余**：人工智能让未来出行更加美好

第二个启发是大家都知道的ALPHAGO，今年第三代ALPHAGO叫ALPHAGO ZERO，是通过左右互搏产生的虚拟数据去训练它，提升它，它完全没有用任何人类历史上的棋手所产生的数据，这个也给我们启发。这个启发就是我有可能在仿真的平台上面产生虚拟的数据，而不是虚拟产生真实的数据驱做。这两个思想实际上都启发我们去做自动驾驶，这样的一个系统，我们希望它能够从用户大量的每天实际的行为里面去学习，我们希望它能够从很多虚拟的仿真的平台上产生的虚拟数据中去学习，这样的一个系统，它是一个学习的系统而不是一个用人工标注数据训练的系统，这个非常重要。

打造高性能的自动驾驶的大脑需要全栈式的软件硬件结合，从本地端到云端的配合， 也就是一个全栈式的技术解决方案。 在软件算法的设计上，自动驾驶来软件框架它必须有这种透明可追溯性。什么叫透明可追溯性，就是说如果一辆自动驾驶汽车在路上面出现某一个不完美的行为，或者某一个奇怪的决策跟判断，那我们需要知道，是什么原因。如果我们不能知道它是什么原因，而是一个黑箱系统，我们就找不到提升这个系统的办法。第二点就是端到端的学习，第三点是软硬件的结合，因为这是在路上跑的硬件，怎样使软件和硬件更高效的配合，达到最佳的效率，最低的功耗，最好的实时非常重要。

我们先讲第一个点，神经网络正在逐步的受到重视，其中核心的原因是因为它把一个人工智能的系统分解成一个白箱系统，这样的白箱系统使我们可以利用和构造一个软件系统，它既有深度神经网络所有的优点，同时使这个网络整个来讲的话，对我们来讲他是一个透明的可理解的，我们可以控制的，可以不断提升的，具体的技术细节。

未来自动驾驶的硬件平台需要在软件任务上面能够达到充分的优化，很难有一个固定的硬件架构能够适应软件的不断发展，是FPGA的可重塑性使得它能灵活满足。我们可以根据不同的驾驶场景从辅助驾驶到半自动驾驶等不断地演进它的硬件架构。我们和英特尔从去年的11月份开始合作，到现在发展也非常的快，在英特尔的FPGA上实现非常复杂的计算， 在ASIC上开发软件和硬件系统。基于英特尔的FPGA所实现的深度神经网络的计算不光是实时更流畅，像素的计算跟处理更精确，更强大，同时， 它提取信息的纬度更加丰富。充分通过软件和硬件的充分的协调和优化，我们未来能够不断地去迎接自动驾驶的挑战。

另一个例子是在城市道路工况上面，我们不仅仅是要知道这个行人在哪个位置，我们需要知道这个行人在未来5秒他可能往哪个方向走，这个关乎我们路径规划的决策，比如说这个视频里面，实际上我们检测每一个人脸的朝向，大家可以看到，因为脸的朝向关乎他未来行走的方式，人大概率不会往脑袋后面走，整个的身体的姿态的动作，它都会帮助我们去预测下5秒钟行人往哪个地方走。地平线基于这样的一个平台推出了国内第一款所谓的叫自主代客泊车，它会试运营两年，然后我们把它大规模的产品化。对共享出行而言，自动驾驶的第一场景是你把这个车开到一个商场，你要和朋友吃饭，那把这个车停在这个地方，这个车是会自动找无线的充电桩，会自动找这个停车场。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!