今天的新聞很簡單：英偉達(dá)老黃（黃仁勛）在GPU技術(shù)大會(huì)上放話說自家的Drive PX平臺能夠支持無人駕駛車自學(xué)成才。換句話說，駕駛計(jì)算機(jī)不需要嚴(yán)密軟件編程來規(guī)定它遇到行人或是信號燈該怎么做，直接跟隨人類駕駛員上路學(xué)習(xí)即可。什么？無良媒體黑科技？洗洗睡？！

 

　　No，no，no，黃老板此次力推Drive PX平臺，旨在體現(xiàn)Tegra X1在運(yùn)算能力上的強(qiáng)悍——兩片這貨組成一個(gè)深度學(xué)習(xí)平臺，也是碉堡了。而機(jī)器學(xué)習(xí)領(lǐng)域最抓眼球且能給圍觀群眾帶來直接影響的實(shí)例便是自動(dòng)駕駛系統(tǒng)，沒有之一。新年伊始，老黃在CES上就為Tegra X1點(diǎn)贊無數(shù)，說好5月份正式開賣；不用說鐵桿小伙伴奧迪早已出面站臺，拍胸脯說自家的智能駕駛系統(tǒng)絕對跟上Drive PX。

 

　　機(jī)器人如何看世界

 

　　一臺設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)，如同第一次走進(jìn)駕校的學(xué)員，完全不知方向盤為何物；但在觀察人類駕駛員隨著前方路面轉(zhuǎn)動(dòng)方向盤僅僅2分鐘后，計(jì)算機(jī)給出的轉(zhuǎn)向角度就與人類駕駛員基本一致，雖然這只是在封閉且單一的路面環(huán)境下進(jìn)行的試驗(yàn)。而此后人類駕駛員繼續(xù)帶計(jì)算機(jī)去多種路面環(huán)境“兜風(fēng)”，在獲得足夠training set（訓(xùn)練集）后，撥動(dòng)切換開關(guān)，將方向盤交給計(jì)算機(jī)，結(jié)果大家都看得到，每秒12次的轉(zhuǎn)角更新，讓機(jī)器人把一輛悍馬開得無比平順。對了，視頻2分20秒有項(xiàng)目時(shí)間，這是在1992年，車云菌屆時(shí)還在上小學(xué)。

 

　　再多說一句，Coursera的機(jī)器學(xué)習(xí)課程講師是吳恩達(dá)，中文名不為人所知，但英文名Andrew Ng就響亮多了，Google大腦創(chuàng)始人，目前是百度首席科學(xué)家，負(fù)責(zé)deep learning（深度學(xué)習(xí)）方向。

 

　　老黃花了很長的篇幅解釋這個(gè)過程，雖然在技術(shù)宅出身的阿菌看來并無多少必要。一個(gè)剛剛運(yùn)行的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以視為呱呱墜地的嬰孩，懵懂地看著周圍一切卻一無所知。因此第一步就是喂它，當(dāng)然不是牛奶，而是數(shù)據(jù)。

 

　　對Drive PX這個(gè)例子，帶標(biāo)簽的數(shù)以百萬計(jì)的圖像輸入到神經(jīng)網(wǎng)絡(luò)，等價(jià)于爺爺拿著畫了紅番茄的卡片教小孫子讀“洋！柿！子！”……隨著各種各樣的西紅柿的照片出現(xiàn)，小男孩心中的西紅柿就不再是嚴(yán)格的圖像，而是此物的典型特征，紅果綠莖，球形或近球形，切開后有特殊紋理且多籽多汁，等等。神經(jīng)網(wǎng)絡(luò)也以同樣的方式工作，將輸入的圖片按照其特征和紋理進(jìn)行分析，從而學(xué)習(xí)識別路面上的常見物體，道路，車輛，交通信號，動(dòng)植物，建筑，乃至氣象實(shí)況。當(dāng)計(jì)算機(jī)采集到無法準(zhǔn)確辨認(rèn)的圖像，會(huì)嘗試先將其分解，然后與自己存儲的模式和紋理進(jìn)行比對，以期識別，這與人的學(xué)習(xí)方式非常相近。

　　DrivePX神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)

 

　　圖像識別技術(shù)迄今已有50多年的發(fā)展史，而黃老板對2012年英偉達(dá)所做的革新非常自豪。目前，使用AlexNet進(jìn)行測試，機(jī)器人對含有特定目標(biāo)的圖像識別率已超越人類。臺上老黃拿出一幅貓的圖片，計(jì)算機(jī)不僅輕松作答，還指明了其品種。這種精度的物體識別能力對自動(dòng)駕駛汽車尤為重要，否則天知道橫穿馬路的是蘇格蘭綿羊還是美國龍卷風(fēng)！

 

　　機(jī)器人如何駕車

 

　　上一個(gè)標(biāo)題，說的是“機(jī)器人如何看世界”，但讀者會(huì)發(fā)現(xiàn)其實(shí)是“機(jī)器：人如何看世界”。神經(jīng)網(wǎng)絡(luò)算法的神奇之處就在于此，除了一個(gè)相對合理的網(wǎng)絡(luò)算法和深度，所有的知識都是自學(xué)來的（車云菌：否則你以為他那個(gè)半腦殘的碼工老爸能有多大知識儲備？）。目前的汽車所謂駕駛員輔助功能，比如探測到前方障礙后主動(dòng)剎車，在黃教主眼里太小兒科了：既然小孩子能認(rèn)識西紅柿，就能吃西紅柿；同理神經(jīng)網(wǎng)絡(luò)既然看得清交通行為，自然也可以駕車。所需的“課程”僅僅是學(xué)習(xí)人類駕駛員在應(yīng)對各種路面狀況的操作。

 

　　Project Dave，DARPA（美國國防部先進(jìn)研究項(xiàng)目局）試驗(yàn)項(xiàng)目之一，要做的是教一輛遙控車學(xué)會(huì)自己開自己。研究員們既沒有給它劃定路線，也沒有告訴它看到什么該如何做，而是給它看了一段在類似環(huán)境下人類駕駛車輛的視頻。Dave從視頻中學(xué)習(xí)了在遇到特定障礙時(shí)人類駕駛員的反應(yīng)，并在隨后的自動(dòng)駕駛測試中很好地“學(xué)以致用”。

 

　　目前的主動(dòng)剎車系統(tǒng)是雷達(dá)探測到前方有障礙就立即制動(dòng)，但計(jì)算機(jī)并不知道障礙物是什么。采用神經(jīng)網(wǎng)絡(luò)系統(tǒng)之后，計(jì)算機(jī)會(huì)主動(dòng)識別“來者何物”，如同很多人類駕駛員一樣，可能只需要收油或者輕點(diǎn)剎車就合理避讓了，乘客們可能不必嚇（he）得一滾。

 

　　啊，是的是的，車云菌明白您的顧慮，您說的沒錯(cuò)，即使是身經(jīng)百戰(zhàn)的神經(jīng)網(wǎng)絡(luò)也不能從人類駕駛員身上學(xué)到所有的駕駛技巧，尤其是緊要關(guān)頭的避險(xiǎn)策略。因此一些強(qiáng)制性的“硬編碼”還是非常必要的，比如絕對不許撞人，或者哪怕是堅(jiān)硬的實(shí)心體。嗯，請不要掩飾，車云菌也想到了艾薩克·阿西莫夫先生的“機(jī)器人三鐵律”。

 

　　硅谷大神間的切磋

　　然后Musk來了。黃總很風(fēng)趣，談及幾年后無人車遍地走的夢想，他說“就像在火星”，呃……因?yàn)镸usk曾公開說自己百年之后想去火星安息。后來Musk站臺主講，大黃還是不肯放過小伙伴，問及后者在2014年的一篇推文，說是AI（人工智能）比核武更危險(xiǎn)。Musk小朋友很害羞的回答：俺的意思是“潛在的”（風(fēng)險(xiǎn)），畢竟無人汽車只是AI在一個(gè)受限領(lǐng)域內(nèi)的實(shí)現(xiàn)。

 

　　黃仁勛與馬斯克侃（chun）侃（qiang）而（she）談（jian）

 

　　Musk認(rèn)為自動(dòng)駕駛車的引入將會(huì)是個(gè)緩慢的過程，畢竟全球汽車總量大概是20億，年度產(chǎn)能僅在1億臺左右，這個(gè)更新的過程不可能很迅速。對目前而言，Musk的觀點(diǎn)是5到10英里時(shí)速的自動(dòng)駕駛相對容易，因?yàn)檫@個(gè)速度上的制動(dòng)距離在超聲探頭的探測距離內(nèi)；高于50mph的純高速自動(dòng)駕駛也不難，畢竟高速路況比較單一。而10到50mph的城市路況，不用說是最復(fù)雜的，行人，車輛，各種路標(biāo)，障礙，還有不斷的突發(fā)狀況。“但至少我們知道怎么做，也一定搞得掂”，Musk一如既往，充滿信心。