年夜数据与算法对于实现无人驾驶哪个更主要?

无人驾驶汽车上重要的传感器:激光雷达、摄像、毫米波雷达、GPS、超声波雷达和车轮转角传感器等。ElonMusk曾经在公然场所多次说过,不消激光雷达只用摄像头,也能实现Level4以上的无人驾驶。可是我小我感到他这么说实在是有贸易化方面的斟酌。 特斯拉的汽车已经在售,卖出往的车只能更新软件,确定不克不及换硬件,好比全体从头装上激光雷达(否则今天特斯拉也不会说此刻在产的特斯拉汽车会换上新的硬件体系)。何况,Google无人车用的64线Velodyne激光雷达自己的价钱高达75000美元,这几乎和低配版特斯拉在美国的售价差未几了。特斯拉的车要卖的好必需把持本钱,Google的无人车今朝还只是处于测试阶段,几百辆的范围当然可以什么好用用什么,比拟于特斯拉几万的产销量,花不了几多钱。本年5月7日,美国佛罗里达州的一位特斯拉车主在应用Autopilot时产生车祸,终极不幸生亡。由此还导致给特斯拉供给盘算机视觉技巧的Mobileye开创人AmnonShashua与ElonMusk之间的口水战,两边终极还闹掰了:Mobileye公布在与特斯拉合同停止后不再持续合作。在特斯拉9月11日宣布的Autopilot8.0版本中,特斯拉把毫米波雷达采集到的数据作为了把持体系判定的重要根据,而不是之前Mobileye的摄像头。说起5月份的车祸,实在在车祸产生前,特斯拉的毫米波雷达已经感知到有障碍物,可是摄像头因光线的题目,没有发明在蓝天白云布景下的年夜货车,最后导致车祸产生。Musk确定也知道了摄像头并不靠谱,所以才在Autopilot的新版本中把毫米波雷达的数据作为重要参考根据。综上所述,Musk说「不消激光雷达只用摄像头,也能实现Level4以上的无人驾驶」更多是出于贸易化方面的斟酌。此举意在一边用现有的传感器收集数据,一边等激光雷达价钱降下来。小我以为,假如固态激光雷达的价钱真能如宣扬中所说降落到100美元到200美元,为了包管汽车行驶的平安性,Musk确定是会用的。一方以为:数据为王,再牛的智能算法也拼不外海量的数据。而另一方则以为:数据只是建材,强盛的剖析才能才干让它酿成摩天年夜楼,对效力的寻求导致了算法,年夜数据代替不了算法。日前,Google和特斯拉都颁布了各自的测试里程数。据外媒报道,Google公布本身的无人驾驶汽车方才完成200万英里途径行驶里程。而特斯拉开创人ElonMusk也于几天后在小我Twitter上公布:特斯拉Autopilot宣布后的1年中累计行驶里程已到达2.22亿英里。Google和特斯拉两方的亮相概况上似乎也印证了微博会商中两边的不雅点:数据为王VS算法为王。那现实情形毕竟若何?我们不妨斟酌另一个相似的现象:年夜大都人以为Google的搜刮比微软的Bing搜刮在质量上做得略好一点的原因是Google的算法好。但在前Google工程师吴军博士看来,这种见解在2010年之前是对的,由于那时Bing在技巧和工程方面显明落伍于Google。但今天这两家公司在技巧上已经相差无几了,Google还能稍稍占优,很年夜水平上靠的是数据的气力。与搜刮算法尚不成熟的2000年分歧,今天已经不存在一个未知的方式,仅凭它就能将正确率进步哪怕一个百分点。Google凭借PageRank算法给搜刮成果带来了质的变更,而好的搜刮成果能吸引更多的用户应用Google的搜刮引擎,这不知不觉间给Google供给了大批的点击数据。有了这些数据之后,Google可以练习出更准确的“点击模子”,而点击模子进献了今天搜刮排序至少60%到80%的权重,这将吸引更多的用户,全部进程是一个典范的不竭自我强化的正反馈进程。在Google内部,产物司理们都遵守如许一个规矩:在没稀有据之前,不要给出任何结论。由此可见,Google的企业任务已经融进了员工的日常工作中。Google恰是充足应用了年夜数据的气力,顺遂成为了对整张互联网举足轻重的关键节点,很是天然地实现了对互联网的垄断。再举一个例子,9月27日Google宣布了新版本的神经机械翻译体系(GoogleNeuralMachineTranslation,GNMT),传播鼓吹该体系的翻译质量接近人工笔译年夜大都网友在现实测试事后,表现面前一亮。与此同时,这也引起了某些翻译工作者的发急:「作为翻译看到这个消息的时辰,我懂得了18世纪纺织工人看到蒸汽机时的忧虑与胆怯。」而这实在也是充足应用年夜数据的成果。实在早在2005年,Google的机械翻译质量就让全世界从事天然说话处置的人震动不已了:从来没有从事过机械翻译的Google,在美国国度尺度技巧研讨所(NationalInstituteofStandardsandTechnology,NIST)的年度测评中远远领先。在阿拉伯语到英语翻译的封锁测试集中,Google体系的BLUE评分为51.31%,领先第二名快要5%,而进步这5个百分点在曩昔须要研讨5到10年。Google毕竟是做到的呢?除了Google一贯的行事作风——把该范畴全世界最好的专家、南加州年夜学ISI试验室的弗朗兹-奥科(FranzOch)博士挖过来之外,最要害的仍是Google手里握有改良机械翻译体系所须要的年夜数据。从奥科2004年参加Google到2005年加入NIST测试,时代只有一年时光,如斯短的时光只够他将在南加年夜的体系用Google的法式作风从头实现一遍,完整没有额外的时光做新的研讨。而从上图中我们可以看到,Google和南加年夜体系的程度差了5到10年。此中的机密就在于:奥科在Google仍是用的在南加年夜应用过的方式,但充足应用了Google在数据收集和处置方面的上风,应用了比其他研讨机构多上万倍的数据,练习出一个机械翻译的六元模子(一般来讲N元模子的N值不跨越3)。当奥科应用的数据是其他人的上万倍时,量变的积聚导致了质变的产生,而这就是当今人工智能范畴最威望的几位专家之一杰弗里-辛顿(GeoffreyHinton)传授所保持的“多则分歧”吧。值得一提的是,SYSTRAN公司是一家应用语律例则进行翻译的企业,在科学家们还没有想到或者有前提应用统计的方式进行机械翻译之前,该企业在机械翻译范畴是最领先的。但此刻与那些采取了数据驱动的统计模子的翻译体系比拟,它的翻译体系就显得很是落伍了。颠末上述剖析,对本小结的题目终于可以下一个较平安的结论:在当下的企业竞争中,比拟于算法或数学模子,数据的主要性简直要年夜得多,即数据为王。由于前者往往由学术界在几十年前就已经发明了,所有企业都可以加以应用,可是多维度的完整数据并不是每一个企业都拥有的。今天良多企业在产物和办事的竞争,某种水平上已经是数据的竞争了,可以说没稀有据就没有智能。由于从理论上讲,只要可以或许找到足够多的具有代表性的数据,就可以应用概率统计成果找到一个数学模子,使得它和真实情形很是接近,从而节俭了大批人力本钱或赐与了用户更愉悦的体验。总结特斯拉已经积聚的2.22亿英里行驶数据,以及将来将要积聚的数据,对于他们研发Level4以上的无人驾驶汽车长短常有辅助的,特斯拉可能会终极会先Google一步实现量产。今朝出于贸易化的斟酌,已量产的特斯拉用“摄像头毫米波雷达超声波雷达”作为重要传感器,可是比及低本钱的固态激光雷达机能更稳妥。我信任Musk确定是会装上往的(有网友已经在加州的途径上拍到头上顶着激光雷达的特斯拉汽车偷偷在做测试了),由于这对于包管实现99.9999%的车辆行驶平安性长短常有辅助的。 文章标签: 特斯拉 传感器 无人驾驶 年夜数据

发表评论

电子邮件地址不会被公开。 必填项已用*标注