为什么说特斯拉研发自动驾驶 AI 芯片应该引起注意？
（本文转载自 36Kr，作者郑晓康）特斯拉 Model 3 的量产问题仍未彻底解决，CEO Elon Musk 又抛出了自研自动驾驶芯片的重磅新闻。 Elon Musk 和特斯拉 Autopilot 负责人 Jim Keller 在昨天的神经信息处理系统大会（NIPS 2017）上是这么说的：「I wanted to make it clear that Tesla is serious about AI, both on the software and hardware fronts. We are developing custom AI hardware chips.Jim is developing specialized AI hardware that we think will be the best in the world.」（我想明确一点：特斯拉非常重视 AI，无论软件还是硬件层面。我们正在开发定制的 AI 芯片硬件。我们认为 Jim 带队开发的专用型 AI 芯片将会是全球最好的芯片。）在此之前，36 氪曾多次撰文阐述特斯拉自研芯片的可能性，这是第一次迎来官方实锤。为什么说特斯拉研发自动驾驶 AI 芯片应该引起注意？ 先简单科普下 Jim Keller。Jim Keller，原 AMD 首席芯片架构师。 1998 年，Jim Keller 在 AMD 分别参与设计和主导研发了 Athlon 和 Opteron 64 处理器（K7 和 K8 X86-64 架构），帮助 AMD 攀上了业务发展的顶峰。1999 年，Jim Keller 离职加盟博通出任首席芯片架构师。 2004 年，Jim Keller 转投 P.A Semi，后者于 2008 年被苹果收购。Jim Keller 出任苹果移动芯片架构师，主导放弃 AMD 的公版架构，基于 AMD 的 IP 深度定制了苹果 A4/5 芯片，在苹果 A 系列芯片+iOS「软硬一体化」战略的落地中发挥了关键作用。 2012 年，Jim Keller 重回 AMD，领导开发了 Zen 架构处理器，带领 AMD 咸鱼翻身；2015 年 9 月，Jim Keller 再次离职，彼时 … 继续阅读
马斯克和扎克伯格隔空互怼，AI 到底会不会毁灭人类？
（本文转载自极客公园，作者：宋德）人工智能大战人类的电影已经拍了很多年了，但要真的看到人工智能有哪怕一丁点人性的影子，恐怕在我们有生之年是不大可能了。但是没有关系，眼光长远的科技圈大佬们已经就这个事吵起来了，让我们先来看一看他们怎么说。 当地时间 25 日下午，埃隆·马斯克在推特上转发了一篇名为《扎克伯格炮轰埃隆·马斯克，指其对人工智能的排斥态度「非常不负责任」》的文章，并表示：「我已经和马克聊过这事了，他对这个问题的理解有限（His understanding of the subject is limited.）」。 关于那篇文章的故事，要说到上周日的下午，Facebook 的 CEO 马克·扎克伯格在自家后院一边烤肉一边开起了直播，打算跟网友拉拉家常，不料聊到一半，网友突然问起了扎克伯格对埃隆·马斯克「AI 末世论」的看法。 扎克伯格也没让网友失望，他表示自己非常看好 AI 的发展，对此感到非常乐观，并且认为那些鼓吹 AI 会毁灭人类的人太过消极，他很不理解，从某种程度上来说，他认为这种说法是「非常不负责任的」。「在接下来的 5 到 10 年，AI 将会给我们的生活品质带来诸多可喜的改变。」扎克伯格在直播中说道。「人类要完」悲观派 埃隆·马斯克的所谓「AI 末世论」由来已久了，早在 2014 年，马斯克就曾在 MIT 的一次研讨会上表示：「如果让我说人类未来最大的威胁，我认为可能是人工智能。因此我们需要对人工智能保持警惕， 人工智能领域的研究如同在召唤恶魔。」随后在 2015 年年底，马斯克启动了非盈利性的人工智能项目 OpenAI，他表示这家公司的使命是「发展数字智能，时期符合人类整体的利益，同时不受财务回报的限制」，说白了就是花钱防御人工智能背叛人类。 前不久，在美国的一次州长大会上，马斯克面对各州州长，发表了有关人工智能的演讲，他呼吁各州政府站出来对人工智能的发展进行干预和监管，并表示「AI 是人类存在的最大威胁」，未来人工智能驱动的机器一定会取代人类的工作。 目前 OpenAI 已经与开发出 AlphaGo 的著名深度学习公司 DeepMind 展开了合作，它们希望通过人为干预机器学习（加强学习技术 Reinforcement learning）来降低人工智能「暴走」的可能。 除了马斯克以外，诸如比尔·盖茨和史蒂芬·霍金这样的世界级 KOL 也曾表示过自己对人工智能快速发展的担心。在 2015 年的一次网络问答中，霍金就指出人工智能可能会成长到非常强大的程度，甚至可能在完全无意的情况下毁灭人类。 今年 4 月在全球互联网大会（GMIC）上，霍金通过视频发表了题为《让人工智能造福人类极其赖以生存的家园》的主题演讲，他再次表示，人工智能的崛起可能是人类文明的终结。「你可能并不是一个讨厌蚂蚁的人，但你也会无意中踩死蚂蚁。 我们要避免人类处于蚂蚁的境地。」霍金曾如此说道。 来自内行的不同看法 但事实上，霍金的话也不一定就是真理，极客公园上个月邀请到前沿社闭门授课的迈克尔·乔丹（Michael I. Jordan）就曾表示：「霍金不是人工智能的研究者，他是一个外行 。计算神经生物学近期不会有太大的突破，大概几百年后才能有进展。」乔丹教授是美国国家科学院院士，任职于加州大学伯克利分校计算机系，他是前百度首席科学家吴恩达等人的导师，因对人工智能的深入研究及其座下学生桃李天下而被称为人工智能领域的「尤达大师」。「要是聊黑洞相关的知识，那我肯定要听史蒂夫·霍金教授的；但我认为 AI 离真正的智能还很远，如果聊机器学习，他得听我的。」乔丹教授对极客公园说道。 除了乔丹教授以外，还有一位行业大咖对人工智能的威胁论也有异议。上周，MIT 计算机科学和人工智能实验室创始理事、著名机器人专家鲁尼·布鲁克斯在一次采访上表示，马斯克对 AI 有一定的误解。「认为 AI 要毁灭人类的不止他一个，霍金和马丁·利兹都支持这一说法。他们有一个共同点：都不是 AI 圈子里的人。 作为 AI 从业者我们都知道，想要将这项技术转化成真的产品时非常困难的。」布鲁克斯是著名的机器人公司 iRobot 以及 Rethink Robotics 的联合创始人，作为资深的业内人士他对 AI 的观点可以说是非常专业的。 老百姓该操什么心？ 从我们的角度来看，现在人工智能还处于聊个天都聊不好的「人工智障」阶段，担心它们有一天反水人类甚至毁灭人类确实有点杞人忧天的味道。 在李开复的新书《人工智能》的开头就有这样一段描述：「每当前沿科技取得重大突破，为我们预示出人工智能的瑰丽未来时，许多人就又不约而同地患上 人工智能恐惧症 ，生怕自己的工作乃至人类的前途被潜在的及其对手掌控。」从目前看来，技术大咖们当然更加了解人工智能行业，他们对人工智能充满希望，我们也就不必抱有多余的担忧，但事实上对于未来人工智能是否会真的站到人类的对立面去，这些技术大咖们并没有给出确定的答案，他们只是表达了对短期发展的绝对放心以及技术给生活带来改变的美好憧憬，这从侧面也表明霍金和马斯克这样眼光长远的看法不无道理。 长远未来的一切都是说不准的，但从近期来看，宣扬末世论造成社会恐慌这样的事，想来确实有些荒唐，马斯克「中二」不是一天两天了，曾经梦想拯救人类的他或许真的应该好好改变一下表达自己的方式了。从某种程度上说，这也是扎克伯格说他「不负责任」的一个原因吧。 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
新一代奥迪 A8 都有哪些黑科技？答案居然在电影预告片里……
现在的汽车厂商套路越来越多，不信你看看奥迪怎么玩的：为了给全新一代 A8 预热，奥迪和蜘蛛侠电影片方共同拍摄了一套预告片，片中不仅有蜘蛛侠出境，即将发布的新一代奥迪 A8 也成为了主角，新车的一些关键亮点，在这个视频里轮番曝光。 感兴趣的同学可以先看看这个短片，找找线索： 最大看点：车里居然有个「AI 模式」视频看完了，我们来分析分析。首先，主角一上车，我们从挡风玻璃视角可以看见 HUD 的存在（仪表台上的凹槽）。而接下来，片子重点展示的是新 A8 的驾驶员辅助功能：在发生潜在驾驶危险时，驾驶辅助系统会第一时间介入；当与前车距离过近时，全新奥迪 A8 将会自动刹车。真正有意思的细节还在后面，镜头给出一个印有「Audi AI」字样按钮的特写，男主按下这个按钮，然后双手离开了方向盘，仪表盘也进入 Audi AI 模式，车辆以大约 45km/h 的速度自主行驶。 没错，这就是对于新一代 A8 自动驾驶功能的演示，根据奥迪提供的信息，量产版的新 A8 可以实现 Level 3 级别的自动驾驶。 没记错的话，这还是整车厂第一次在一辆量产车里用到「AI」这样的词汇。这种对于半自动驾驶功能的包装方式，可以说是非常新潮时尚了。 当然，这不禁让我们想起奥迪和英伟达的合作。这两家在显示芯片上的合作已久，而在今年年初的 CES 上，他们更是宣布双方将联手研发未来的人工智能汽车，并计划在 2020 年能够正式上路。同样也是在 CES 上，搭载了英伟达 Drive PX2 芯片平台的一台奥迪 Q7 自动驾驶测试车更是开放给大家体验。 那么在新一代 A8 的量产车上，是否搭载了 Drive PX2 呢？这个悬念有待揭晓。如果真是采用了这个方案，那么 A8 可以说是拥有量产车里最强的「自动驾驶大脑」了。（当然搭载 Autopilot 2.0 的特斯拉也用上了英伟达的这个芯片）在我们看来，新 A8 到底拥有什么样的自动驾驶功能，应该是这辆车最大的看点之一了。 还有这些有意思的细节： 外观设计 ：其实，透过影片中的几个片段，我们还能推测出新一代奥迪 A8 的外观。AI 模式下，从仪表盘中可以看到，全新奥迪 A8 采用的是横贯式尾灯设计，与新款保时捷 panamera 以及林肯 MKZ 有点异曲同工。只不过，相信在「 灯厂」 的调校下，新 A8 横贯式尾灯的视觉效果可能要比画面中表现的更加酷炫。 前脸以及侧面线条并没有在预告片中有过多表现，但从为数不多的几个镜头画面当中可以看出，全新 A8 的外形很大程度上与新一代奥迪车型的基因类似，前脸使用了家族性的六边形进气格栅，头灯的线条也更凌厉了一些。至于侧面线条，从奥迪给出的官方预告片来看，基本维持了上一代车型的设计比例。 以现在用户挑剔的眼光来看，新 A8 的外形设计还是略微保守了些。过去，BBA 旗舰车型在外形设计环节通常不会那么激进，只不过如今豪华车市场的消费人群年龄进一步下探，因此新 A8 能否满足这部分人群的审美需求还需要市场进一步求证。 内饰、仪表 ：短片里展示了新 A8 的全液晶仪表，不出意外，仍然是 12.3 寸的全液晶仪表，也就是「虚拟座舱」。不过有一种说法是，这一次全新 A8 采用的是第二代的「 虚拟座舱」。 当然，从视频展示出的界面设计上，除了 Audi AI 界面的加入，我们还看不出太多变化，或许是屏幕背后的显示芯片有了升级。至于内饰设计，从短片当中仅存的几个画面可以看出，新 A8 采用的应该是类似于 A4 上的扁平横贯式空调出风口，整体设计风格更趋于年轻化。 远程停车功能 ：在预告片的结尾部分，奥迪演示了新一代 A8 的自动泊车功能，如果用户愿意的话，还可以使用车钥匙远程控制停车。 后轮转向 ：仔细观看，还会发现一项技术细节：新一代车型的后轮也具备一定的转向特性。这样做最大的好处就是可以缩小转弯半径，降低停车难度。另外，奥迪透露，全新 A8 上还将搭载一项自动滑行技术，当驾驶员松开油门踏板之后，车辆会以 55km/h 到 160km/h 的速度继续向前滑行，这项功能在现款奥迪 A4、A5 上也有所配备。 升级全铝车身 ：最后，奥迪还提供了一项数据，全新 A8 对于 ASF 全铝车身也进行了升级，新款车型的车身刚性提高了 24%。 总结 根据奥迪的计划，今年 7 月 11 号的巴塞罗那，全新 A8 将会首次亮相，到时候关于这辆车的所有细节也将一同公布。作为奥迪的旗舰车型，A8 不仅仅要担负起品牌形象，更重要的是要展现出奥迪的技术深度。无论是「Audi AI」 模式还是更年轻的外观设计，我们都能从中看出，奥迪希望这款车型在抓住老用户的同时，还要使尽浑身解数吸引年轻购买力。至于结果如何，下个月我们就见分晓了。 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 … 继续阅读
GTC 2017 | 一篇文章看懂英伟达自动驾驶解决方案
在美国硅谷圣何塞 Convention Center 的 Keynote Hall，我见证了教主丢出新一代「Volta」 架构的 GPU 「 核弹头」 产品，并公布了和丰田的合作。 这场发布会直接让 NVIDIA 的股价飙升了 18%。那么在新架构驱动下，NVIDIA 的自动驾驶解决方案将会是怎样的布局？ 他们与整车厂和 Tier 1 又是怎样合作的？ 在 GTC 现场，我们专访了 NVIDIA 汽车事业部的高级总监 Danny Shapiro，本文将结合他的讲解剖析 NVIDIA 在汽车行业的布局。 NVIDIA 的自动驾驶平台 提起 NVIDIA 的自动驾驶解决方案，我们就会想起 Drive PX 系列。但是其实，Drive PX 只是 NVIDIA 车载 AI 平台的系列名称。而这个系列目前主要包括两代产品：已经量产的 Drive PX 2 平台，以及已经发布，但是最早要于今年年底量产的新一代平台 Xavier。我们做了一张图来体现这两个平台的关系，以及目前基于这两个平台的整车厂商合作信息： 具体来说，两代平台有如下的区别： Drive PX 2：搭载上一代 Pascal 架构 GPU。已经实现量产，并且已经搭载在 Tesla 的量产车型 Model S 以及 Model X 上。目前 PX 2 仍然是 NVIDIA 自动驾驶平台在市场上的主力军，大部分已公布的使用 NVIDIA 方案的测试车（不管是来自整车厂、Tier 1、科技公司还是高校等研究机构）基本上搭载的都是 Drive PX 2。 Tesla，Audi 和 ZF 是唯有的对外公布将 Drive PX 2 应用在量产车上的公司。 关于 PX 2 平台的更多解读，请参考这篇文章：《开放式 AI CAR 计算平台 Drive PX 2 的烧脑解析》Xavier： 它可以说是 Drive PX 2 的进化版本，搭配了最新一代的 Volta 架构 GPU, 相较于搭载上一代 Pascal 架构 GPU 的 Drive PX 2， Xavier 的性能将提升近一倍。 不过这套 SoC 要到今年年底才能量产。这就带来了一个非常重要的时间契合点： 多家主机厂的高级别自动驾驶量产车的计划都是在 2020 年左右，如果按照这个时间减去整车的研发周期（成熟平台的话一般 3 年左右），那么 Xavier 的量产将正好赶上这拨自动驾驶车的研发流程。这也就解释了为何基于 Xavier 的合作都是有量产车落地计划的。包括本次 GTC 公布的丰田合作，也不例外。 不管是丰田，奥迪还是博世，他们都希望通过这样的合作，让自己的量产方案能够用到 NVIDIA 目前最好的自动驾驶平台。所以说对于 NVIDIA 来说， Xavier 才是真正用来进军车厂量产产品的平台。 … 继续阅读
「活动总结」地平线：自动驾驶时代的数据怎么处理？
看过 GeekCar 文章的同学应该知道，自动驾驶离不开感知、地图、决策以及控制这四个环节，而这四个环节依靠人工智能的深度学习才能更有效的实现。 在感知环节，既需要高精度地图定位，也需要摄像头、激光雷达等传感器捕捉环境数据，而通过深度学习则能更有效的识别、分析传感器画面。在决策和控制环节，机器在不同路况环境下模拟人的行为，深度学习可以帮助它优化决策。这其实就类似于人的大脑，而我们以前报道过的英伟达 DRIVE PX 2 正是在扮演这样一个角色。 但实际上，除了英伟达之外，国内有一家创业公司——地平线机器人公司（Horizon Robotics, Inc），也在做深度学习。这家由 200 多位工程师组成的创业公司，成立两年来，一直深耕于深度学习算法，并且从最底端技术研发开始，搭建自己的架构 IP。他们想做的是软件、算法、硬件一体的自动驾驶解决方案。 在刚刚过去的上海车展上，我们将地平线的余轶南博士请到 GeekCar 主办的人工智能论坛，和我们分享了地平线在自动驾驶中应用的深度学习算法。 汽车有强大的能源和空间，不只要对外部环境进行感知，还要对内部驾驶意愿进行交互，可以说汽车是 AI 机器人的载体。 地平线提供的是嵌入式人工智能解决方案，将 AI 同自动驾驶结合。他们的「 汽车大脑」 包括算法软件架构、芯片的编译器和运行时间库以及硬件，还有模拟训练后台支撑前端的业务和技术，所以可以执行包括感知、定位、语义环境重建以及运动预估在内的全站式工作。 余博士提出，他们设计这套算法有三个目标： 1. 神经网络可以被用户理解。 神经网络由于包含隐层，经常被人理解成黑盒子，如何理解神经网络成为关键。地平线现在在做的贝叶斯网络（Bayes Networks），是神经网络中和控制决策相关的技术。通过深度学习，摄像头、激光雷达、毫米波雷达对汽车周围环境进行感知收集数据，然后进行环境重建及运动预估，最后通过贝叶斯网络做决策，给出路径规划。 现在主流公司会使用深度学习加强化学习，做「 端到端（end-to-end）」 训练，从传感器的输入直接导出控制器的输出，这使得深度学习缺乏透明性。你能看到输入层和输出层的数据和决策，但不知道输入的数据运用什么样的算法形成输出层的决策。如果输出了错误的决策导致驾驶事故，你甚至不知道为什么会出事故，这样一来，再多的数据积累都没有意义。而且，端到端的训练仅仅依靠相关性推理，推出的结果有一定的盲目性，运用在驾驶中可能导致严重后果。 地平线在收集到感知数据后，会进行人工标注，配合激光雷达、 毫米波雷达进行三维标注，区分出车道、行人、周围车辆，然后建立 3D 仿真模型，进行模拟训练，还会做出运动估计。这些模块会单独做端到端的学习，而神经网络会把各个模块串起来，形成一个整体网络。这其中还可以加入专家模块，形成冗余路径，能增加输出的可靠性。同时，贝叶斯网络采用因果推理，使整个系统更加通透。你能够分析决策的过程，就能找出导致错误决策的原因然后修改。 2. 系统可以自适应学习。 汽车每天面临着各种各样的驾驶环境，很难在一开始收集庞大数据库去训练各个模块，所以需要在不停变化的环境中不断学习，既要学习人类的驾驶行为，还要进行仿真训练。不正确的驾驶行为导致一些后果之后，地平线会利用其收集到的大量数据在云端进行控制，让汽车更加 smart，避免再出现同类型事故。同时，他们不只要让车「 被训练」，还要车内系统能够自适应学习。 对自动驾驶来说，足够强大的前端做实时的强化学习以及强大的后台保证系统的学习，很重要。 3. 算法和硬件平台相互迭代优化，使计算平台更加高效、节能。 地平线认为芯片在自动驾驶中占据很重要的地位。之前他们的神经网络都是在 GPU 跑浮点模型，不过功耗非常大。所以，他们在神经网络结构稀疏化上做了很多努力，希望「 在未来若干年，不增加计算量或在小功耗环境下，可以有更强大的计算能力和更好的效果。」 在年初的 CES 上，地平线和 Intel 联合推出 ADAS 系统。这套系统做了神经网络并联化和稀疏化，能耗低、运行快，能同时对车辆、行人、车道线和可行驶区域进行实时检测和识别，还能进行高密度的环境检测。他们曾在宇宙中心五道口进行过路测，利用他们的算法能准确的识别行人、汽车、街道、建筑、树木和标志。 和计算机视觉不同，做自动驾驶的关键在于获得结构化场景，而且还要对汽车的应用学模型、动力学模型、定位有所了解。余博士表示，一直在做计算机视觉的他，转做自动驾驶有点「 水土不服」。不过经过努力，地平线结合了车辆运动系统、语义感知，实现环境结构化，还能重建场景，使汽车运行更加游刃有余。并且算法优化可以直接在场景语义结构化中实现。 最后，余博士也表示平常机器训练更多用 GPU，前端 inference 会使用嵌入式结构。他们自己打造了低功耗的深度处理器 IP－－ BPU（Brain Processor Unit），它将会有三代架构，分别是高斯架构、伯努利架构和贝叶斯架构。目前第一代架构已用于和 Intel 联合打造的 ADAS 系统，第二、三代架构正在研发中。 此前我们也报道过，地平线在上海安亭成立了研发中心，这将方便地平线进行自动驾驶技术的测试，加快研发进度，而且安亭的地理位置更有利于地平线和客户进行接洽，让技术更快落地，实现商品化。 在自动驾驶时代，汽车将成为一个移动数据中心，数据的计算、处理能力将尤为重要。深度学习网络隐层、系统自适应学习以及降低计算功耗是地平线的深度学习算法的目标，也是当前自动驾驶研发亟需解决的问题。 目前，自动驾驶巨头在中国的数据积累几乎为空白，针对中国驾驶场景的算法优化也没有明显的优势，地平线可能也正是看中了这一点，所以一直深耕深度学习算法。不过，他们能不能在巨头进入、瓜分中国市场前积累优势，还要看他们的产品落地和数据积累情况。 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）。
除了自动驾驶，丰田还想用 AI 技术研发燃料电池
AI 能干什么？丰田给出了最新答案：用来研发电动车电池。 看起来有点意外是吧？我们来聊聊是怎么回事。 先摆新闻：丰田前几天宣布，他们将投资 3500 万美元成立一个新项目，这个项目主要负责使用人工智能和机器学习技术开发新材料，同时为电动汽车打造新一代的动力电池组。 这个项目由总部设在美国的丰田研究院 Toyota Research Institute (TRI) 负责，他们希望 AI 技术可以帮助人类寻找到更合适的材料，新材料将帮助丰田提高锂电池的能量密度和使用寿命。同时，一旦开发出合适的材料，丰田还将用来打造新一代的燃料电池。如果项目成功，燃料电池将拥有更合适的催化剂来替代稀有资源 Pt。 在 TRI 的首席科学官 Eric Krotkov 看来，「人工智能技术可以进一步探索电池材料科学的边界。丰田希望到 2050 年时，汽车二氧化碳排放量可以降低 90%，而人工智能技术将会帮助丰田离这个目标更近一步。」目前，包括斯坦福大学、麻省理工学院、密歇根大学、布法罗大学、康涅狄格大学以及英国材料科学公司「Ilika」 都与丰田达成了合作关系。其中，斯坦福大学教授 Jens Norskov 就认为，丰田这个新项目可以扩大机器学习技术在材料发现领域的应用，各家公司和机构需要把理论、实验和计算结合在一起才有可能取得技术性突破。 其实一直以来，对于材料的研究与利用都是电池产业的核心内容。各家电池厂日以继夜都在思考，如何找到新材料并提高电池的能量密度和使用寿命。 但是，丰田突然宣布要把 AI 技术用于电池研发还是让很多人大吃一惊。大家的第一想法都是：AI 技术与电池研发有什么关系？ 文章开头说过了，丰田想用 AI 技术帮助用来开发新材料。其实在选用电池材料的过程当中，一系列复杂的材料配比耗费了大量的计算资源，而 AI 技术则可以缩减人类的工作量，帮助人类选用最合适的材料及配比打造出新一代动力电池。 除了人工智能之外，丰田还特意强调，他们会在新项目当中会使用机器学习技术。机器学习技术涉及到了概率论、统计学以及逼近学等多种学科，同时还可以看做是人工智能的核心。机器学习的算法多种多样，例如有些人所熟悉的利用最小二乘法绘制线性回归曲线，机器学习可以快速建立线性模型，同时最小二乘法还可以最小化线性模型的误差。 除了回归曲线之外，机器学习算法还可以进行逻辑回归统计，将一个或多个解释变量数据，建立成二项式模型。同时，使用累计分布的逻辑函数来估算时间发生的概率，测量分类因变量与其他独立变量的关系。简单来讲，机器学习算法可以帮助人类快速完成概率计算，有利于帮助人类进行电池材料筛选。 不过，虽然丰田给出的官方说法是这样，但 AI 技术在汽车产业还有一个更重要的用处：开发自动驾驶汽车。此前，丰田 TRI 一直都在重点研究人工智能在自动驾驶领域的应用。为此，他们还联合了斯坦福大学以及麻省理工学院，并且在这两所大学旁边分别建立了研究所。上个月，他们还在加州 Palo Alto 展示了一套自动驾驶测试平台。 无论是此前开发电动汽车，还是这一次选用新材料研发电池，丰田最近两年一直都在努力寻求 AI 技术在汽车产业的利用空间。随着这一次丰田新项目的成立，锂电池以及燃料电池领域或许又要迎来一次技术突破。 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）。
「CES 2016」怒砸十亿美元，丰田的人工智能梦原来是这样
丰田作为全球最大的整车制造生产商，一直给人一种「 硬件狂人」 的感觉。从油电混动技术到氢能源，说丰田是汽车硬件黑科技的摇篮真是一点也不过分。不过随着整车结构中有越来越多的代码出现（一辆整车包含的软件代码可以达到百万行之多），丰田也意识到了汽车软件的重要性，于是乎，他们在去年下半年宣布，与美国斯坦福大学及麻省理工学院合作成立人工智能研究院，并投资 10 亿美元，专门研究人工智能在自动驾驶领域的应用。 为了体现自己对于这个名为 Toyota Research Institute(以下简称 TRI) 的研究院的重视，丰田特意在今年 CES 的发布会上用大量笔墨介绍了 TRI 刚刚成立的核心研发团队。发布会由 TRI 的 CEO Gill Pratt 博士主讲，发布内容可以概括为两个方面：TRI 将如何使用丰田给的 10 亿美元，以及介绍核心管理层团队。 10 亿美元到底怎么花？ 拿了别人这么多钱，自然要好好规划一下怎么办事。Gill 博士讲到，目前行业内落地的自动驾驶技术均是建立在较为简单的驾驶环境上，就算让驾驶者亲自掌控这种驾驶环境也是非常轻松的，而 TRI 要解决的是困难驾驶环境下的自动驾驶，并且要确保搭载这种自动驾驶技术的车永远不会发生碰撞事故。 为了实现这个目标，需要对自动驾驶汽车进行不断的实际道路测试，因为测试的越多，能够遇到的突发情况以及驾驶困难也就越多，TRI 的研究目标就是要一个一个的解决这些困难。目前行业内累计的自动驾驶实际道路测试里程已经达到了 100 万英里，能够在短短的几年内达到这个数字可以说是非常优秀的成绩，不过要想真正实现完全的自动驾驶，Gill 博士认为至少需要将目前的测试里程乘上 100 万倍，达到令人瞠目的 1 万亿英里。 想要达成这样的测试里程肯定是一个漫长的积累过程，因此在具体的研究进度上，TRI 将分为四个阶段进行： 1. 通过研究确保汽车能够避免任何碰撞事故，不管驾驶者的技术有多烂或者驾驶环境有多困难。 2. 帮助更多原本不能驾驶的人群（如老人和残疾人）实现开车的愿望。 3. 将丰田在户外交通领域内的专业技术应用到室内交通上，TRI 的目标是要帮助人们在房间内，城市内乃至国家间的移动。 4. 将人工智能及机器学习的研究成果应用在材料科学领域，加快其进步速度。 以上四个步骤难免给人一种画抽象大饼的感觉，所以 Gill 又介绍了一些眼前已经在执行的计划。 首先，TRI 已经作为一个独立的新公司开始运作，并在斯坦福大学和麻省理工学院的旁边分别建立了研究所（分别离两所学校有 10 分钟左右的车程），这么做的目的是为了让这两所学校能够更好的投入到 TRI 的研究当中。在研究方向上，两所学校目前也有着不同的分工。 斯坦福大学：研究的课题名为不确定性事件的不确定性（Uncertainty on Uncertainty）。这个拗口的课题旨在让汽车能够在驾驶员不介入的情况下，自主应对行驶中的突发事件。例如当车辆行驶时面对前方货车上掉下来的石块该如何做出反应。这个项目给人一种爱因斯坦当时想用科学解释万物发生原理的感觉。 麻省理工学院：研究的课题名为能够自我阐述的汽车（The Car Can Explain）。说的明白些就是当自动驾驶车做出了人们没有预料到的驾驶行为后，它需要能够给出相应的解释，告诉人们在当时是怎样的一种情况以及它当时为什么会做出那样的判断。这可以说是对不确定性时间的应对做出的原理解释。 总体来说，TRI 的研究目标就是要通过人工智能技术让自动驾驶车变得更加完美，这需要很长的研究周期与不断的积累试错，并且由于总会有新的不确定事件发生，你永远都无法确定这项技术是不是真正的完美。我想这也是为什么丰田会找到两所名牌大学合作，因为教授及学生的科研精神才是坚持这项研究的关键。 科研风浓厚的研发管理团队 提到科研，可以说 TRI 的核心团队是由一群学究儿组成，这其中包括： Larry Jackel：前贝尔实验室负责人及 DARPA 的软件项目主管。他将负责 TRI 的机器学习领域。 Eric Krotkov：前卡耐基梅隆大学教授及 DARPA 软件项目主管。他将出任 TRI 的 COO。 James Kuffner：卡耐基梅隆大学教授及前谷歌机器人项目主管。将负责 TRI 的云计算研究。 John Leopard：麻省理工教授。将兼职负责 TRI 的自动驾驶研究。 Hiroshi Okajima：丰田研发部门的项目总经理。将作为执行联络官。 Russ Tedrake：麻省理工教授，将兼职负责感知与控制领域的研究。 从这份名单中可以看出，除了一个丰田公司的人，剩下的都有很强的学术研究背景且并没有车厂相关工作经验。这给我带来了疑问：毕竟这是一个有丰田投资并挂名的机构，请了这么多的学术派教授，丰田只用一个联络官怎么管理？整个团队将如何运作？ 抱着这些问题，我去提问了 TRI 的 COO Eric 博士。他告诉我，他们的团队才刚刚组建，这次发布会其实是他们团队第一次聚在一起（第一次就画这么大饼合适么？），对于这个研究院，丰田希望能够保证足够的科研性，因此在确保研究方向的基础上，并不会过多的出于企业盈利考虑对其进行干涉。联络官的主要任务一方面是实时跟进研发进度，另一方面是为了能够向研究院提供可研究的数据，丰田旗下汽车产品在使用过程中所产生的数据将成为 TRI 初期研究的样本。在团队配合上，团队中一部分人将分别前往刚建立的两个研究所负责各自的项目，剩下的兼职人员以及丰田方面将通过远程视频会议的形式在各自的办公地点进行相应的沟通。 可以看出，丰田这次是下了血本希望在人工智能机自动驾驶的算法领域取得一些突破性的成果。但是正如上文中多次提到的，这是一个相当漫长的研究过程，目前的规划在未来的实际操作中可能会面临着很多的挑战。 作为主机厂，丰田能够在短期内抛开企业盈利投资科研的精神确实让人敬佩，但是对于用户来说，研究的成果究竟何时能够落地？或者说他们真的能够坚持到取得成果的那一天么？正像 Gill 博士所说的，一万亿英里，对于 TRI 和用户来说，都是一条太长的路要走。 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！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
Elon Musk：人工智能比核武器更加危险
Elon Musk 认为太阳能和电动车代表着未来，我们应该尽快着手到火星上建立人类的第二个家。不过，这位亿万富翁与技术乐天派接着表达了一个充斥了超级智能机器的未来所蕴含的种种可怕之处。 上周六 Musk 在他的 Twitter 上发帖，推荐了一本即将出版的检视这样一个未来的书籍，并加了句评语，说「 我们需要对人工智能格外小心，它可能比核武器更危险。」 以下是 Twitter 原文： 值得一读的好书《超级人工智能》（Superintelligence），作者是 Bostrom。我们需要对人工智能格外小心，它可能比核武器更危险。 —— @elonmusk 2014 年 8 月 3 日 Musk 表达他对人工智能的忧虑已经不是第一次了，其他著名的未来学家，比如谷歌的 Ray Kurzweil 则是以一个更积极甚至是更浪漫的视角看待这个事情。今年 6 月，Musk 在 CNBC 表示，他认真地考虑了「 终结者」 般的场景成为现实的可能性，甚至于他投资人工智能公司就是为了实时监控这项技术每时每刻的动向。 当然，如果你深入阅读下 Nick Bostrom 的写作目录的话，你会发现他的担忧其实是太抽象了。早在 2003 年，博斯特伦发表了一篇论文说我们实际上生活在一个计算机模拟的世界，科学家最近也开始搜索「 证据」 证明这世界并不如我们所想的那样真实。