這兩天百度首席科學(xué)家吳恩達離職的事情鬧得沸沸揚揚，傳聞吳恩達很可能加入其老婆所在的創(chuàng)業(yè)公司Drive.ai，一家致力于用深度學(xué)習技術(shù)研發(fā)無人駕駛系統(tǒng)的公司。這個“小廟”為什么能吸引吳恩達這尊大佛呢？Drive.ai有何神奇之處呢？

2017年 3月22日，百度首席科學(xué)家吳恩達宣布離職。吳恩達的公開信稱：“除了推動大公司使用人工智能，也還有很多創(chuàng)業(yè)，以及更深入進行人工智能研究的機會。我希望我們每個人都擁有自動駕駛汽車……”。從上下文中推測，吳恩達接下來有很大的概率會投奔創(chuàng)業(yè)公司，并且有很大的概率從事自動駕駛汽車的研究。有評論稱，吳恩達或加盟人工智能公司Drive.ai。

Drive.ai是何方神圣？

Drive.ai，是一家人工智能創(chuàng)業(yè)公司，由斯坦福大學(xué)的7名人工智能研究員創(chuàng)立，其中一位聯(lián)合創(chuàng)始人兼總裁Carol Reiley是吳恩達的妻子。

該創(chuàng)業(yè)公司，位于加州MountainView，主要致力于基于深度學(xué)習的技術(shù)研發(fā)驅(qū)動無人駕駛的自動駕駛軟件系統(tǒng)，通過工具包將普通汽車變?yōu)闊o人車。其計劃測試配備傳感器的車輛。Drive.ai的車輛搭載了基于深度學(xué)習的軟件、車載界面，以及安裝在車頂、用于提示周圍行人和其他車輛的顯示屏用于人和車交互。這塊屏幕上會顯示車輛是否將剎車、變道，或是轉(zhuǎn)向。這項技術(shù)最初的目標市場是路線固定的車輛。Drive.ai尚未公布這 一系統(tǒng)的價格以及開售時間。

根據(jù) Drive.ai官方網(wǎng)站上公布的信息，公司現(xiàn)在擁有47名員工，其中包括7個人組成的核心創(chuàng)始團隊。這7個人要么來自斯坦福大學(xué)，要么來自約翰霍普金斯大學(xué)。

公司高管情況如下：

· Sameep Tandon，公司CEO，來自斯坦福大學(xué)的人工智能實驗室；

· Fred Rosenzweig，公司COO，曾在硅谷多家初創(chuàng)公司擔任CEO，EFI公司的總裁之一；

· Carol Reiley(吳恩達妻子)，公司總裁，在機器人相關(guān)領(lǐng)域里擁有15年的工作經(jīng)驗，曾任職于洛克希德馬丁公司，手握六項專利。

自15年創(chuàng)立以來，Drive.ai已籌集1200萬美元融資，投資機構(gòu)包括InnoSpring Seed Fund、Northern Light Venture Capital、OrizaVentures三家；并在2016年4月獲得了加州車管局的自動駕車測試許可，成了第13家獲批在加州進行自動駕駛汽車路測的公司。當前Drive.ai共有4輛車在舊金山灣區(qū)進行路測，即使在夜路、下雨、有霧等復(fù)雜情況下，它們也基本可以實現(xiàn)完全自動駕駛。這些車輛的路測，開始于大約1年前……

今年2月15日，Drive.ai發(fā)布了一段視頻，視頻中Drive.ai開發(fā)的自動駕駛汽車在一個漆黑的雨夜順利穿過MountainView街道。

我們都知道，光線、視野以及天氣因素等外部環(huán)境是影響到自動駕駛技術(shù)運作的關(guān)鍵因素。雨天并且是夜晚，對于自動駕駛汽車來說，在環(huán)境識別和駕駛決策上都平添了很多困難，而 Drive.ai的自動駕駛技術(shù)似乎很好地解決這種問題。

我們看一下Drive.ai雨天路測的視頻。

根據(jù)視頻來看，Drive.ai的自動駕駛技術(shù)在雨夜這樣惡劣的外部環(huán)境下，很好地控制傳感器元件，有效地偵測來往車輛的燈管、路牌表示，并對前方車輛的動作做出及時反饋，而且人完全沒有干預(yù)機器的駕駛行為。

也許有人會說，這沒什么特別的。很多自動駕駛汽車在路測階段也能達到同樣的效果，并且相比一個只有區(qū)區(qū)不到50名員工的Drive.ai而言，主機廠和谷歌等科技巨頭顯然更有資金實力和資源。Drive.ai有什么魅力值得曾就職于谷歌和百度的吳恩達加入呢？(除了吳恩達妻子在Drive.ai這一因素外)

Drive.ai在自動駕駛技術(shù)上有何不同？

Drive.ai和其他研發(fā)自動駕駛汽車的公司有什么不同？

首先，和研發(fā)自動駕駛汽車的傳統(tǒng)車企不同的是，Drive.ai沒有從L1、L2、L3再到L4,而是直接進行L4的研發(fā)。

而在直接研究L4自動駕駛的各大團隊中，Drive.ai也是個異類——Drive.ai想完全依靠深度學(xué)習技術(shù)，讓汽車實現(xiàn)基本不需要人類干預(yù)的自動駕駛。

其他無人車團隊就不用深度學(xué)習技術(shù)了嗎？

大多數(shù)自動駕駛團隊都只把深度學(xué)習用在識別中。最常見的做法，是把深度學(xué)習用在感知方面。這種技術(shù)在分類任務(wù)上表現(xiàn)得非常出色，甚至無論什么場景都可以，因此，深度學(xué)習在自動駕駛上的應(yīng)用，通常是類似于識別攝像頭畫面中的行人這樣的任務(wù)。

而Drive.ai則除了識別外，還將深度學(xué)習用于駕駛過程中的決策。Drive.ai總裁Carol Reiley說，

“我們與傳統(tǒng)的機器人學(xué)方法有著明顯的區(qū)別，很多公司都會在自動駕駛技術(shù)的某個組件上用深度學(xué)習，但是我們是從整體來考慮的?！?

Drive.ai的CEO Sameep Tandon說，他們認為要想在近期制造出有用的自動駕駛汽車，深度學(xué)習是唯一可行方案。

“從這些算法的長期可能性來看，也就是人們未來會怎樣設(shè)計自動駕駛汽車，建立一個學(xué)習系統(tǒng)還是最有意義的。駕駛這件事很復(fù)雜，有很多難度高、又很微妙的問題，如果你用除了學(xué)習之外的方法來解決，你一輩子也別想把車子開出去?！?

為什么其他研發(fā)自動駕駛汽車的公司不將深度學(xué)習運用于決策呢？因為怕“黑箱”。

深度學(xué)習的黑箱：深度學(xué)習系統(tǒng)就像人類的大腦一樣，只能通過信息輸入輸出來確定結(jié)構(gòu)和參數(shù)，而在輸入、輸出之間的決策過程，我們看不見也無法理解。

汽車關(guān)乎人的生命安全一旦系統(tǒng)做出了錯誤的決策，你需要確切地知道在這個過程中發(fā)生了什么，確保同樣的錯誤不會再次發(fā)生。因此，他們用傳統(tǒng)的、基于規(guī)則的機器人學(xué)方法來做決策，將深度學(xué)習的應(yīng)用限制在感知上。

而Drive.ai的做法，是在感知和決策上都使用深度學(xué)習，并且刻意避免了這樣一個端到端的大黑箱。

“如果你將它分解成幾個部分，然后分別應(yīng)用深度學(xué)習，你就會發(fā)現(xiàn)每部分都能用不同的方法來驗證，這樣就會對系統(tǒng)有信心了。”—— Drive.aiCEO Sameep Tandon

此外，Drive.ai還結(jié)合了一些規(guī)則、人類知識來確保系統(tǒng)的安全性。Drive.ai還通過一些技巧窺視黑箱里面發(fā)生了什么，然后進行調(diào)整。

比如：可以向系統(tǒng)輸入特別處理過的數(shù)據(jù)，然后看算法對數(shù)據(jù)細微變化的反應(yīng)。對于某些特定的情況，模擬也是一種很好的方法。

我們開始建立這個深度學(xué)習感知系統(tǒng)的時候，天橋是我們最早遇到的障礙之一。我們開著車出去測試，發(fā)現(xiàn)系統(tǒng)會把天橋的影子誤判為障礙物。在學(xué)習過程中，你可以用hard mining的方法，讓算法集中解決具有挑戰(zhàn)性的場景。 我們就用合成的例子增強了數(shù)據(jù)集，就好像在說：“來，系統(tǒng)，告訴我這個天橋你打算怎么處理。處理完我調(diào)整一下，你再來一次。”訓(xùn)練一段時間后，系統(tǒng)就能夠正確認識天橋了，然后你可以從系統(tǒng)層面來證實。 —— Drive.aiCEO Sameep Tandon

Drive.ai做了些什么？正在做什么？

數(shù)據(jù)訓(xùn)練

無論是深度學(xué)習還是基于規(guī)則的算法，都需要對傳感器獲取的場景中，出現(xiàn)的所有物體進行詳細標注。Drive.ai將巨大的努力用于收集高質(zhì)量數(shù)據(jù)，然后進行標注，讓它們能被深度學(xué)習算法所用。

標注是一項簡單枯燥的工作：一個人類，面對著一段短視頻，甚至可能是幾幀圖像或者激光雷達數(shù)據(jù)，在圖像中的每一輛車、每一個行人、路標、交通燈等等可能與自動駕駛算法相關(guān)的物體周圍畫上方框。

“我們知道有的公司有一支數(shù)千人的標注大軍，在物體周圍畫方框。汽車每測試一小時，產(chǎn)生的數(shù)據(jù)足夠一個人標注800小時。

但我們的標注速度比它們快了幾個量級，而且依然在優(yōu)化?！?

這如何實現(xiàn)的呢？

Drive.ai使用深度學(xué)習來進行輔助自動標注。

因此，它們只有一支規(guī)模很小的標注團隊，大部分都在對新場景新型訓(xùn)練，或者驗證系統(tǒng)自動標注的結(jié)果。

硬件系統(tǒng)

Drive.ai當前開發(fā)了一套安裝在車頂?shù)挠布到y(tǒng)，這套硬件系統(tǒng)是通用性設(shè)備，可以非常簡便地加裝到不同的車輛上。該硬件系統(tǒng)集成了共9個高清攝像頭、2個雷達、6個Velodyne Puck激光雷達。還有一個大顯示屏用于和人交互。安裝Drive.ai的車輛都在不斷為生成地圖而捕捉數(shù)據(jù)，并把數(shù)據(jù)送入深度學(xué)習系統(tǒng)，當然數(shù)據(jù)也用戶駕駛?cè)蝿?wù)本身。

當前Drive.ai傳感器體系復(fù)雜且昂貴，未來Drive.ai進入試點計劃時，傳感器可能會減少。

我們需要一個顯著較小的子集，可能是目前的一半，

算法正在不斷改進，我們也在把不同傳感器的數(shù)據(jù)整合起來，從激光雷達獲得低分辨率深度數(shù)據(jù)，并從攝像頭獲得真正高分辨率的情景信息”。 ——Drive.ai Pazhayampallil

Drive.ai正在推動讓無人車可以像人類一樣駕駛。

目前通行的交通燈檢測方法：是把詳細的路口信息映射給自動駕駛系統(tǒng)，確切的告訴攝像頭應(yīng)該看哪里。但這種方法無法擴展到更廣的區(qū)域。

Drive.ai收集不同路口、不用交度、不同場景的信息，訓(xùn)練深度學(xué)習系統(tǒng)識別交通燈；Drive.ai還用情景感知的方式進行判斷。比如有些情況下，也許交通燈被遮擋，但周圍的車輛都啟動行駛，那么系統(tǒng)也應(yīng)該判斷目前交通燈是綠色的。

Drive.ai正在推動L4級自動駕駛的發(fā)展，Drvie.ai計劃的首要關(guān)注點是物流：在小范圍重復(fù)遞送物品。

【番外】吳恩達妻子、Drive.ai總裁——硅谷“女神”

吳恩達離職、讓低調(diào)的Drive.ai浮出水面的一個重要因素就是吳恩達的妻子，在科學(xué)界的牛逼程度可以稱得上是硅谷“女神”。

首先，硅谷“女神”標配智商超群——Carol Reiley是約翰霍普金斯(Johns Hopkins University)的雙料博士，曾在洛克希德馬丁公司就職，有六個專利、被硅谷封為2016年最有影響力女性之一。

洛克希德馬丁，創(chuàng)建于1912年，是一家美國航空航天制造商。2016年12月，瑞典SIPRI發(fā)布了2015年度全球軍工百強企業(yè)排行榜，洛克希德馬丁排名世界第一。

其次，Carol Reiley美貌超群。直接上圖。

吳恩達和妻子Carol Reiley是在2009年美國電子電氣工程師協(xié)會(IEEE)的國際會議上認識的；2014年他們?yōu)榱思o念這一特殊的時刻，在IEEE期刊的期刊上宣布訂婚。相當于是科學(xué)界的金童玉女。

吳恩達簡介

吳恩達，國際上人工智能和機器學(xué)習領(lǐng)域最權(quán)威的學(xué)者之一，華裔美國人，是斯坦福大學(xué)計算機科學(xué)系和電子工程系副教授，人工智能實驗室主任。

2010年，加入谷歌開發(fā)團隊XLab(該團隊先后為谷歌開發(fā)無人駕駛汽車和谷歌眼鏡兩個知名項目)，與谷歌頂級工程師開始合作建立全球最大的“神經(jīng)網(wǎng)絡(luò)”“谷歌大腦”項目。

2014年，加入百度擔任百度公司首席科學(xué)家，負責百度研究院領(lǐng)導(dǎo)工作，尤其是“百度大腦”計劃。

吳恩達最知名的事件是，開發(fā)的人工神經(jīng)網(wǎng)絡(luò)通過觀看一周YouTube視頻，自主學(xué)會識別哪些是關(guān)于貓的視頻。這個案例為人工智能領(lǐng)域翻開嶄新一頁。

該文參考引用：

【1】量子位·自動駕駛汽車能不能用深度學(xué)習做決策？看看Drive.ai是怎么做的.https://zhuanlan.zhihu.com/p/25703578

【2】虎嗅.來八一下吳恩達離開百度后可能加入的Drive.ai.https://www.huxiu.com/article/186806

【3】百度百科

返回第一電動網(wǎng)首頁 >