我們的駕駛方式正在發(fā)生改變。在全球范圍內(nèi),城市化、拼車以及最終的無(wú)人駕駛汽車等趨勢(shì)將意味著我們對(duì)交通工具的需求也會(huì)發(fā)生變化。為了應(yīng)對(duì)這一挑戰(zhàn),汽車上的每一個(gè)零部件的設(shè)計(jì)和功能都應(yīng)該重新調(diào)整以適應(yīng)這些變化了的需求,其中當(dāng)然也包括輪胎。
在這方面,固特異是全球領(lǐng)先的汽車輪胎供應(yīng)商,除此之外,該公司還提供各種類型的商業(yè)、工業(yè)和農(nóng)用車輛的輪胎。自19世紀(jì)末以來(lái),這家美國(guó)的輪胎制造商不斷引領(lǐng)輪胎技術(shù)的發(fā)展并因此聲名卓著。在21世紀(jì)的今天,它仍然在使用包括人工智能(AI)在內(nèi)的各種尖端技術(shù)以保持競(jìng)爭(zhēng)優(yōu)勢(shì)。
這樣做的原因在于,隨著汽車變得更加電氣化和自動(dòng)化,對(duì)運(yùn)動(dòng)部件的依賴性也在降低,而看似技術(shù)含量不高的輪胎,卻可以通過(guò)創(chuàng)新,不斷地帶來(lái)收益。如今,汽車上需要進(jìn)行日常維護(hù)和定期更換的零部件的數(shù)量越來(lái)越少,而輪胎就是其中之一。在理想的世界中,它也應(yīng)該是極少數(shù)和外部物理對(duì)象接觸的零部件之一。這意味著它可以使用虛擬“感官”——即觸覺(jué)。
固特異首席技術(shù)官Chris Helsel解釋說(shuō),這是他們?cè)趲啄昵伴_(kāi)始重新思考,輪胎如何讓變得更“智能”的起因,他們希望讓輪胎更有效地完成自己的“使命”,并且希望這種做法能夠幫助他們更好地理解當(dāng)橡膠碰到路面時(shí)發(fā)生了什么。他表示:“我們開(kāi)始思考,如何讓輪胎變成汽車的整個(gè)使用壽命過(guò)程中一種更為永久的結(jié)構(gòu)——這就是ReCharge這個(gè)概念的起源。”
ReCharge概念輪胎原計(jì)劃于三月份在日內(nèi)瓦國(guó)際車展上向全世界推出,不過(guò)該車展后來(lái)取消了。這款輪胎使用了人工智能技術(shù)監(jiān)控并學(xué)習(xí)駕駛員的行為。在它的使用壽命中,會(huì)使用一種受到蜘蛛絲的碳結(jié)構(gòu)啟發(fā)的合成材料,從而改變輪胎的成分,使其適應(yīng)車輛的行駛方式。
不同的材料可以通過(guò)可替換的“小球”被分配到輪胎之中。這些“小球”會(huì)將材料推送到輪胎結(jié)構(gòu)中的孔隙,使它能夠在檢測(cè)到磨損發(fā)生的時(shí)候有效地重構(gòu)輪胎的外表面。除了強(qiáng)化表面(這將使輪胎使用壽命更長(zhǎng)——甚至接近車輛的使用壽命),輪胎對(duì)于駕駛員來(lái)說(shuō)也可以變得更加“個(gè)性化”。
當(dāng)這種技術(shù)投入生產(chǎn)時(shí),這意味著我們能夠自動(dòng)收到制造商提供的“填充包”,這是廠商通過(guò)人工智能對(duì)我們的個(gè)人使用模式進(jìn)行預(yù)測(cè)的結(jié)果,我們現(xiàn)在也可以通過(guò)同樣的方式從打印機(jī)生產(chǎn)廠商那里獲得替換墨盒。
Helsel表示:“這些‘小球’可以進(jìn)行調(diào)整,比如,如果你經(jīng)常在高速公路上行駛,那么磨損就不會(huì)太嚴(yán)重,就不需要太強(qiáng)的快速制動(dòng)距離和操控性方面的性能,因此,材料就可以針對(duì)燃油經(jīng)濟(jì)性進(jìn)行特別的調(diào)整。再比如,如果你的駕駛模式中需要很多起停和轉(zhuǎn)彎(在城市道路上),磨損就會(huì)比較嚴(yán)重,我們就會(huì)建議你選擇高磨損型的產(chǎn)品。”
這個(gè)概念也能夠在可持續(xù)性方面帶來(lái)許多好處。舉例來(lái)說(shuō),傳統(tǒng)輪胎中會(huì)將石化衍生的合成橡膠和天然橡膠混合以提高現(xiàn)代輪胎的耐用性和性能,而根據(jù)ReCharge這個(gè)概念,制造商們則會(huì)試圖減少對(duì)合成橡膠的依賴。
ReCharge是固特異智能輪胎原型的最新版本。它提出的基礎(chǔ)是發(fā)送到固特異云服務(wù)器端的信息,這些信息經(jīng)過(guò)處理之后,通過(guò)安裝在輪胎和輪轂之間的輪胎遠(yuǎn)程信息處理組件,生成“駕駛員簽名”配置文件。
Helsel解釋說(shuō):“這個(gè)概念之所以重要是因?yàn)檐囕v上有很多傳感器,但我們認(rèn)為在零部件中有一個(gè)與道路接觸的傳感器是非常重要的。”“我們真正想要努力實(shí)現(xiàn)的目標(biāo)是,擁有能夠?qū)崟r(shí)監(jiān)測(cè)道路界面上所發(fā)生事情的能力。今天還沒(méi)有人能夠做到這一點(diǎn)。”
現(xiàn)如今,汽車中確實(shí)安裝了很多可以進(jìn)行監(jiān)測(cè)的傳感器,例如監(jiān)測(cè)冰凍和制動(dòng)器可能無(wú)法達(dá)到最佳性能的傳感器。但是,固特異的技術(shù)則更進(jìn)一步,可以通過(guò)數(shù)百萬(wàn)輪胎的行駛數(shù)據(jù)進(jìn)行復(fù)雜的預(yù)測(cè)。
隨著智慧城市時(shí)代的到來(lái),這些信息還可以被用于更高效地維護(hù)高速公路,減少車輛磨損并降低事故發(fā)生率。
Helsel表示:“如果考慮到一年內(nèi)銷售的輪胎數(shù)量的話,我們可以在任意時(shí)刻迅速讓五億個(gè)傳感器接觸道路,然后充分利用這些信息。”
多年以來(lái),固特異一直在研究人工智能技術(shù)及其對(duì)現(xiàn)實(shí)世界駕駛的影響。這些工作中最重要的領(lǐng)域之一就是模擬,這也正是Helsel加入固特異之后首先開(kāi)始的一項(xiàng)工作。這個(gè)設(shè)計(jì)、原型設(shè)計(jì)和測(cè)試方面的概念現(xiàn)在被稱為“數(shù)字雙胞胎”,作為這一概念的早期采用者,固特異將“構(gòu)建和測(cè)試”的流程從現(xiàn)實(shí)世界轉(zhuǎn)移到虛擬世界之中,并且通過(guò)這種方式,將其產(chǎn)品開(kāi)發(fā)的成本至少降低了一半。
Helsel表示:“當(dāng)我剛進(jìn)入這個(gè)行業(yè)的時(shí)候——大約是25年前——所有的一切都是圍繞著測(cè)試的。我的角色是計(jì)算機(jī)建模,建立輪胎的虛擬模型并測(cè)試數(shù)據(jù)?,F(xiàn)在,我們幾乎已經(jīng)擁有了‘讓板凳立住的第三條腿’——我們的數(shù)據(jù)可以說(shuō)是滾滾而來(lái)。”
“而且,我們并不將其局限于產(chǎn)品開(kāi)發(fā)。想想你用于運(yùn)營(yíng)業(yè)務(wù)的所有系統(tǒng)……無(wú)論是進(jìn)行產(chǎn)品開(kāi)發(fā)還是需求規(guī)劃,只要你想得到的,都可以使用它們……所有這些企業(yè)的職能都非常相似,這可以讓知識(shí)工作者變得更有效率和成效。”Helsel說(shuō)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。