江苏龙网

  1. 首页 > 资讯 > 科技 > >

#驾驶#去了达摩院，修得真自动驾驶？( 二 )


#驾驶#去了达摩院，修得真自动驾驶？
文章图片

那么多少是足够呢？
举个例子 ， 上学的时候 ， 有的人翻一遍书最后考试就能拿到高分 ， 而有些人翻了无数遍书 ， 最后考试还是不理想 。 大家都是一双眼睛、一对耳朵 ， 最终却成绩不同 ， 本质上是因为聪明程度或学习方法（思维、习惯）不同导致的 。 也就是说如果足够聪明 ， 那么不需要太多的信息输入 ， 也能拿到不错的成绩 ， 即对于人来说 ， 所谓的足够 ， 主要取决于聪明程度 。
注：聪明程度不等于算力 ， 因为算力是一个数据处理量的绝对值 ， 类似于CPU的主频；而聪明程度可以简单理解为是算力*学习方法（思维、习惯） ， 也就是人们常说的天才不仅仅是智力高（算力高） ， 更多的是后天培养的思维方式 。
业界实现自动驾驶基本分为两种方式："强感知、强智能"和"弱感知、强智能" ， 后一种方式目前只有少数企业在采用 ， 也就是以视觉方案为主的策略 ， 代表是特斯拉；前一种则是绝大部分企业采用 ， 拥有激光雷达、高精地图等额外感知手段 ， 提升"强感知" 。
所谓的智能 ， 即是聪明程度 ， 抛开硬件的算力不谈（自动驾驶Tier1级别的处理器算力相差不大 ， 且除了特斯拉之外都是采购第三方的芯片） ， 各家厂商真正角逐的赛场 ， 其实在学习方法（思维、习惯）的提高方面 ， 换句话说 ， 也就是软件层面的问题 。 这其实就是为什么现如今自动驾驶行业的发展 ， 愈发偏向软件研发公司 ， 例如华为、达摩院等企业的入场 。
自动驾驶 ， 需要应对的道路情况极为复杂 ， 因为除了固定的道路信息之外 ， 每个人、车都具有极强的不确定性 ， 可能发生的情况接近于"无限" 。 如果由程序员来界定车辆在何种情况下进行某种操作 ， 那么就是以"有限"对"无限" ， 根本没有胜算 。 所以业界无一例外 ， 在对信息的整合处理阶段 ， 都是采用人工智能的方式 ， 对神经网络进行训练 ， 通过深度学习（Deep Learning ， 机器学习的一种）的方式提高"智力" 。
#驾驶#去了达摩院，修得真自动驾驶？
文章图片

深度学习 ， 是一种针对神经网络的训练方式 。 简单理解 ， 即是通过电子解构模拟了人类大脑的学习方式 ， 通过大量"学习材料"（数据）对其进行训练 ， 即可使其获得类似人类一样认知世界和理解世界的能力 。 （神经网络原理参考笔者另一篇文章：《霹雳游侠》离现实还有多远？）
举个例子 ， 拿一堆照片给神经网络学习 ， 一开始准确率并不高 ， 这就像小时候父母刚刚教你认识各种东西时一样的 。 但随着接触同类东西越来越多 ， 次数越来越多 ， 识别率会飞速提升 ， 直到无限接近100%的识别率 。
【#驾驶#去了达摩院，修得真自动驾驶？】#驾驶#去了达摩院，修得真自动驾驶？
文章图片

并且当训练到达一定级别时 ， 就如同人类已经对周围事物相当熟悉 ， 此时你并不需要仔细观察某物 ， 或者需要多种信息交叉对比才能确定这玩意到底是啥 ， 仅仅需要看一眼就能准确得知物体是什么 。 自动驾驶领域对神经网络的训练 ， 也能达到同样的效果 ， 一旦训练程度足够 ， 那么感知层面所需要的信息量就很少 。
#驾驶#去了达摩院，修得真自动驾驶？
文章图片

（神经网络训练示意）
例如comma.ai在普通车型上 ， 仅仅通过加装一部普通手机作为感知和运算单元 ， 加上自己写的自动驾驶算法openpilot ， 就能较好实现L2.5级别自动驾驶 。
#驾驶#去了达摩院，修得真自动驾驶？
文章图片


推荐阅读


上一篇：公司@300万违约金背后，武汉封城影像记录第一人经历了什么？ | 风眼前线

下一篇：『半价』联想第二次找罗永浩带货：半价ThinkPad？