评人士认为,即使错误很难完全归咎于机器,但与人工驾驶相比,这种两者相结合的模式可能更不安全。兰德公司的一项研究估计,无人驾驶汽车需要行驶2.75亿英里,且不发生致命的安全事故,才能证明它们和人工司机一样安全。特斯拉Autopilot第一起致人死亡的事故发生在项目进行了1.3亿英里时,距离2.75亿英里还有很远的距离。

不过,由于深度学习仍然是汽车感知对象、做出回应的核心,优化事故率可能比看起来更难。杜克大学教授玛丽·卡明斯(Mary Cummings)提到了今年早些时候Uber发生的致命事故。“感知-决策周期通常相互关联,就像这起导致行人死亡的事故一样。感知环节未能做出明确判断,导致决策环节决定不采取任何行动。而由于传感器提供了太多假警报,紧急制动也被关闭。”

这场事故导致Uber今年夏天暂停了自动驾驶项目,这对于其他计划推出自动驾驶系统的公司来说不是个好兆头。在整个行业中,各家公司都在竞相获得更多数据,以解决这个问题。他们认为,积累里程数最多的公司将开发出最强大的系统。然而马库斯认为,还有更难以解决的问题:“他们只是使用已有的技术,希望技术能发挥效果。他们依靠的是大数据,因为这是他们的支柱,但没有证据表明,这可以帮你达到我们需要的精确度。”

<上一页  1  2  
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。

发表评论

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

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