当前位置: 主页 > 技术方案

余凯 人工智能ppt-人工智能技术模式识别智能代理机器学习

发布时间:2023-05-31 22:14   浏览次数:次   作者:佚名

地平线机器人CEO说他们做的事情是一个听起来比较非主流、反主流的事情,尽管反主流,但是他们还是致力于要做嵌入式人工智能的领导者。

什么叫嵌入式人工智能?不是说在云端通过联网,在数据中心的大规模的计算去实现人工智能,而是说在本地计算,在不联网的情况下面实时的做环境感知,做人机交互,做决策控制。

在自动驾驶这样一个场景下面,如果突然一个小朋友横穿马路,如何把信号传到云端做处理做决策,这可能会有灾难性的,如果网络条件不稳定怎么办?所以说在这样的场景下面,实际上嵌入式人工智能就是完全低功耗的本地化的计算,实际上是成为一个必须。

人工智能技术模式识别智能代理机器学习_余凯 人工智能ppt_智能人工气候箱说明书

以下是余凯在12月17日的第七届全球新能源汽车大会上发言实录:

朋友们早上好。今天我想前面很多嘉宾都谈到了变革,其中谈到了大数据、人工智能技术,自动驾驶。今天在这里我以一个从技术专家的角度来给大家分享环境发生变化了,是因为技术创新它出现了新的市场的环境。对汽车行业可能会有什么样的影响余凯 人工智能ppt,我给大家稍微介绍一下。

第一个是一个简短的自我介绍,大家知道从2012年-2015年我在百度负责人工智能的技术研发,包括百度大脑、语音搜索、图像、广告跟搜索排序及自动驾驶。其实在那段时间做的所有的事情,用一句简单的话来概括就是在云端基于大数据、大计算做人工智能,这看起来是人工智能的主流,从去年2015年的7月份我创立地平线,实际上开始做的事情是一个听起来比较非主流、反主流的事情,我定义地平线是嵌入式人工智能的领导者。

什么叫嵌入式人工智能?它的部分是说在云端通过联网,在数据中心的大规模的计算去实现人工智能,而是说在本地计算,在不联网的情况下面实时的做环境感知,做人机交互,做决策控制。大家想想看,尤其是在自动驾驶这样一个场景下面,如果突然一个小朋友横穿马路,我们还要把信号传到云端做处理做决策,这可能会有灾难性的,如果网络条件不稳定怎么办?所以说在这样的场景下面,实际上嵌入式人工智能就是完全低功耗的本地化的计算,实际上是成为一个必须。

同样在很多场景下面我们都需要这种嵌入式人工智能的解决方案,所以其实地平线我们做的事情就是要做嵌入式人工智能的领导者。这里面包括从软件、从硬件甚至从处理器的架构重新定义怎么去实现低功耗、高性能的计算。主要应用的场景毫无疑问第一个是自动驾驶;第二个叫smart live。

今天大家在这里一起探讨,下一个能够影响世界影响人们的变革,最大的产业机会在什么地方?我个人是非常认可这样一个观点,这是麦肯锡跟布隆伯格的报告说2030年基本上每十辆车里面其中有四辆是有一定程度上的自动驾驶,这里面当然包括有可能是辅助驾驶,甚至2030年应该可以实现高速上的全自动驾驶甚至非高速的自动驾驶。

当然在中国我们面临一个非常大的产业机会是因为我们有庞大的市场,我们的汽车市场已经是世界第一大了。但是还有一个令人比较尴尬的数据是说,在全世界范围内每十万人的交通事故的死亡率,我们同时也是世界最高的,这一点让我觉得很尴尬,我以为我们会比墨西哥、印度好一些,但其实不是。怎么样通过技术变革使得交通出行首先是更加安全,其次是更加便捷,然后才是更加有趣,这是在这里我想跟大家探讨的话题。

刚才前面有一位讲者也谈到了,百年的汽车行业实际上来了野蛮人,这些野蛮人就是从互联网公司来的。这里面有一张照片是当年我在百度负责自动驾驶拍的照片,我也曾经是野蛮人其中的一位,但是今天我想给大家带来的是,野蛮人也需要进化,我们做一个类比来思考,未来无人驾驶怎么重新定义我们的交通出行。

大家回想一下在70年代80年代的时候,打电话是什么状况?那时候打电话通常是有个接线员,接线员大概记住了200-300个地址,这个地址就是插孔,帮你插上去,很像今天的出租车司机,你告诉他中国大饭店,他记住了大饭店的地址带你过来。后来发生了什么事情?发生了程控交换机,这样的变化就是从人工到自动变化实际上带来一个庞大的产业,它实际上让电信行业完全的被重构,比如今天我们看到有网络设备商、运营商、终端设备的制造商都被庞大。比如我们可以看提供基础设施的网络设备商,从爱立信到今天中国的华为。华为已经成为产业界的巨无霸。未来自动驾驶就会像程控交换机电信行业一样,会重构整个产业。这里面互联网企业、车厂、传统的供应商都必须拥抱这个趋势,并且在自己产业中找到自己的位置。

我们刚刚谈到用户体验,实际上用户体验里的核心内容就是我们永远会低估人类作为一个群体对懒惰的追求,在计算机的人机交互行业从键盘到鼠标到今天的触控,越来越方便了,让我们在越来越懒惰的状态下可以做人机交互。前几天我在网上读到一篇文章,让我觉得蛮震撼的我自己都没有意识到的,因为我小时候我妈妈会用这样一个缝纫机,那时候每个家庭都有一个缝纫机,到今天其实这个产业已经完全被变化了,家里面已经没有人把这个作为一个生活技能的必备品。今天我们来思考,我们交通出行需要花几个月的时间学习开车是我们生活的一个必备技能。在15年以后、20年以后这还会是我们生活的必备技能吗?我们需要去思考。所以我觉得用户体验无止境的追求会驱动产业变革。

当然我们讲从技术的角度讲我必须实事求是的说,我们今天谈无人驾驶余凯 人工智能ppt,其实谈何容易?这里面有一个报道,2014年9月份-2015年的11月份期间,Google的无人驾驶,司机不得不出手对无人驾驶进行干预,否则会发生13次碰撞事故,在42万英里的行驶过程中一共发生341次人为的干预,所以说实际上真正无人驾驶即使在Google这样的公司,媒体铺天盖地的报道,实际上他们是做不到无人驾驶的。我们不要看那辆车上面的传感器跟计算设备,加起来实际上可以买好几辆车了,即使在这样的情况下面而且还面临很大量产的风险包括稳定性、可靠性。

比如我自己亲身经历的,百度的第一辆无人驾驶车,当时跟BMW合作的,其实车厢打开后面塞满了机器,不要说没有地方放行李,这里面有个很大的问题,这个问题到今天都没有解决。像百度、Google包括优步这些无人驾驶车,每开两个小时就要找个地方散热,整个系统的可靠性、稳定性是个巨大的问题。所以说前段时间旁天皇的,当然chris urmson他是Google自动驾驶的负责人,他说无人驾驶可能需要30年的时间,从非常乐观到相当悲观。我从一开始百度负责无人车的时候就想,我们一定要对汽车产业100多年对驾驶、对安全积累的技术一定要有足够的敬畏之心,所以我们开始的时候就找传统车厂BMW合作

从汽车的OEM跟Tire-1是渐进的思想,从辅助驾驶、半自动驾驶、全自动驾驶,从有限场景,园区、高速公路到非线性的场景到全天候。这种线性发展路线从今天看是比较现实主义的,我也认为是可取的,但是最近技术发展其实给我们必须有一些提醒,就是说历史上面我们不缺乏这样的例子,由于某项新技术的变革,它改变了我们整个生存的外部环境,它有可能会出现这种剧烈产业变革甚至颠覆性的变化,下面我想跟大家分享一下最近人工智能方面的发展,实际上让我们每个人都要对这件事情有充分的敬畏之心,甚至我本人在人工智能行业已经工作了20年,从今年年初到今天差不多12个月的时间里面,我对人工智能技术怎么去影响自动驾驶漏洞发生了变化。所以技术实际上是在一个快速的变化中,我们必须要关注它、重视它。

历史上面当然有很多这样的例子,大家都知道陈亦度,摩托罗拉、诺基亚是神一般的存在,它是世界上最大的移动工具公司,现在它已经完全退出了市场,取而代之的是新一代的手机。历史上面同样也有,也出现过类似的例子,比如像柯达相机胶卷行业因为外部一个技术的变化,数码相机在几年之内把一个巨无霸给消失的无影无踪。人工智能技术在最近的几年里面,在过去十年时间里面,一个显著的发展趋势就是深度学习,因为深度学习它不但让语音识别成为可能,不但让图像识别开始进入产业,它甚至让下围棋这样一件事情第一次让机器做的远比人类要好,比人类最好的旗手还要好。

关于增强学习,这是一个不光是感知的问题,更加是一个决策的问题,这样一个连续决策的问题,优化一个长期的目标,它不光让我们的下棋能够做的更好,同时让自动驾驶也会加速往前去发展。最近我们看到在整个行业里面包括Google、地平线都在研究基于增强学习的自动驾驶的决策系统,他有可能在这个领域出现一个黑天鹅事件,比如今年年初的时候当时网易的记者问我预测阿尔法狗跟李世石的比赛谁会赢,当时整个全社会绝大多数人都觉得这次计算机没戏,打败不了人类的九段棋手。当时我的预测是说这次计算机会赢,这是在比赛前当时做的预测,基于的是对增强学习这样一个人工智能技术的理解。

在自动驾驶领域也有可能会出现这样的黑天鹅事件,我们必须对这件事情有敬畏之心。

另外一个就是计算,计算摩尔定律、架构的重新设计。比如我们看到最近这样一个曲线,这个公司叫NVIDIA,从去年八九月份开始到今天股票涨了5倍,因为一种新的架构使得人工智能的计算能够提升两个数量级,更高效的做深度神经网络的计算,使得这个需求,让这家公司从一百亿的公司变成五百亿的公司,在一年之内。所以变化其实在发生。

最近我看到特斯拉他们对外宣布他们明年所有的新车上面会装八个摄象头,环视,都是高清的,下面有NVIDIA的,PS2的计算平台,当然还有12个超声传感器,包括前像的毫米波雷达。但是他们的自动驾驶技术并没有准备好,但它采取了一个策略是技术还没有好,但是硬件、传感器先装上,技术未动数据先行,这是一个新的思维和方法论。它明年一年通过新推出来的汽车,比如四五万辆汽车,它通过车辆实际运营的数据积累两种数据,第一种是路况就是环境的实时数据。第二类数据是说在这样的环境和路况下面司机怎么操作、怎么决策。差不多可以积累十亿英里的驾驶员的决策数据,背后是一个深度神经网络在云端不断的学习,学习这样一个网络结构,学习人怎么操控的,这跟我们过去的思维,工程师自己写规则、自己调这些东西是不一样的,完全是机器自主的在学习。到2018年的时候它们会让自己的forward facing radar的能力,这是大数据驱动的自动驾驶,我们对这件事情要给予充分的关注,因为它有可能大大的加速整个自动驾驶的研发。

地平线内部在开发的,rational end to end自动驾驶决策系统,这个通过大量数据及计算机仿真,我们怎么样通过增强学习去学习最优的路径规划跟决策的算法,这里面还有一个很重要的方面是我们需要把人工智能的技术跟汽车行业长期积累的功能安全性的标准结合在一起,这也是一个很重要的课题。

最后我给大家总结一下我的两个观点:

1、我认为在自动驾驶的参与者,主要看到有两类,实际上有三类,一类是传统主机厂跟供应商所构成的强大的生态,这是现在的主流。还有一类是互联网企业比如像百度、Google、优步,还有一类是像地平线这样的人工智能的技术企业,我们认为传统主机厂和供应商与人工智能的技术企业需要彼此敬畏,一方面人工智能技术需要敬畏汽车产业对安全的理解。但另一方面传统主机厂跟供应商必须对当前人工智能技术它的快速发展,有可能像颠覆围棋一样的去颠覆自动驾驶技术,所以需要彼此敬畏,互相拥抱互相合作。

2、新的技术对世界的影响,其实在短期内,我们总是高估它,我们会觉得你想象的不像我想象的那么快,不像我想象的那么好。但是在十年的维度里面我们往往会低估,像十年之前你想不到今天的移动互联网怎么样改变你的生活一样,十年之后我们也往往很难想象那个时候自动驾驶改变我们的生活。

谢谢大家!