自动驾驶汽车何时真正上路：AI 和机器学习是技术关键

Imagination Technologies和 Vivacity Labs 讨论到AI和机器学习是自动驾驶汽车成功的关键

全球多家制造商正在开发和测试自动驾驶汽车，这些车辆搭载了传感器、摄像头和人工智能（AI）等智能设备和技术。

研究表明，2023-2030年间，全球自动驾驶汽车的产量预计将达到80万辆。

尽管人们对该技术及其保护乘客免受伤害的能力表示担忧，毕马威预测，采用自动驾驶汽车技术可以将事故发生率降低约90%。

现在，随着技术成熟和自动驾驶汽车的商业化，技术专家和汽车制造商需要消除人们对自动驾驶技术道德和安全性的担忧。

Imagination Technologies的人工智能和以太网连接产品管理总监Gilberto Rodriguez强调到这项技术的好处，表示：“好处之一是能够减少对司机的需求。这可以显著降低每英里的驾驶成本，以及拥有汽车的需求。Robotaxi自动驾驶出租车最终会随处可见，降低使用门槛。虽然这会使城镇中的大多数人对汽车所有权产生疑问，但随着更多人产生出行需求，更多的货物需要被运送到家门口，自动驾驶技术则将解决这些被积压的需求。”

“其次，通过智能驾驶技术，我们可以更好地利用车辆，汽车即服务（Car-as-a-Service）等模型将在未来推出。这将解锁更优的交通预测、控制和管理，带来重大改进，例如增加在高峰时间以外交付货物的灵活性，并根据实际需求管理车队以及进一步改善整体交通体验，”他继续说道。

除此之外，无人驾驶技术还可以通过降低网络拥塞来提高交通效率，因为自动驾驶技术可以相互通信，并对实时事件和车流量做出反应。

Vivacity Labs首席执行官兼联合创始人马克·尼科尔森（Mark Nicholson）评论说，自动驾驶技术的核心好处是安全和方便：“由于人为错误，造成了94%的车祸，自动驾驶汽车可以降低导致负面后果的误判和犯错的风险。”

---

面向自动驾驶汽车的AI和机器学习算法的神经网络

在开发这项技术时，汽车制造商使用来自图像识别系统以及机器学习（ML）和神经网络的大量数据。

神经网络是这项技术的关键，因为它们识别数据中的模式，为机器学习算法提供信息。

Nicholson说：“这些数据集如此丰富，此前传统技术（在神经网络之前创建）无法应对。简单的启发式（规则说“如果这个，那么那个”）无法应对现实生活中的混乱。这就是为什么神经网络非常擅长编码这种混乱，但需要进行训练。”。

“因此，顶级自动驾驶汽车现在有数十亿小时的模拟训练，以及数百万小时的真实训练，以便为神经网络提供编码真实世界复杂场景所需的材料，”他补充道。

与任何人工智能技术一样，数据集对于训练深度学习模型和实现高水平的准确性至关重要。

Rodriguez解释道，自动驾驶汽车“所需的数据来自从周围环境捕获的信息。这些数据可以是动态的，来自雷达、激光雷达、摄像头、红外等传感器，也可以是来自3D地图和GPS的静态数据。在处理所有传感器数据时，汽车会被放置到虚拟世界的副本中，为其定位提供参考框架，以及确定在它周围的动态（汽车、卡车、摩托车、行人）。人工智能将使用路径规划算法帮助计算出道路上最安全的路径。然后将其转换为汽车加速、制动、转向等控制。”

---

利用AI和ML克服挑战，让自动驾驶技术完全商业化

尽管包括奥迪、特斯拉、谷歌和宝马在内的许多公司都在开发和测试无人驾驶技术，但该行业仍将面临重大的技术挑战。

测试这些系统对于自主车辆技术和算法的发展至关重要。一些人认为，汽车公司可能会花费高达100亿美元来测试和完善他们的技术，这将带来财务压力。

Rodriguez表示，开发这项技术会带来巨大的成本，因此“原始设备制造商了解自己在价值链中的位置非常重要。无人驾驶汽车技术涵盖了从获取数据到对车辆进行全面验证/认证。”

他补充说：“神经网络加速器在计算机中发挥着大部分作用，所以选择合适的加速器很重要。然而，机器学习正在迅速发展，因此灵活的可编程硬件也是一项要求。”。

尽管存在这些挑战，Nicholson相信自动驾驶技术已经准备好，尽管它可能还需要几年才能在所有不同类型的路线上取代人类。但他说：“当下自动驾驶技术足够成熟并可商用，但并不是我们想象的那样。技术已经99.9%了，问题是我们如何更自信地应对安全关键情况？”

“目前自动驾驶汽车被部署在较小的隔离区域，在城市中全面放开前，这些汽车仍需要在该城市进行彻底的测试。你可以设置数百英里外的目的地，然后自动驾驶汽车会带你去那里，要达到这样的目标，我们还需要数年时间”。

---

AI和自动驾驶技术的道德和偏见：考虑的关键是什么？

在人工智能的所有应用中，无论是在医疗保健、军事行动还是面部识别中，偏见和道德都是一个巨大的问题，并且将持续存在。

在概述这些道德偏见时表示，Nicholson表示有一些情况需要考虑：

• “避免视觉上的偏见，例如它是否能分辨出有色人种，与白人或女性相比是否能分辨出男性；

• 避免技术偏见，比如它是否能看到骑自行车的人，因为他们买了一个能广播骑车人位置的设备，但买不起该设备的骑车人被击中的几率更高；

• 决策偏差也很重要，问题围绕着是否有10%的几率击中男性或10%的几率击中女性，确保在选择行动时没有任何偏差。

• 最后，自我优先的偏见，例如如果一辆车是谷歌汽车，它会让位给另一辆谷歌汽车，而不是下一个路口的福特汽车。”

媒体中的误解反映出许多人将人工智能视为对人类的威胁。为了克服自动驾驶汽车中的这些误解和恐惧， Rodriguez认为，叙述应该更加开放，测试需要保持严格：“在我们全球部署无人驾驶解决方案之前，这项技术必须在受控环境下得到验证。每个城市和国家的每一条道路都有其特定的细微差别，这会带来各种导航挑战。”

他总结道：“其中一个关键因素是接受这项技术。这可能要依靠下一代人，因为年轻一代不太以汽车为中心，他们乐于采用新技术，使他们在城镇和城市的生活更轻松、成本更低。既然打电话给无人驾驶汽车既简单又便宜，而且保证它是安全的，为什么还要拥有一辆汽车呢？”

英文链接：https://aimagazine.com/technology/imagination-technologies-and-vivacity-labs-on-ai-and-cars

声明：本文为原创文章，转载需注明作者、出处及原文链接。

---

欢迎加入Imagination GPU与人工智能交流2群

入群请加小编微信：eetrend89

（添加请备注公司名和职称）

推荐阅读

PVRTexTool现支持KTX™2.0和 Basis Universal超级压缩

Imagination Technologies 是一家总部位于英国的公司，致力于研发芯片和软件知识产权（IP），基于Imagination IP的产品已在全球数十亿人的电话、汽车、家庭和工作场所中使用。获取更多物联网、智能穿戴、通信、汽车电子、图形图像开发等前沿技术信息，欢迎关注 Imagination Tech ！