当前位置: 首页 >> 农业机械

英媒计算机有朝一日会成为值得信赖的司机替代者

2021-08-18 来源:包头机械信息网

英媒:计算机有朝一日会成为值得信赖的司机替代者

如果你有许多人怀疑计算机有朝一日会成为值得信赖的司机替代者,请考虑一下:美国国家公路交通安全管理局表示,94%的严重碰撞是人为错误造成的。所以,是的,计算机可能会被证明对控件更安全。这不是一个很高的标准中国机械网okmao.com。

这些计算机成为我们的司机的秘诀在于人工智能的无处不在的力量,它已经在虚拟个人助理和银行的客户服务聊天机器人中活跃。但是,人工智能可以为最多的人发挥关键作用。很少有AI应用程序承担汽车安全系统的责任,其中行动必须在几纳秒内执行,而考虑不周的响应可能会产生代价高昂的后果。

与微处理器,传感器和软件结合使用以制造完全无人驾驶汽车的系统正处于开发的高级阶段,但专家表示,从今天的计算机辅助驾驶 - 特斯拉增强型自动驾驶仪和凯迪拉克的超级巡航等功能 - 到全自动驾驶可能使人类选择仍然相当可观。

尽管如此,人工智能已经在悄悄地让驾驶更安全。除了现在在新车中发现的应用之外,通常在信息娱乐系统的语音识别功能等便利设施中,构成安全功能包的子系统主要用于豪华车辆。夜视,自动紧急制动和车道保持等增强功能都依赖于使用传感器和计算机指令来警告驾驶员危险或采取措施避免碰撞的处理器。

20世纪50年代创造的人工智能这个术语是一个不幸的选择,至少就汽车而言。汽车内部的智慧 - 也就是说,他们学习和应用这些知识的能力 - 远非人为的; 这是来之不易的。它归结为有能力的电子设备,传感器,尤其是广泛的培训。

“培训就像教我们的孩子开车,有规则,绝对和最佳实践,” Aptiv的首席技术官Glen De Vos在电话采访中说。“系统中嵌入了一些规则 - 永远不会超越车辆周围的自由空间,遵守道路标志 - 但随着您向频谱避开事故的发展,预测能力是必要的。”

在密歇根州奥本山的街道上测试新AI算法的车辆。当检测到障碍物时,屏幕上会出现彩色框。绿色框表示行人,红色框表示汽车和卡车。蓝色表示清晰的路径。

瑞典工厂的洁净室是Veoneer的一部分,Veoneer是汽车安全供应商Autoliv的子公司。

Aptiv是一家汽车行业供应商德尔福汽车公司(Delphi Automotive)的子公司,负责构建经过培训的人工智能系统所依赖的数据集。大部分数据都是在路上累积的,通过视频获取,以创建计算机绘制的基本知识库。在某些情况下,这项工作是在海外完成的,以降低成本,供应商可以利用市场研究组织现成的基本图像集(称为训练数据集)。

使图像变得有用的关键是添加详细的注释 - 指示“这是一棵树,这是垃圾桶”的指令 - 用于对防止碰撞至关重要的对象识别功能。IBM的汽车业务负责人Sachin Lulla表示,这项工作很繁琐,直到最近才主要是一项手工任务,其中高达80%的工作专门用于分类图像和清理数据。

数据也通过雷达或激光雷达收集,其光束等效。对数据进行高度细化,涵盖所有可能的情况,对于确保安全系统不会发出过多警告至关重要,这种烦恼可能导致驾驶员忽略此类信号。

根据Lulla先生的说法,到2020年,新一代联网汽车将大大改善收集数据,以便为汽车人工智能系统提供信息。这些汽车每秒产生350兆字节的数据,包括当地天气和道路状况等,对整个联网汽车社区来说将是一个巨大的好处。

AI扮演重要角色的一些任务发生在汽车内部。驾驶员监控是高级安全系统的主要组成部分,摄像机安装在仪表板中,通过方向盘传感器观察眼睛和头部位置甚至脉搏率。IBM表示,这个概念是增加背景 - 驾驶员的状况和参与程度 - 来完成汽车和路上情况的图景。

“通过情绪的面部表情来理解驾驶员是很重要的,” Veoneer的研究和专利副总裁Ola Bostrom说道,他是汽车安全供应商Autoliv的副产品。“也可以使用眼球运动来评估认知负荷。驾驶注意力可以通过汽车中的人是否正在相互交谈或者想要说什么来评估。

这些信息以及语音音调和攻击性词语的使用等因素具有多种用途。基于人工智能分析的警觉性和疲劳评估已经内置于几种车型中,并提供了应对压力和愤怒的仪表板警告。当私人拥有的车辆完全自动驾驶时,汽车感知驾驶员疾病和前往医院的可能性就成为现实。

AI的优势之一是简单的对象识别。

“如果你能用传统方法解决问题,那就非常有效率,”Aptiv的De Vos先生说,他指的是现有的安全系统。“如果视觉系统识别出站在路旁的人,你可以写一个相对简单的规则来确定应该做什么。”

但是当问题变得更加复杂时,例如在暴风雪期间在道路中检测到障碍物时,使用AI的优点是它能够解决现有系统过于复杂的问题。AI只是更快地获得答案。作为汽车行业最大供应商之一的大陆集团技术开发负责人Kurt Lehmann表示,人工智能开发面临的挑战之一是缺乏透明度。

“系统的根本弱点在于它是一个黑盒子,”Lehmann先生说,指的是分析算法行为的挑战。“它并不总是可预测的,你不能总是说出为什么做出决定,因此需要进行强有力的培训和验证。”

在建造汽车时,不一定必须冻结先进的驾驶员辅助系统的需求。Veoneer全球视觉系统总监Salah Hadi表示,不仅可以更新软件,而且自学算法可以通过建立关系连接来不断提高汽车的智商。

哈迪先生说:“理想情况下,我们希望系统识别出一个从未见过的图像,就像一个人弄清楚猩猩是什么,因为他知道什么是猿猴。” “这是开发人工智能的调整部分,需要花费大量时间。”

运行具有自动驾驶能力的汽车所需的计算能力是惊人的。用于执行对象识别的图形处理单元以每秒万亿次浮点运算的计算机速度工作。主处理器的性能是每秒数百万条指令的度量。

从梅赛德斯 - 奔驰驾驶员辅助系统的部分自动化升级到全自动驾驶,这可能需要一辆汽车拥有多达十几台摄像头,需要将计算机功率提高一百倍,而Veoneer表示要求增加一个因素每隔一年三到五次。

这并不便宜。对于称为Level 3的条件自动化,Aptiv估计硬件 - 传感器,计算机和通信设备 - 每辆车将花费4,000到5,000美元。该数字不包括软件。虽然汽车制造商已经接受了消除所有死亡事故的目标,但部署AI和自动驾驶汽车只能实现这一目标。一辆老式汽车的醉酒司机仍然可以通过一个停车标志,并且道路状况仍然是造成一些碰撞的原因。

那么我们在汽车真正的智能规模方面在哪里?

“我真的相信我们仍然在应用深度学习和神经网络技术的表面,”IBM的Lulla先生说。“随着计算的增加,我们将看到这种规模发展到真正的潜力。最大的问题是用人类驾驶完善自动驾驶。与其他AV一起驾驶的自动驾驶车似乎很遥远,但是当有人骑自行车时,它会变得棘手。“

友情链接