|
來源：騰訊科技 據(jù)外媒報道，根據(jù)畢馬威的最新報告，深度學(xué)習(xí)和其它機器學(xué)習(xí)技術(shù)將給汽車和運輸行業(yè)帶來巨大變化。到2030年，這些進步產(chǎn)生的價值將達到1萬億美元。 畢馬威汽車行業(yè)負責(zé)人加里·希爾伯格（Gary Silberg）在題為《我看見，我思考，我駕駛（我學(xué)習(xí)）》（I see. I think. I drive. (I Learn)）的報告中列舉了現(xiàn)有的無人駕駛汽車可能面臨的一些障礙：“你如何讓汽車在紅燈亮起時停下？讓它在紅燈亮起時仍能右轉(zhuǎn)？但紐約是個例外，那里紅燈亮?xí)r右轉(zhuǎn)是違法行為。或者如何識別出紅燈時禁止右轉(zhuǎn)的特定區(qū)域？如果人行橫道上有行人該如何處理？如果你前面有人違法闖紅燈怎么辦？如果有自行車不按車道行駛，快速超過你時，又該怎么辦？” 畢馬威認為，如果一輛汽車沒有接受特定的指令來告訴它應(yīng)該在特定情況下采取哪些措施，或許就只能被迫停車，或者采取其他司機（或其他無人駕駛汽車）無法理解的應(yīng)對方式。 例如，特斯拉最近就發(fā)布了一段Autopilot技術(shù)的視頻，人們可以從中發(fā)現(xiàn)那輛汽車在好幾個地方意外停車，或者對某些情況作出了不自然的反應(yīng)。深度學(xué)習(xí)可以幫助汽車根據(jù)之前的結(jié)果更好地理解這些狀況。 希爾伯格補充道：“如果一輛汽車不會學(xué)習(xí)，那仍要依靠數(shù)百萬行的代碼。如果采用如此復(fù)雜而含糊不清的方式，全自動駕駛汽車在未來很多年里都無法實現(xiàn)。” 深度學(xué)習(xí)如何讓汽車更加聰明 深度學(xué)習(xí)可以在特定的層分析一個場景，最初很原始，但復(fù)雜度會逐步提升。通過在每個層上學(xué)習(xí)與這個場景有關(guān)的信息，并輔以訓(xùn)練措施，系統(tǒng)便可改進自己的能力，做出正確的決定。 在數(shù)據(jù)總量相同的情況下，深度學(xué)習(xí)比預(yù)先制定的算法更加精確，后者需要手動編程，而且要依賴最基本的編程邏輯——例如，IF路上有貓經(jīng)過，THEN剎車。 深度學(xué)習(xí)也比機器學(xué)習(xí)更加精確，后者也需要借助人類的幫助來判斷各種變量，包括車道標記、護欄和行人。深度學(xué)習(xí)則比機器學(xué)習(xí)更進一步，可以識別各種新的變量（例如紅燈亮?xí)r可以能否右轉(zhuǎn)這種細微差別），而且能夠擴大神經(jīng)網(wǎng)絡(luò)的規(guī)模。 汽車廠商還必須在語義抽象和端對端學(xué)習(xí)兩種深度學(xué)習(xí)方法間做出選擇，二者各有優(yōu)劣。前者是一套模塊化系統(tǒng)，可以幫助程序員知道護欄探測系統(tǒng)或停車信號探測系統(tǒng)是否負責(zé)特定錯誤，但需要采取很多人工編程工作。 后者則是一套全盤系統(tǒng)，利用大數(shù)據(jù)來自動判斷護欄，并根據(jù)人類駕駛實例進行優(yōu)化。這種模式的表現(xiàn)可能更加精準，但卻很難訓(xùn)練，也不容易做出適當(dāng)?shù)恼{(diào)整。 汽車行業(yè)的未來 該報告稱，由于94%的交通事故都是由司機造成的，采用深度學(xué)習(xí)技術(shù)的汽車可以挽救成千上萬人的生命。這種技術(shù)還可以為不方便出行的人提供便利的服務(wù)，提升卡車的安全性，提高生產(chǎn)效率。除此之外，還有望降低交通擁堵，增強交通運輸系統(tǒng)民主化。 如何才能實現(xiàn)這些目標？首先，人才至關(guān)重要。能夠開發(fā)深度學(xué)習(xí)系統(tǒng)的人并不多，這些人未來幾年將面臨很高的需求。谷歌、微軟、英偉達、IBM和英特爾已經(jīng)挖走了其中的多數(shù)人才，而高等院校還無法在這一領(lǐng)域培養(yǎng)足夠的畢業(yè)生。 汽車廠商或許也需要通過共享方式開發(fā)新型汽車擁有模式，而不再一味依賴私家車。OEM廠商也必須大幅提升汽車本身的計算能力，這有可能要借助基于GPU的車載系統(tǒng)來分析大量數(shù)據(jù)。 這些真的價值1萬億美元嗎？考慮到企業(yè)目前從深度學(xué)習(xí)中獲得的種種利益，不難想象實際數(shù)字可能還會更大。 |
