司機(jī)的駕駛經(jīng)驗越豐富,在行駛過程中引發(fā)風(fēng)險的幾率就越低。有研究表明,人類駕駛員往往需要經(jīng)過多年的實操,才能成長為膽大心細(xì)、盡職盡責(zé)的交通參與者。同樣的,卡車司機(jī)們的見聞越廣博,引發(fā)嚴(yán)重交通事故的可能性也越小。
同樣的道理,也適用于自動駕駛系統(tǒng)。哪種自動駕駛平臺的經(jīng)驗更豐富,它的駕駛安全性也就更出色。
既然駕駛經(jīng)驗如此重要,技術(shù)人員要怎么保證自己打造的計算機(jī)駕駛系統(tǒng),能夠充分積累起來自美國常規(guī)道路及高速公路的一手訓(xùn)練素材?
這個問題的答案,也許就是開創(chuàng)自動駕駛新時代的核心所在。
半拖卡車——計算機(jī)的學(xué)習(xí)之路
得益于傳感器技術(shù)與人工智能(AI)的快速發(fā)展,自動駕駛卡車如今已經(jīng)能夠分析道路上的各種物體并快速做出響應(yīng)決策。
這一切,在很大程度上是由訓(xùn)練出的深度學(xué)習(xí)算法所達(dá)成。通過不斷向自動駕駛系統(tǒng)展示其他車輛、行人乃至障礙物等,我們的自動駕駛方案也一步步學(xué)會該如何做出適應(yīng)反應(yīng)。
這里需要注意的是,與人類不同,機(jī)器往往缺乏基本常識、無法處理前所未見的新狀況。人類駕駛員在遇到意外障礙(例如突然竄出的野生動物)時會立即減速,這種決策源自我們以往經(jīng)歷過的類似情況或者基本推斷,但計算機(jī)在這方面卻總是顯得“智商捉急”。
具體來講,深度神經(jīng)網(wǎng)絡(luò)只能從訓(xùn)練時接觸過的數(shù)據(jù)中學(xué)習(xí),因此只要當(dāng)前情況尚未出現(xiàn)在公共道路、封閉道路或者計算機(jī)模擬當(dāng)中,算法就會瞬間陷入慌亂。
所以這就又回到了最初的問題:我們該怎么訓(xùn)練機(jī)器,保證它們能全面接觸并積累起駕駛經(jīng)驗?
數(shù)據(jù)、數(shù)據(jù)、更多數(shù)據(jù)
Plus公司的目標(biāo),是幫助卡車自動駕駛系統(tǒng)從容處理長途道路上常見的各類交通與天氣情況。除了封閉道路測試與計算機(jī)模擬之外,該公司的PlusDrive系統(tǒng)還在空曠道路上進(jìn)行學(xué)習(xí),引導(dǎo)卡車解決現(xiàn)實道路上可能遇到的障礙與突發(fā)狀況。空中飛舞的垃圾、地面結(jié)冰、路邊轉(zhuǎn)動的風(fēng)機(jī)葉片乃至左沖右突的摩托車,一切都得在系統(tǒng)的應(yīng)對范圍之內(nèi)。
雖然這些所謂“拖尾”狀況僅占全部路況中不足1%的比例,但卻是決定整個自動行駛流程能否安全完成的關(guān)鍵。目前,全社會對計算機(jī)操作機(jī)器的安全期望或者說要求,也遠(yuǎn)遠(yuǎn)高于人類駕駛員。
數(shù)十億英里的道路測試
從今年夏季開始,Plus會將其監(jiān)督型自動駕駛系統(tǒng)投入工廠生產(chǎn),并著手使用這套系統(tǒng)翻新現(xiàn)有卡車。到明年夏季,由PlusDrive驅(qū)動的數(shù)百輛自動卡車將正式上路拖運商業(yè)貨物。
在整個訓(xùn)練期間,人類駕駛員同樣需要坐在駕駛室內(nèi)。類似于老司機(jī)帶新手,Plus雇用的人類駕駛員會持續(xù)監(jiān)督自動駕駛卡車的行駛方式,并在必要時快速介入以展示如何處理意外障礙。
Plus公司預(yù)計,在全面部署全自動駕駛汽車之前,其卡車車隊將累積數(shù)十億英里的總體行駛里程。憑借這種由專業(yè)駕駛員訓(xùn)練并驗證自動系統(tǒng)的革命性實現(xiàn)方案,該公司有望更快累積起可觀的學(xué)習(xí)里程。
卡車司機(jī)仍將存在,車隊碳排放將顯著降低
人類駕駛員同樣能夠從中獲益。Plus監(jiān)督下的自動駕駛卡車解決方案實際上提升了卡車司機(jī)的作用,可幫助他們快速提升技能,并為未來的自動駕駛技術(shù)做好準(zhǔn)備。此外,這位數(shù)字化隨車“大副”將幫助司機(jī)緩解長途路線上的駕駛疲勞感,讓車隊更容易招募到貨運司機(jī)。
這套系統(tǒng)還有其他助益。目前,燃油消耗約占貨運企業(yè)整體運營預(yù)算的三分之一,也是目前重型卡車中的開銷大頭。未來上線的自動駕駛系統(tǒng)將更了解道路情況,可實時獲取GPS與天氣數(shù)據(jù),預(yù)先優(yōu)化換擋與制動操作。Plus還建立起試點項目,證明即使是最出色的人類駕駛員相比,PlusDrive也能夠?qū)④囕v油耗進(jìn)一步降低10%——這將是經(jīng)濟(jì)效益與環(huán)境保護(hù)方面的雙重勝利。
自動駕駛卡車的未來,在于當(dāng)下
商業(yè)太空旅行、太陽能城市與自動駕駛汽車——作為影響未來生活形態(tài)的三大變量,前兩種取決于經(jīng)濟(jì)性拐點何時到來,而第三種則完全取決于我們何時能為系統(tǒng)積累起充足的數(shù)據(jù)量。
Plus公司正努力構(gòu)建起必要的信息反饋循環(huán),他們旗下的卡車也在一刻不停地累積數(shù)據(jù)。眾多安全意識最強(qiáng)、駕駛效率最高的頂尖人類駕駛員正用自己的反應(yīng)為系統(tǒng)提供訓(xùn)練素材;工程師們則不斷微調(diào)PlusDrive的算法與決策機(jī)制。也許, PlusDrive最終也將成為這批頂尖駕駛者中的一員。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。