En düşük yol testi 10 milyar mildir, bu, sürücüsüz güvenlik için kırmızı çizgi Wu Gansha ile röportaj
Titanium Media TMTPost.com
TMT İnovasyon Girişimcilik
Bu farklı WeChat hesabına dikkat edin: Titanium Media (ID: taimeiti)
Google'ın otonom sürüş şirketi Waymo'nun teknik direktörü, bir keresinde otonom sürüşün etkinliği için iki standart önermişti. Biri sürüş yeteneği, diğeri sağlamlık (Sağlam transliterasyon, sağlam, güçlü anlam anlamına gelir; anormal ve tehlikeli koşullar altında sistemin hayatta kalmasının anahtarıdır).
Sürüş yeteneği ile ilgili olarak, California DMV (Ulaşım İdaresi) tarafından yayınlanan yıllık sürücüsüz test raporu, aralarında Google, Tesla, BMW ve GM'nin de bulunduğu 11 şirketin yol testlerinin mevcut durumunu ortaya koydu. Google 2,2 milyon millik test verileriyle birinci sırada yer aldı. General Motors, otonom bir sürüş yazılımı şirketi olan Cruise'u satın almak için 1 milyar dolar harcadıktan sonra, geri geldi ve on binlerce mil test kilometreye ulaştı.
Aşağıdaki grafikten de görülebileceği gibi, Çeşitli üreticiler, sürüş kabiliyeti açısından el ele ilerlemektedir ve bir başka kriter olan sağlamlık, insansız sürüş teknolojisinin daha sonra büyük ölçekli ticari kullanıma doğru geliştirilmesi için ana ölçüm endeksi haline gelmiştir.
California DMV'den Titanium Media İstatistikleri
İnsansız bir sürüş sisteminin anormal ve tehlikeli koşullar altında hayatta kalmasının anahtarı sağlamlıktır.Aslında, bunun çağrışımı hata toleransı, yani otomatik sürüş sisteminin hala çalışma hataları yapıp yapamayacağı, normal frekansın ötesinde komutlar verip veremeyeceği ve ağ aşırı yüklemesidir. Normal çalışmayı sürdürün.
Kısa bir süre önce Titanium Media, Uisee Technology'nin Fangshan'daki test üssünü ziyaret etti ve Uisee Technology'nin kurucusu ve CEO'su ve Intel Research eski Dekanı Wu Gansha ile röportaj yaptı. Wu Gansha tanıtıldı, Sağlamlık, hem yapay zeka hem de sürücüsüz endüstrilerin konuştuğu ortak bir konu haline geldi.Güçlülük, algoritmalar, donanım ve altyapı gibi birçok düzeydeki sorunla ilgilidir.
Derin öğrenmenin "kara kutusunu" açın
Otonom sürüş sistemi üç bölümden oluşmalıdır: algılama, hesaplama ve karar verme Mevcut sıcak yapay zeka esas olarak algılama ve hesaplamada kullanılır. Lidar teknolojisinin maliyeti yüksek kaldığında, çoğu otonom sürüş sistemi, yapay zekanın derin öğrenme yetenekleri için doğrudan gereksinimleri olan ana görsel sensör olarak kameraları kullanır.
Wu Gansha, yapay zeka uygulamasını fiziksel dünya, dijital dünya ve yüksek riskli ve düşük riskli olmak üzere 2 x 2'lik dört çeyreğe ayırdı. Titanium Media'dan bir muhabire şunları söyledi: "Fiziksel dünyadaki düşük riskli durum robotları süpürüyor, dijital dünyadaki düşük riskli durum öneri sistemidir ve dijital dünyadaki yüksek risk finanstır ve insansız sürüş fiziksel dünyadaki yüksek risktir."
Fiziksel dünyada kritik bir görevde hata oluştuğunda sorun çok büyük olacaktır, bu nedenle yapay zeka bir arabaya uygulandığında güvenilirlik ve sağlamlık çok önemlidir.
Uisee Technology CEO'su Wu Gansha
Wu Gansha, bu nedenle yapay zekanın karşı karşıya olduğu en büyük sorunun derin öğrenmenin "kara kutusunun" açılmamış olması olduğuna inanıyor.
"Kara kutuyu kırmak ve otonom sürüşün yüksek risklerine uyum sağlamak için akademinin işbirliğini de dört gözle bekliyoruz." Dedi.
Titanium Media'ya göre derin öğrenme, giriş bilgilerine yanıt veren beyin nöronlarından esinlenen bir öğrenme sürecidir. Birçok analog nöron ve sinaps katmanı verilerle işaretlenir ve bu nöronların ve sinapsların davranışları, nasıl tanıyacaklarını öğrenene kadar öğrenme projesinde sürekli olarak ayarlanır. Örneğin, resimdeki bir kediyi nasıl tanıyacaklarını öğrenene kadar.
Ancak sorun, "bu tanımlama süreci açıklanamaz" da yatmaktadır.
Derin öğrenme ağı bir kediyi tanıyabildiğinde, öğrenme sisteminin bu resimde kedinin bıyığına, kedinin kulaklarına mı yoksa kedinin battaniyesine mi odaklandığını bilmiyoruz.
"Tek bir teknoloji olarak, Derin Öğrenme bağımsız olarak otonom sürüş misyonunu, özellikle de 'kara kutu' görevini üstlenemez. Veriler girer ve sonuçlar (sınıflandırma, algılama, segmentasyon, tahmin, kontrol vb.) Ortaya çıkar. Çoğu durumda tarif edilemez derecede iyidir, ancak Wu Gansha, Titan Media'ya verdiği demeçte, bazı durumlar açıklanamayacak derecede kötü ve içerideki mantık açıklanamıyor.
"Makine Öğrenimi" kitabının yazarı ve Nanjing Üniversitesi Bilgisayar Bilimleri alanında doktora yapan Zhou Zhihua, bir zamanlar derin öğrenmenin "kara kutu" problemini canlı bir şekilde tanımladı.
"İnsanlar bayıldıklarında, dokuzuncu dan'dan sekiz dan'a değişir ve derin öğrenme aniden dokuzuncu dan'dan erken aşamaya değişir."
Wu Gansha'nın görüşüne göre, sözde uçtan uca (video girişi, kontrol dışı) yaklaşım kabul edilemez. Şu anda, Amerika Birleşik Devletleri'nde NHTSA'nın otomatik sürüş performansında etikle ilgili bir gereklilik vardır, yani bir kaza meydana geldiğinde, istihbarat nasıl karar verileceği ve seçileceği net bir mantık vermelidir ve kara kutu bunu yapamaz.
"Kara kutu" sorunu çözülmedi çünkü açık ortam için yetersiz uyarlanabilirliğe sahip, çünkü bugünün makine öğrenimi, indüksiyon yapmak için eğitim veri setlerine dayanıyor. Bu sahne hiç ortaya çıkmazsa üstesinden gelemez, insanlar gibi analoji, analoji, mantıksal akıl yürütme, arka plan bilgisi, sağduyu vb. İle güçlü bilişsel işlevlere sahip değildir. " Wu Gansha, "Bu nedenle gelecekte yapay zeka algoritmalarının sağlamlığının artırılacağı ve derin öğrenmenin sağlamlığı artırmak için daha önce bahsedilen arka plan bilgisi, sağduyu, aktarım öğrenme, analoji ve Bayes mantığı akıl yürütme ile birleştirileceği kesin. Seks."
"10 milyar mil yol testi" en alt satırdır
Daha önce de belirtildiği gibi, sağlamlığın çağrışımı, sistemin hata toleransıdır. Wu Gansha'nın görüşüne göre, tek bir bileşen hatası kaçınılmazdır: Yeterli fazlalık varsa, hata tolerans oranı artacaktır ve bu tüm sistemin işidir. Örneğin, sensörler, bilgi işlem cihazları, güç kaynakları vb. Açısından yeterli yedeklilik olmalıdır.
Ek olarak, insansız araçların kapsamlı testi de sistem seviyesinden sağlamlığı iyileştirmenin bir yoludur.
Mercedes-Benz S-Class'ın kod boyutu, Boeing 787 Dreamliner'ın kod boyutunun 16 katıdır.Yapay zekaya sahip bir otomobil için, rasgeleliği ve makine öğrenimi kapsamlı testler gerektirir.
Şu anda Google ve Tesla da dahil olmak üzere sektörün önde gelen firmalarının fikir birliği var, yani, Yol testi kilometresi 10 milyar mile ulaştıktan sonra, insansız sürüş teknolojisinin olgunlaşması demektir.
Google'ın sürücüsüz arabaları, 2,2 milyon mil yol testi verisi; 1 milyar mil simüle edilmiş eğitim verisi (2016 itibariyle) dahil olmak üzere çok sayıda eğitim kilometresi biriktirdi. Tesla ayrıca büyük miktarda gerçekçi yol verisi elde etmek için küresel gönderiler aracılığıyla akıllı sürüş modülleri kullanıyor.
Uisee Technology şu anda park testi yoluyla, sürücüsüz teknoloji modüllerini dağıtmak için OEM'lerle işbirliği yaparak ve simülasyon ortamlarını kullanarak test verilerini iyileştiriyor.
Tabii ki, sürücüsüz sürüş hiçbir zaman arabanın kendisinin meselesi değildir.Sadece, V2X (Araçların İnterneti) uygulamaları gibi altyapının eklenmesi gibi temel düzeyde sürücüsüz etrafında yeniden planlama yapılarak sürücüsüz teknolojinin sağlamlığı iyileştirilebilir.
Wu Gansha, "Tüm sağlamlık iyileştirmesi, algoritmadan sisteme, kapsamlı projenin tamamıdır." Dedi. (Bu makale ilk olarak Titanium Media, muhabir / Li Qin tarafından yayınlandı)
WeChat çok az zorlarsa, bir sonraki Titanium Media Uygulaması daha zamanında olacak
Bunu anlamadım Roman dünyası
Profesyonel yardımcınız olun, Titanium Media Pro (Professional Edition) burada, daha zengin bir profesyonel bilgi hizmeti sistemi, tıklayın "Orijinal metni okuyun" ve Titanium Media'nın profesyonel bir kullanıcısı olarak kaydolun.
