新闻 | 滚动 | 上海 | 政务 | 评论 | 国内 | 社会 | 政法 | 国际 | 军事 | 财经 | 体育 | 娱乐 | 历史 | 汽车 | 图片 | 视频 | 曝光 | 微博 | 专题 | 旅游 | 彩票 | 藏品 | 健康 | 百货 | 导购
奥迪A3三厢
19.40-25.80万
(参考成交价)
车市行情
车型 优惠
赛欧 2
POLO 1.7
DS 4s 4
晶锐 1.3
熊猫 0.4
骊威 1.1
MINI CLUBMAN 5.78
瑞纳 0.7
车型 优惠
福睿斯 1.8
传祺GA3S 1
名图 2.5
速锐 0.3
昕动 0.8
花冠 1.6
6.15
英朗 3.3
车型 优惠
传祺GA6 1
君越 3.4
标致508 4.5
凯迪拉克ATS-L 3
雅阁 3
君威 3.9
帕萨特 3.1
迈锐宝 4.01
车型 优惠
奥迪A8 39.3
捷豹XJ 38.3
宝马6系 3
凯迪拉克XTS 4
林肯MKS 3
Panamera 96
玛莎拉蒂Ghibli 16
捷豹XF 21.5
车型 优惠
奔驰GLE 6
极光 13
Tiguan 5.2
TRAX创酷 1.3
荣威W5 1.4
标致3008 1
揽胜运动版 3.8
兰德酷路泽 8.6
车型 优惠
上汽V80 0.5
埃尔法 0.8
普瑞维亚 1.7
马自达8 2.5
别克GL8 3.1
夏朗 4.7
奥德赛 3.5
艾力绅 2.51

自动驾驶会导致AI“奇点”后的失控吗?

2018-07-13 08:39 来源: 东方网

7月4日,李彦宏在百度AI开发者大会上实现了“吹过的牛B”,L4级自动驾驶商用车阿波龙的商业化量产,成为自动驾驶领域最新的重磅新闻。

同时发布的还有AI芯片“昆仑”,李彦宏也对“昆仑”不惜溢美之词,声称其能在100W的功耗上实现260Tops性能(1Tops=1012次/秒运算)。

可以预见,无论被视为一套系统的自动驾驶技术,还是其中作为“驾驶员”这个关键决策角色的AI技术,将以超出公众想象的速度快速迭代进化。

但随着自动驾驶技术的逐步成熟和商业化应用,其背后人工智能技术的快速迭代,也引起更多对未来的担忧和伦理探讨。毕竟在高速行驶的汽车上,一旦面对最糟糕的结果选择,人类并不信任机器能做出合适的判断。

自动驾驶会导致AI“奇点”后的失控吗?

推理至上与快速迭代

众所周知,L4级被视为自动驾驶的一个关键节点,AI全面接管驾驶工作,人类对驾驶行为的干预不再是必须而实时的。

昆仑芯片在自动驾驶场景中,最重要的工作就是根据传感器数据,满足训练和推断的需求,根据路况不断预测未来0.1-10秒的路面局势变化,这是高等级自动驾驶独特的能力。

换言之,只有经过训练的强AI才能独立处理未知局势。

例如谷歌的AlphaGo,在CPU之外采用了用于评估局面的4TPU。实际上是卷积神经网络的应用。它的分支有两个:价值和策略。不必每一步都穷举到最后,它就能推断每一步的价值和对最终获胜的影响。

按照谷歌首席工程师的说法,在任何一步,AlphaGo都会准确预测如何能赢。

这不是在跳大神,而是自我监督下的AI展现出强大的推理和预测能力。如果采用云端算法,很可能实现强AI。

仅仅过了一年时间,战胜过李世石和柯洁的AlphaGo,已经没有任何一个活着的人类可以匹敌了。它拥有40层神经网络和“足够视野的前瞻性”,能够看到未来的危险和价值,并采取最优策略。

自动驾驶会导致AI“奇点”后的失控吗?

尽管因为应用场景只局限于园区等固定区域,阿波龙的L4级自动驾驶仍有争议,但在开放道路上的L4级自动驾驶,强化AI是其中最可能的途径。它可以避免优步在今年早些时候、在凤凰城路测发生的悲剧。

此前,在量产车上搭载的行车电脑ECU(包含微处理器、外围电路、存储器和接口等)可以做之前人类才能做的事。

在它的指挥下,自动变速箱通过液力变矩器调整传动比,轻松换挡。而转向机构则会感知方向盘的动作,产生助力。在高速行驶中遇到变道行驶或侧风、路面倾斜等外部干扰时,驾驶人可以自如操纵方向。低速转弯时前后轮转动方向相反,可以轻松通过以前需要多次转弯才能通过的小弯。

尽管现在ECU能做这么聪明的事,但它仍然不被看做AI。因为真正的AI核心在于推理能力,这一点也正以肉眼可见的速度飞快迭代和进化,就像AlphaGo每晚与自己对弈数百万盘,而人类通常在睡大觉。

如何满足不知满足的人类呢?AI需要超越现有人类认知水平和能力,如同围棋比赛中那样,被惊倒的人们自然将王冠奉上,并日益依赖更聪明的AI。

自动驾驶会导致AI“奇点”后的失控吗?

通用AI的再进化

如果计算机有情感,它会发现人类的推理能力实在是弱爆了。逻辑的层级和旁路拓展多到一定地步,人类就无法记住众多的信息和它们彼此的关联,更别提放在一起分析了。

但人类也有AI无法企及的地方,人类的直觉值得肃然起敬,并善于将复杂问题简化,然后用直观判断的方式直趋答案。隐藏的信息是否足以支持做出精准的判断?虽然不总是正确,但这样耗费的时间和精力都是可接受的。我们放弃了一些表象,捕捉隐含信息(学术上称为“次表征”),从而追求更快地解决问题。

人们期待计算机的“思考”方式能够模拟大脑结构。但是,无论谷歌的TPU,还是百度的昆仑,都只能针对限定输入给出结论。

1 2 3 下一页
热门推荐
查看更多精彩