自動駕駛汽車眼中的世界是什么樣的？

自誕生以來，計算機一直生活在一個充滿1和0的世界里，它們煞費苦心地處理if-then和/或語句。

為自動駕駛汽車開發的一項技術可能會改變這一切。它將賦予機器人通過視覺理解世界的能力，更有可能是機器人自我意識的第一步。

我們將這種技術稱為“深度學習”，這是一種基于神經網絡算法來模仿大腦操作的技術。盡管研究人員已經將深度學習應用于許多領域，如語音識別，但視覺識別是最相關的領域。自動駕駛汽車是目前最熱門的研究領域之一。

簡單標簽

為了讓自動駕駛汽車在我們的城鎮和村莊自由行駛，我們需要它們能夠識別周圍的物體。除了已經配備的短波雷達和激光雷達外，研究人員還在自動駕駛汽車上安裝了攝像頭，使其能夠實時識別周圍的物體。

不幸的是，計算機沒有人類的視覺進化過程，它們天生無法看到和區分周圍環境中的物體。如果沒有視覺識別技術，工程師就無法教汽車在什么情況下該做什么。

目前，只有沃爾沃XC90等少數汽車配備了基于攝像頭的識別系統，可以區分其他汽車、行人和騎自行車的人。然而，該系統尚未在深度學習系統中實現。它們的實現機制是將攝像頭拍攝的圖像與圖像數據庫進行比較，以識別汽車、行人、自行車和交通標志等常見物體。這種方法會帶來一個明顯的問題，即不是所有出現在相機中的對象都保存在數據庫中。即使它在數據庫中，我們的世界是如此復雜和多樣化，以至于計算機無法存儲所有方面。

例如，如果計算機只知道“蛋糕”是一個有面包和奶昔的圓形蛋糕，那么當它看到一個有巧克力的矩形蛋糕時，它就認不出來了。通過多年的學習和經驗積累，我們的人類思維能力是靈活的，然后我們就可以識別這兩種蛋糕。

相似之處和差異

深度學習是一種不同于圖像匹配的技術，它最終會賦予汽車更好的視覺識別能力。按照前面的例子，研究人員向電腦展示了數千張照片，并告訴電腦它們都是蛋糕。深度學習系統會將圖片分成層次和紋理，提取它們的共性，并接受差異。經過足夠多的圖片訓練，計算機的神經網絡可以識別出從未見過的蛋糕圖片，甚至是超大的婚禮蛋糕。

科學家們希望通過同樣的理由，教會自動駕駛汽車的神經網絡識別行人、汽車、自行車和路標。但這不僅是為了識別特定的行人外觀，而且是為了訓練計算機行人在不同圖片的環境中可能的外觀。

通過這種方式，計算機可以區分坐在路邊的人（安全）和越過護欄的人（危險）。更好的是，視覺處理芯片可以從身體的一部分識別整個人，例如，只有頭部或手臂出現在畫面中，這通常是由坐在副駕駛上的乘客完成的。

當自動駕駛汽車能夠準確識別周圍環境中的物體時，它們可以根據具體情況做出相應的反應。當發現行人越過護欄，甚至站在路邊時，它可以減速、停車，甚至急轉彎。視覺識別可能是實現自動駕駛汽車的唯一途徑。

一個充滿物體的世界

為了訓練自動駕駛汽車，神經網絡只需要集中精力識別那些會影響駕駛環境的因素。斯坦福大學和普林斯頓大學開發的ImageNet數據庫包含數百萬張標記圖片，用于神經網絡學習面對更大的世界，例如扳手和企鵝之間的區別。除了圖片，研究人員還可以使用其他媒體來訓練神經網絡，例如語音輸入或3D圖像。谷歌一直致力于神經網絡的研究……

一些時間。他們推出了一種基于網絡的工具，計算機可以告訴人們它在圖片中看到了什么。

除了自動駕駛汽車，神經網絡和視覺識別還可以做很多事情。想象一下，如果有一個警察頭戴式顯示器，可以實時分析罪犯，判斷他身上是否有武器，這會很有用嗎？它可以幫助區分罪犯是否持有致命武器或蝙蝠等物品，并可以防止做出錯誤判斷。

家用機器人也將從這項技術中受益。Roomba掃地機器人只能在二維房屋地板上來回移動，并在其機械傳感器碰到障礙物后后退。一個裝有攝像頭的掃地機器人可以區分房子里的哪些物體，它可以移除、清潔和放回（當然，它不可能是活的）。例如，扔在地板上的籃子可以被移走，清理下面的地面，然后放回原處。

自我意識

隨著深度學習和神經系統的不斷發展，我們總有一天會遇到機器人有自我意識的問題。這種技術上的奇異性標志著強大的人工智能的出現，而且程序非常復雜，很難將其與意識區分開來。當機器人能夠像人類一樣感知周圍的世界時，他們會有同樣的世界觀、價值觀和道德觀嗎？

目前，人們還沒有就機器人意識的發展程度達成共識，但一些非常聰明的人已經警告人們可能出現的最壞情況。特別是，霍金和谷歌DeepMind首席執行官呼吁建立對自動武器系統的國際限制。

一種能夠自動識別并向攜帶武器的人開火的無人機（UAV）離現在還很遠，但這是研究神經網絡和視覺識別系統時必須考慮的問題。只要考慮到人的安全，自動駕駛汽車將被嚴格要求并受到密切監控。

神經網絡不斷發展，它們將為機器打開一扇通往新世界的大門。通過這扇門，機器可以從前所未有的角度觀察我們生活的世界。網絡計算機使我們的世界以與幾十年前完全不同的方式運行。10年后，當計算機能夠準確區分相機中看到的所有物體時，世界會是什么樣子？自誕生以來，計算機一直生活在一個充滿1和0的世界里，它們煞費苦心地處理if-then和/或語句。

為自動駕駛汽車開發的一項技術可能會改變這一切。它將賦予機器人通過視覺理解世界的能力，更有可能是機器人自我意識的第一步。

我們將這種技術稱為“深度學習”，這是一種基于神經網絡算法來模仿大腦操作的技術。盡管研究人員已經將深度學習應用于許多領域，如語音識別，但視覺識別是最相關的領域。自動駕駛汽車是目前最熱門的研究領域之一。

簡單標簽

為了讓自動駕駛汽車在我們的城鎮和村莊自由行駛，我們需要它們能夠識別周圍的物體。除了已經配備的短波雷達和激光雷達外，研究人員還在自動駕駛汽車上安裝了攝像頭，使其能夠實時識別周圍的物體。

不幸的是，計算機沒有人類的視覺進化過程，它們天生無法看到和區分周圍環境中的物體。如果沒有視覺識別技術，工程師就無法教汽車在什么情況下該做什么。

目前，只有沃爾沃XC90等少數汽車配備了基于攝像頭的識別系統，可以區分其他汽車、行人和騎自行車的人。然而，該系統尚未在深度學習系統中實現。它們的實現機制是將攝像頭拍攝的圖像與圖像數據庫進行比較，以識別汽車、行人、自行車和交通標志等常見物體。這種方法會帶來一個明顯的問題，即不是所有出現在相機中的對象都保存在數據庫中。即使它在數據庫中，我們的世界是如此復雜和多樣化，以至于計算機無法存儲所有方面。

例如，如果計算機只知道“蛋糕”是一個有面包和奶昔的圓形蛋糕，它就可以……

當它看到上面有巧克力的長方形蛋糕時就會認出它。通過多年的學習和經驗積累，我們的人類思維能力是靈活的，然后我們就可以識別這兩種蛋糕。

相似之處和差異

深度學習是一種不同于圖像匹配的技術，它最終會賦予汽車更好的視覺識別能力。按照前面的例子，研究人員向電腦展示了數千張照片，并告訴電腦它們都是蛋糕。深度學習系統會將圖片分成層次和紋理，提取它們的共性，并接受差異。經過足夠多的圖片訓練，計算機的神經網絡可以識別出從未見過的蛋糕圖片，甚至是超大的婚禮蛋糕。

科學家們希望通過同樣的理由，教會自動駕駛汽車的神經網絡識別行人、汽車、自行車和路標。但這不僅是為了識別特定的行人外觀，而且是為了訓練計算機行人在不同圖片的環境中可能的外觀。

通過這種方式，計算機可以區分坐在路邊的人（安全）和越過護欄的人（危險）。更好的是，視覺處理芯片可以從身體的一部分識別整個人，例如，只有頭部或手臂出現在畫面中，這通常是由坐在副駕駛上的乘客完成的。

當自動駕駛汽車能夠準確識別周圍環境中的物體時，它們可以根據具體情況做出相應的反應。當發現行人越過護欄，甚至站在路邊時，它可以減速、停車，甚至急轉彎。視覺識別可能是實現自動駕駛汽車的唯一途徑。

一個充滿物體的世界

為了訓練自動駕駛汽車，神經網絡只需要集中精力識別那些會影響駕駛環境的因素。斯坦福大學和普林斯頓大學開發的ImageNet數據庫包含數百萬張標記圖片，用于神經網絡學習面對更大的世界，例如扳手和企鵝之間的區別。除了圖片，研究人員還可以使用其他媒體來訓練神經網絡，例如語音輸入或3D圖像。谷歌從事神經網絡的研究已經有一段時間了。他們推出了一種基于網絡的工具，計算機可以告訴人們它在圖片中看到了什么。

除了自動駕駛汽車，神經網絡和視覺識別還可以做很多事情。想象一下，如果有一個警察頭戴式顯示器，可以實時分析罪犯，判斷他身上是否有武器，這會很有用嗎？它可以幫助區分罪犯是否持有致命武器或蝙蝠等物品，并可以防止做出錯誤判斷。

家用機器人也將從這項技術中受益。Roomba掃地機器人只能在二維房屋地板上來回移動，并在其機械傳感器碰到障礙物后后退。一個裝有攝像頭的掃地機器人可以區分房子里的哪些物體，它可以移除、清潔和放回（當然，它不可能是活的）。例如，扔在地板上的籃子可以被移走，清理下面的地面，然后放回原處。

自我意識

隨著深度學習和神經系統的不斷發展，我們總有一天會遇到機器人有自我意識的問題。這種技術上的奇異性標志著強大的人工智能的出現，而且程序非常復雜，很難將其與意識區分開來。當機器人能夠像人類一樣感知周圍的世界時，他們會有同樣的世界觀、價值觀和道德觀嗎？

目前，人們還沒有就機器人意識的發展程度達成共識，但一些非常聰明的人已經警告人們可能出現的最壞情況。特別是，霍金和谷歌DeepMind首席執行官呼吁建立對自動武器系統的國際限制。

一種能夠自動識別并向攜帶武器的人開火的無人機（UAV）離現在還很遠，但這是研究神經網絡和視覺識別系統時必須考慮的問題。只要考慮到人的安全，自動駕駛汽車將被嚴格要求并受到密切監控。

神經網絡不斷發展，它們將打開……

通往機器新世界的大門。通過這扇門，機器可以從前所未有的角度觀察我們生活的世界。網絡計算機使我們的世界以與幾十年前完全不同的方式運行。10年后，當計算機能夠準確區分相機中看到的所有物體時，世界會是什么樣子？

標簽：發現沃爾沃

汽車資訊熱門資訊