自动驾驶汽车功能真的不如宣传的那么强大?.doc

自动驾驶汽车功能真的不如宣传的那么强大?.doc

ID:28131343

大小:234.50 KB

页数:8页

时间:2018-12-08

自动驾驶汽车功能真的不如宣传的那么强大?.doc_第1页
自动驾驶汽车功能真的不如宣传的那么强大?.doc_第2页
自动驾驶汽车功能真的不如宣传的那么强大?.doc_第3页
自动驾驶汽车功能真的不如宣传的那么强大?.doc_第4页
自动驾驶汽车功能真的不如宣传的那么强大?.doc_第5页
资源描述:

《自动驾驶汽车功能真的不如宣传的那么强大?.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、自动驾驶汽车功能真的不如宣传的那么强大?  怀疑论者表示,完全自动驾驶可能比想象的更遥不可及,只是业界不愿承认罢了。  如果你真相信首席执行官们说的话,完全自动驾驶的汽车可能再过几个月就会问世。2015年,埃隆•马斯克预测到2018年完全自动驾驶的特斯拉会面市;谷歌也是如此。Delphi和MobileEye的L4系统目前定于2019年推出,同年Nutonomy计划在新加坡的街道上部署数千辆无人驾驶的出租车。通用汽车(GM)将在2019年量产完全自动驾驶的汽车,没有方向盘,驾驶员也无法干预。这些预测背后都有真金实银在支撑,豪赌软件能

2、够不辱使命,功能像宣传的那么强大。  自动驾驶汽车功能真的不如宣传的那么强大?  怀疑论者表示,完全自动驾驶可能比想象的更遥不可及,只是业界不愿承认罢了。  如果你真相信首席执行官们说的话,完全自动驾驶的汽车可能再过几个月就会问世。2015年,埃隆•马斯克预测到2018年完全自动驾驶的特斯拉会面市;谷歌也是如此。Delphi和MobileEye的L4系统目前定于2019年推出,同年Nutonomy计划在新加坡的街道上部署数千辆无人驾驶的出租车。通用汽车(GM)将在2019年量产完全自动驾驶的汽车,没有方向盘,驾驶员也无法干预。这些

3、预测背后都有真金实银在支撑,豪赌软件能够不辱使命,功能像宣传的那么强大。  自动驾驶汽车功能真的不如宣传的那么强大?  怀疑论者表示,完全自动驾驶可能比想象的更遥不可及,只是业界不愿承认罢了。  如果你真相信首席执行官们说的话,完全自动驾驶的汽车可能再过几个月就会问世。2015年,埃隆•马斯克预测到2018年完全自动驾驶的特斯拉会面市;谷歌也是如此。Delphi和MobileEye的L4系统目前定于2019年推出,同年Nutonomy计划在新加坡的街道上部署数千辆无人驾驶的出租车。通用汽车(GM)将在2019年量产完全自动驾驶的汽

4、车,没有方向盘,驾驶员也无法干预。这些预测背后都有真金实银在支撑,豪赌软件能够不辱使命,功能像宣传的那么强大。    乍一看,完全自动驾驶似乎比以往任何时候都更触手可及。Waymo已经在亚利桑那州一些有限但公开的道路上测试汽车。特斯拉及其他众多模仿者已经在出售功能有限的自动驾驶系统(Autopilot),一旦发生任何意外情况,依赖驾驶员干预。已发生过几起事故(有些还是致命的);但业界普遍认为,只要系统不断改进,我们离根本不必有人干预不会太远。  但是完全自动驾驶汽车这个梦想可能比我们想象的更遥不可及。AI专家们越来越担心,自动驾驶

5、系统能可靠地避免事故至少还要再过几年,甚至再过几十年。由于自我训练的系统很难应对现实世界的混乱局面,像纽约大学的加里•马库斯(GaryMarcus)这些专家准备好了对预期进行一番痛苦的重新调整,这番纠正有时被称为“AI寒冬”。这种延迟可能给依赖自动驾驶技术的公司带来灾难性后果,让整整一代人体验不到完全自动驾驶。  不难理解为什么汽车公司对自动驾驶持态度乐观。在过去的十年间,深度学习已经在AI和技术行业带来了几乎无法想象的进展;深度学习这种方法使用层次化的机器学习算法,从海量数据集中提取结构化信息。深度学习支持谷歌搜索、Facebo

6、ok新闻源(NewsFeed)、对话式语音/文本转换算法以及会下围棋的系统。在互联网之外,我们使用深度学习来检测地震、预测心脏病并标记拍摄镜头中的可疑行为,还有另外无数原本不可能实现的创新。  但深度学习需要大量的训练数据才能发挥作用,包含算法会遇到的几乎每一个场景。比如说,GoogleImages等系统擅长识别动物,只要有训练数据给它们展示每种动物长的样子。马库斯将这种任务称之为“内插”(interpolation),对所有标记为“豹猫”的图像进行调查,从而确定新图片是否属于豹猫这一类。  工程师们可能在数据来自何处以及如何组织

7、数据方面另辟蹊径,但这对某种算法能覆盖多广的范围施加了严格的限制。同样的算法无法识别豹猫,除非它见过成千上万张豹猫的照片――即使它见过家猫和美洲虎的照片,并且知道豹猫介于这两种动物之间。这个过程名为“泛化”(generalizaTIon),需要一套不同的技能。  长期以来,研究人员认为自己可以借助合适的算法改进泛化技能,但最近的研究表明,传统深度学习在泛化方面比我们想象的还要糟糕。一项研究发现,传统深度学习系统面对一段视频的不同帧时,甚至难以泛化,只要视频背景出现小小的变化,就会将同一只北极熊标记为狒狒、猫鼬或黄鼠狼。由于每个分类

8、基于总共几百个因素,照片哪怕小小的变化也可能完全改变系统的判断,其他研究人员已在对抗数据集中利用了这一点。  马库斯提到聊天机器人热潮就是炒作遭遇泛化问题的最新例子。他说:“2015年有厂商向我们承诺推出聊天机器人,但它们没有任何好处,因为这不仅仅

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。