低調(diào)并不等于沒有部署，作為全球最大的電商平臺(tái)，阿里的自動(dòng)駕駛選擇了以物流場景進(jìn)行切入，這幾乎是順理成章的事情。
而操刀阿里自動(dòng)駕駛的人是王剛，這個(gè)曾經(jīng)成功打造出天貓精靈第一代自然語言理解系統(tǒng)的技術(shù)負(fù)責(zé)人。而自動(dòng)駕駛被認(rèn)為是人工智能的集成大者，這位AI大拿在另一個(gè)領(lǐng)域延伸對(duì)人工智能更為深刻的理解。
王剛對(duì)于自動(dòng)駕駛有著屬于自己的理解：數(shù)據(jù)的本質(zhì)，自動(dòng)駕駛當(dāng)中的場景劃分，“深度學(xué)習(xí)+規(guī)則”的理解，當(dāng)下自動(dòng)駕駛的算法設(shè)計(jì)，這位AI 頂級(jí)科學(xué)家都從最本質(zhì)的角度進(jìn)行了探討。
看法之外，王剛也拿出了一套解決方案 —— AutoDrive;此外，王剛也提出了自動(dòng)駕駛研發(fā)中——No Free Lunch 的理論——不可能以一種通用的算法來解決所有場景的問題。與理論相對(duì)應(yīng)的是，王剛認(rèn)為對(duì)場景的高度精細(xì)化處理，這是當(dāng)下推進(jìn)自動(dòng)駕駛落地的較為理想的方法。
記者對(duì)話王剛，了解自動(dòng)駕駛之于阿里商業(yè)板塊的契合度以及商業(yè)部署，了解這位人工智能頂尖的科學(xué)家對(duì)于當(dāng)下AI最難的落地場景的思考。
場景的多樣性是自動(dòng)駕駛中的大挑戰(zhàn)
不同的人對(duì)于自動(dòng)駕駛落地之難，有不同的歸因。
有人將其歸因?yàn)槭怯布?有人將其歸因?yàn)榛A(chǔ)交通設(shè)施并不完善;事實(shí)上，這些原因確實(shí)也構(gòu)成落地之難的阻力之一。
但在眾多的成因當(dāng)中，王剛認(rèn)為最大的原因是當(dāng)下自動(dòng)駕駛算法在很多情況下，還不能夠有效地處理道路上的復(fù)雜交通狀況，場景的多樣性是自動(dòng)駕駛所面臨的一個(gè)非常大的挑戰(zhàn)。
事實(shí)上，自動(dòng)駕駛作為一個(gè)和地理環(huán)境、人身安全強(qiáng)相關(guān)的行業(yè)，必須要對(duì)所在的場景有清晰的感知，才能作出最為正確的決策。
當(dāng)前，業(yè)界對(duì)于自動(dòng)駕駛的場景分類，有著非常多的思路。有按照行駛環(huán)境來進(jìn)行分類，比如，高速公路、城市道路、鄉(xiāng)村道路;有的是按照場景的要素，比如：物體類型、天氣等情況進(jìn)行組合。
通常情況下，這些組合都是冗余的，并且和算法是割裂的。王剛認(rèn)為必須要打破這種割裂的關(guān)系，形成精細(xì)化的、和算法強(qiáng)相關(guān)的分類方法才是行之有效的方法。
在去年9月的云棲大會(huì)上，王剛首次亮相了AutoDrive 平臺(tái)。這個(gè)平臺(tái)的發(fā)布，也試圖來解決一直以來自動(dòng)駕駛場景分類過于粗糙的問題。
要理解精細(xì)化的分類方法，就必須要追根溯源地理解自動(dòng)駕駛數(shù)據(jù)的輸入方法。
自動(dòng)駕駛數(shù)據(jù)的輸入主要包括了兩類信息：一類是以傳感器數(shù)據(jù)為代表的信息輸入，它是對(duì)自然界信號(hào)的數(shù)字化;另一類是基于人類知識(shí)的確定表達(dá)，比如交通規(guī)則。
王剛對(duì)記者進(jìn)一步解釋：因?yàn)樽匀粩?shù)據(jù)的信號(hào)本身是自然界產(chǎn)生的，數(shù)據(jù)處在于一個(gè)非常高維的空間，是人腦很難理解和想象的范疇，因此依賴于人工設(shè)計(jì)對(duì)數(shù)據(jù)進(jìn)行 Low-Level 或者M(jìn)iddle-Level 的處理，是很難達(dá)到最優(yōu)效果的。現(xiàn)行的神經(jīng)網(wǎng)絡(luò)超參數(shù)設(shè)計(jì)或網(wǎng)絡(luò)結(jié)構(gòu)都是人工設(shè)計(jì)的痕跡居多，而自動(dòng)駕駛行業(yè)都幾乎都面臨著一個(gè)尷尬的事實(shí)：調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)或是設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)高度依靠工程師經(jīng)驗(yàn)以及領(lǐng)域知識(shí)，基礎(chǔ)設(shè)計(jì)以及工程平臺(tái)的缺失，由此造成處理這類數(shù)據(jù)的低效和低質(zhì)量。
事實(shí)上，處理這兩類數(shù)據(jù)的方式是由數(shù)據(jù)的本質(zhì)決定的，王剛認(rèn)為于用統(tǒng)計(jì)學(xué)習(xí)或者減少人工的設(shè)計(jì)，更多的是用計(jì)算和學(xué)習(xí)來驅(qū)動(dòng)，因?yàn)闄C(jī)器的優(yōu)點(diǎn)在乎它的計(jì)算能力，通過計(jì)算能力去搜索、發(fā)現(xiàn)規(guī)律。
王剛對(duì)記者進(jìn)一步解釋：過去十幾年來，人工智能取得巨大的進(jìn)步，深度學(xué)習(xí)被發(fā)明之后，我們通過神經(jīng)網(wǎng)絡(luò)、通過計(jì)算去搜索，找到最好的設(shè)計(jì)，從而提高研發(fā)的效率，而深度學(xué)習(xí)本質(zhì)上就是計(jì)算換智能的方式。
基于上述的理解，AutoDrive 是一個(gè)以數(shù)據(jù)驅(qū)動(dòng)、高度精細(xì)化、以動(dòng)態(tài)行為為主的計(jì)算換智能的平臺(tái)，它嘗試為當(dāng)下的自動(dòng)駕駛困局提供另一種的解決思路，是一種新型的研發(fā)方式——能夠讓計(jì)算機(jī)更聰明地找到找到適合每一種場景的算法——包括參數(shù)、結(jié)構(gòu)。和AutoML僅被應(yīng)用于處理神經(jīng)網(wǎng)絡(luò)算法不同，AutoDrive平臺(tái)能支持更多的應(yīng)用，包括決策規(guī)劃，定位的算法。
即使是場景無法窮盡，無法完全枚舉的情況下，王剛認(rèn)為，盡管場景不可窮盡，但至少它是有分布的，至少在99%的場景當(dāng)中，車是能夠處理問題的;剩下1%的情況，系統(tǒng)是知道不能自己處理的，知道自己不知道其實(shí)非常關(guān)鍵。因?yàn)樵谶@個(gè)情況下，人類就可以采取很多措施來規(guī)避風(fēng)險(xiǎn)。
AutoDrive的化學(xué)反應(yīng)
AutoDrive 亦交付出一系列的結(jié)果，來驗(yàn)證其思路是否可行。
根據(jù)阿里所提供的數(shù)據(jù)：路口防碰撞策略相比人工設(shè)計(jì)提升16.5% 的效果、研發(fā)效率提升5倍、檢測模型大小縮減90%、延遲降低50%、以加塞的場景為例，AutoDrive為其細(xì)化為25類場景，每一種加塞的場景都有一種針對(duì)性的算法，效果提升了18.7%。
平臺(tái)背后，集中著阿里的許多資源——強(qiáng)大的云平臺(tái)、芯片、算法、以及得天獨(dú)厚的物流場景，一系列的要素構(gòu)成了自動(dòng)駕駛當(dāng)中的化學(xué)反應(yīng)。
自動(dòng)駕駛需要海量的數(shù)據(jù)進(jìn)行支撐，而海量的數(shù)據(jù)放在一個(gè)單獨(dú)的服務(wù)器或是單獨(dú)的機(jī)器上，根本無法跑起來，因此云端化是才能有足夠的計(jì)算資源以及內(nèi)存，AutoDrive 平臺(tái)當(dāng)中的自動(dòng)駕駛數(shù)據(jù)的采集、回歸、仿真、模型訓(xùn)練、測試評(píng)價(jià)等環(huán)節(jié)都需要云平臺(tái)的支撐，而阿里云就是其強(qiáng)大的后盾。此外，AutoDrive 打通了從數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注以及仿真、模型訓(xùn)練、評(píng)價(jià)等整個(gè)閉環(huán)體系，這背后也是依靠阿里云強(qiáng)大的工程能力。
此外，王剛也強(qiáng)調(diào)了訓(xùn)練芯片需要引起業(yè)界的注意，現(xiàn)在業(yè)內(nèi)認(rèn)為訓(xùn)練芯片的性能還能夠滿足需求，那是基于業(yè)內(nèi)還沒有廣泛地應(yīng)用計(jì)算換智能的方式，目前芯片的一些方法限制了訓(xùn)練算法的大規(guī)模使用，只有解決這個(gè)問題，計(jì)算換智能才能得到真正的普及。
末端物流，是阿里自動(dòng)駕駛當(dāng)中，最先落地的一環(huán)。在上海交通大學(xué)等國內(nèi)六所高校，達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室與菜鳥ET實(shí)驗(yàn)室聯(lián)合研發(fā)的自動(dòng)駕駛物流車小G，已經(jīng)落地了常規(guī)化的商業(yè)化運(yùn)營，并在去年雙十一取得了單校園單日收寄件千單以上的佳績。
AutoDrive 是一種全新的技術(shù)理念，它首次提出了計(jì)算換智能的方式，試圖更新當(dāng)前自動(dòng)駕駛的人工設(shè)計(jì)的做法;此外，AutoDrive更是一種從技術(shù)理念轉(zhuǎn)化成為產(chǎn)品的自動(dòng)駕駛落地實(shí)踐，它試圖開辟出一條不一樣的落地思路，先解決99%的問題，推動(dòng)整個(gè)行業(yè)的快速向前。
