先忘记吴恩达，我们和博世 AI 部门老大聊了聊汽车供应商怎么做人工智能
在今年年初，博世成立了自己的「 全球人工智能研究中心」，这个中心包括德国斯图加特，印度班加罗尔以及美国帕罗奥图三个研发据点。上周 BCW 大会上，博世的 CEO Dr. Volkmar Denner 发布了与 NVIDIA 的合作消息，并将 AI 列为了博世未来发展的四个重要方向之一。想看 GeekCar 专访 NVIDIA CEO 老黄的文章， 请戳这里 。 在大会期间，GeekCar 采访了这个「 全球人工智能研究中心」 的负责人 Dr. Hauke Schmidt，同时在场的还有博世的企业公关总监 Dirk Haushalter。Dr. Schmidt 之前是博世数据挖掘部门的负责人，而这个部门很有可能就是 AI 研究中心的前身。 以下为采访的实录（G 代表 GeekCar，H 代表 Dr . Hauke Schmidt，D 代表 Dirk Haushalter）： G：首先请您先介绍一下您所带领的这个部门吧，这个部门主要都是做哪些与 AI 相关的事情？ H：我们把这个部门称之为人工智能中心，因为它包含着全球多个研究据点。我们主要关注的是人工智能当中的深度学习（Deep Learning）以及机器学习（Machine Learning）领域，换句话说就是数据驱动的领域。目前，我们还没有涉足语义以及符号分析等领域，但是未来或许也会有所涉及。 G：在您看来，AI 和自动驾驶的联系是怎样的？ H：自动驾驶当中的很多方面都需要 AI，比如说感知、路径规划、执行以及车辆控制等。这是一套非常复杂的系统，而 AI 可以将这些部分链接在一起。例如目前的传感器和控制系统是相对分离的，我们需要 AI 将他们整合到一套系统中。 G：如果我们把自动驾驶分为感知、地图、决策、控制四个环节的话，AI 是不是主要将负责决策的部分？ H：其实在感知部分，AI 的作用也十分重要。因为感知不简简单单是传感器收集画面，机器还需要分辨出行人， 自行车，机动车等等。这些都需要通过数据分析和 AI 的应用去做具体的识别划分。 G：那么在驾驶决策部分呢？机器如何学习人类一样的驾驶行为？ H：如果从数据驱动的深度学习角度去看，那么模拟人类的驾驶行为主要是依靠案例及数据。这需要将车辆放在各种不同路况和场景中测试，并看机器在这些场景当中做出的决策是否够好。在测试过程中需要有人工的驾驶员在驾驶位置随时待命，以防止问题的发生。一旦机器产生了错误的决策，那么这些错误将被作为反面教材去重新优化算法，这样的话下次机器再遇到类似的场景的时候，就会做出更好的决策。 G：提起人工智能，人们总是会想起在围棋比赛中击败人类职业棋手的 Alpha GO。那么 AI 在围棋上的应用和在驾驶上的应用有什么不同？因为驾驶环境当中包含更多的决策者，且环境很难预测。 H：这两者间有多个区别。首先，驾驶的环境是不可预知的。第二，可选择的行动数量也不同，在下棋当中，每一步的可选择范围一般只有三四种，最多也就是六七种，且这些行动非常的具体化（在不同的位置落子）。但是在驾驶环境中，这个选择范围就大得多了，单说转向的时候，就有多种不同的转向程度，因此在驾驶场景中，机器将会有更多的选择空间。第三，两者在量化程度及可计算程度上也不同。下棋时，机器可以提前计算出不同步骤下所可能产生的结果，对对手的预判也会更加准确。而在驾驶环境中则不同，路面上会有多个认为决策者（行人，人工驾驶的机动车等），他们有他们自己的行为策略，机器无法保证一直对他们的行为做出准确预判。所以驾驶要比下棋有着更多的不可预知性。 G：那么你们将通过什么方式来攻克这种不确定性？ H：就像我之前说的，还是要通过足够多的案例及测试数据积累。只有积累足够多的测试里程，并应对了足够多的驾驶场景，机器的算法才能够不断的优化。 G：所以我可否能理解为目前自动驾驶的瓶颈就在数据的积累上？ H：是这样的。目前自动驾驶发展的关键就是要积累足够多的有效数据，并不是所有数据都可以，有效的数据需要有清晰的标注，你需要告诉机器，这个数据中的行为是正确的还是错误的。积累这种有效数据需要极大的成本，而这正是自动驾驶发展的瓶颈所在。 D：同时是不是还需要把系统和算法做的更加智能化？ H：我认为让系统和算法更智能化是个挑战，但还不会是瓶颈。目前我们已经集结了很多专家来让系统更加智能化，这个目标是可以解决的。但是再好的系统也需要有足够的数据去驱动和优化，这就像驱动发动机的燃料一样。 G：现在行业内有机器学习（Machine Learning）、深度学习（Deep Learning）、CES 期间 Mobileye 又提到了增强学习（Reinforcement Learning）。这几种方式有什么不同？ H：深度学习（Deep Learning）的特点在于神经网络的结构，深度学习在神经网络上有着众多的隐层（Hidden Layers），一般 5 层以上。在神经网络中会有输入层，这个上面的神经元会链接车辆上面的各个传感器，例如一个 1000×1500 像素的摄像头，每个像素是输入层上的一个神经元。然后网络中还会有输出层，它来负责车辆的控制，例如转向，刹车等。而隐层的作用就是链接输入和输出层，隐层的具体决策和工作逻辑目前还不清晰，这也是我们研究的一个重要方向：去解释隐层的决策逻辑。以上就是深度学习的基本原理。 而增强学习（Reinforcement Learning）的重点是如何去训练神经网络中的神经元。增强学习的应用关系到了应用环境，例如车辆在驾驶环境中做出了一个行为，这个行为会对驾驶环境产生影响，此时车辆上将会自行判定这个行为到底是好的还是坏的，比如这个行为是撞上了别的车还是保持了正常的行驶线路。在这个判定之后，系统的算法会收到一个正面或者是负面得反馈，而这个反馈会进一步增强系统得算法。 G：我是否可以理解为增强学习可以让车辆本身自行优化自己的算法和决策？ H：这并不是我们的做法。我们的做法是在车辆上面植入一个固定的神经网络模型（Model），它不会自己做出改变。但是车辆在行驶过程中将会不断收集数据，并把这些数据上传到云端。在云端上，这个神经网络模型会得到训练和优化。在这之后，我们会将优化后的模型再去做测试，其中将包括我们挑选的一些特定的路况与驾驶场景。当我们确定了优化后的新模型能够应对这些场景，并能够确保其实际应用的安全性之后，我们才会将新的模型部署到车辆上。此时，适配新模型的车辆将会有更好的表现。因此，我们的算法学习和优化并不是直接在车辆上面完成的，而是会经过一个系统性的流程来实现。 G：在驾驶场景当中将有多个 AI ，包括语义识别、人脸识别、车辆控制等。如何将这些 AI 整合在一起？ H：其实并不需要把它们都整合在一起，因为我们并不是把一个人工智能直接卖给用户。用户关注的是最终产品的表现，他们希望车辆能识别他们的声音，识别他们的身份，希望车辆能够自己驾驶。而在后台一共有几个 AI 在工作，对于用户来说是不重要的。你刚才提到的这三个 AI 会有一些联系，比如当你开车到某个路段时，希望能够进入自动驾驶模式，然后通过语音向系统发出指令。但这其实只是两个 AI 系统之间的一个简单链接。 G：既然您是负责人工智能相关的业务，那可否透露一下与 NVIDIA 的合作，双方具体是怎样的分工？ H：NVIDIA 将负责硬件部分，而博世将围绕这个硬件构造全套的自动驾驶系统。 D：NVIDIA 将提供硬件芯片，主要是 GPU。 H：是的，我们使用 NVIDIA 的 GPU 芯片驱动博世的算法，这样整套系统才能运转。 G：也就是说 NVIDIA 提供硬件，以及基础的一些驱动程序，而博世则提供算法？ H：我是这么理解的。 G：那么未来的发展中，硬件将如何帮助您的团队优化算法？您认为硬件和算法哪个将更加重要？ H：我认为最重要的其实是成本控制，有了 NVIDIA 的 GPU，我们现在可以将硬件做得更加小巧和紧凑，同时我们也能够帮助降低这套硬件的成本。与 NVIDIA 合作的这套小型系统的性能与几年前我们在卡车上应用的大型计算单元相当，这才是重点所在。 … 继续阅读
使用污水来间接驱动车辆？西班牙人还真打算这样做
随着「 新能源汽车」 这个概念逐渐火热，各大车企都别出心裁地推出自己的产品，常见的例如纯电动车、插电混动车以及氢能源汽车等等。 可是西班牙的一家污水处理公司 Aqualia 和汽车制造商西雅特却脑洞大开，他们将目光瞄准在了 CNG（压缩天然气）汽车上。当然，他们并没有大刀动斧地去改造车辆，而是发明了一种全新的 CNG 制造方法，使用污水制造 CNG 以供车辆使用。 Aqualia 和西雅特合作打造了一套叫作「LIFE METHAmorphosis」 的污水制造 CNG 装置，简单来讲就是使用细菌来分解废物生成沼气，这套生成过程可以简称为厌氧消化。 「LIFE METHAmorphosis」 装置使用厌氧膜生物反应器（AnMBR）工艺将污水进行处理，生成沼气和净水。而另一个叫作「Annamox ELAN」 的装置则可以对沼气进行除氮，进一步净化之后精炼并压缩成 CNG 使用。Aqualia 还透露，这套生产工艺最厉害的地方就在于，除了可以利用污水生产 CNG 之外，还可以间接实现净水，「LIFE METHAmorphosis」 装置最终排出的水要比传统污水处理厂排出的水各项指标还要优秀。 为了实现以上所说的污水处理生成 CNG 过程，Aqualia 和西雅特准备建立一座工厂。这座工厂可以收集禽类动物的粪便，生成沼气之后再处理成 CNG 并进行储存。两家公司还透露，一座中等规模的工厂每天可以处理 10000 立方米的污水，同时还将生成 1000 立方米的生物甲烷（CNG 的主要成分）。生成后的燃料足以让 150 辆 CNG 汽车行驶 100 公里，西雅特还透露，未来他们将组织一支 CNG 车队进行测试，测试车队的总行驶里程将会达到 12 万公里。 相比于传统的内燃机汽车，CNG 汽车的二氧化碳排放量可以降低 80%，同时，一辆汽车每年还将减排 6.21 公斤的颗粒物。一旦 Aqualia 和西雅特的「LIFE METHAmorphosis」 装置可以进入量产，CNG 汽车普及的难度还将进一步降低，而这也将帮助西雅特提前完成欧盟 2020 年的排放指标以及西班牙自身的节能可再生能源计划。 从另一个角度来讲，「LIFE METHAmorphosis」 装置除了可以制造出沼气之外，还间接降低了处理污水的成本。一座工厂可以同时生产沼气并处理污水，基本上承担了之前两座工厂才能完成的任务， 当然，Aqualia 和西雅特所打造的「LIFE METHAmorphosis」 装置提高了 CNG 的制取效率，并不代表 CNG 汽车就将快速普及，例如天然气不容易储存和携带、占据车辆空间等问题依然存在。 我们更希望的是，「LIFE METHAmorphosis」 装置的诞生，可以降低城市用气取暖项目或者燃气发电项目的成本，将「 精益生产」 理念的优势完全发挥出来。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
「GeekCar Daily」3.22：雪佛兰 Bolt 打折促销出售；宝马将加入第 5 赛季 Formule E 比赛
雪佛兰 Bolt 打折促销出售 日前，由于经销商面临巨大的库存压力，雪佛兰 Bolt 电动车在美国已经开始打折出售。以加州为例，官方售价为 3.75 万美元的 Bolt，将会享受到联邦政府 7500 美元和加州政府 2500 美元的补贴。另外，再算上接近 10%的折扣，用户只需要花费不到 2.5 万美元，就可以购买一辆雪佛兰 Bolt。今年 2 月份，Bolt 在全美市场仅仅卖出了 952 辆。 要是在国内也能保持这个价格，销量一定不会尴尬。 宝马将加入第 5 赛季 Formule E 比赛 日前，宝马宣布，他们将会加入到第 5 赛季的 Formule E 比赛当中，目前他们已经获得了 Formule E 赛事组委会的批准。宝马赛车运动总监 Jens Marquardt 说，Formule E 比赛自从成立以来，发展迅速，如今已经成为了一项高水平赛事，因此宝马决定参赛。未来，宝马 i3 和 i8 还将继续担任 Formule E 比赛的医疗车和安全车。 宝马心里想，只做医疗车和安全车还是不过瘾。 百度称有黑客窃取他们的无人驾驶技术 日前，百度透露，有一伙黑客试图窃取他们的无人驾驶汽车技术。百度安全事业部主管马杰说，目前尚不清楚这些黑客受谁指使，但据他们了解，这种在地下市场进行窃取倒卖信息的行为是一定存在的。百度安全事业部目前正在全力测试新产品，以此来加强系统的防范能力。另外，百度还将与腾讯、阿里巴巴合作，共同应对网络安全威胁。 很好奇这帮黑客到底什么背景？ Waymo 聘请 eBay 前高管负责公共政策制定 据外媒报道，Waymo 昨天宣布，eBay 前全球政府关系主管 Tekedra Mawakana 将会加入公司。今后，她将担任 Waymo 公共政策和政府事务副总裁，负责公共政策的制定。Tekedra Mawakana 此前还曾在雅虎和美国在线工作过，加入 Waymo 之后，她将推动自动驾驶汽车尽快完成商业化。 恭喜 Waymo 迎来一名女性悍将。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。