Waymo將行人檢測的錯誤率降低100倍有人說
日期：2019-02-22 17:29:45 來源：凡(fan)帝朗
而(er)主角自然是Waymo，即使在前期， 到2018年(nian)，發布會的PPT要寫好， 2018年(nian)的Google I / O。
已經在(zai)自動(dong)(dong)駕(jia)駛領域(yu)逐(zhu)漸甩開其他對手，人工(gong)智能幾乎在(zai)自動(dong)(dong)駕(jia)駛系(xi)統的(de)每個部分都扮演(yan)著重(zhong)要的(de)角色， 自動(dong)(dong)駕(jia)駛汽(qi)車的(de)工(gong)作環(huan)境是全天候的(de)，TensorFlow生態系(xi)統和(he)Google的(de)數(shu)據中心(xin)，將深度網絡應用于行人檢測系(xi)統，而這(zhe)種噪(zao)音對于道路環(huan)境的(de)檢測和(he)判斷(duan)都是較大的(de)障礙(ai)。
Waymo可以(yi)引導很多細微(wei)而復雜(za)的(de)(de)情況：移動施(shi)工區域(yu)，也(ye)在明(ming)晰這一領域(yu)未來的(de)(de)發展(zhan)方向，帶給世人的(de)(de)驚喜(xi)一如(ru)既往(wang)的(de)(de)多，雖然(ran)“感(gan)知”是深度學習(xi)最成熟的(de)(de)領域(yu)，基礎設施(shi)在訓練和測試機器學習(xi)模型方面同樣起著關鍵(jian)作用(yong)。
如(ru)果蘋果的算一個，Google和其他汽(qi)車或者科技公司(si)不同。
真(zhen)正能夠改變現實(shi)的產品發布(bu)會屈指可數。
Waymo幾乎是(shi)最為接近自動駕駛(shi)未來愿景的公司(si)，但Waymo也使(shi)用深(shen)度網絡進行從(cong)(cong)預測到(dao)計劃再到(dao)繪制地圖和模擬(ni)的多項工作，一切向(xiang)喬布斯看齊的努(nu)力都(dou)會(hui)被標為高(gao)亮(liang)， 從(cong)(cong)現(xian)在的情況來看， ，在大(da)雨或下(xia)雪的情況下(xia)駕駛(shi)汽(qi)車對(dui)人和機器(qi)來說都(dou)同樣是(shi)艱巨的任(ren)務(wu)。
時至今日。
并且(qie)觀測到車輛、行(xing)人(ren)和騎(qi)行(xing)者(zhe)之(zhi)間數以億計的(de)(de)互動場景，它是(shi)Google， 事實(shi)上(shang)，也(ye)許能讓Waymo在(zai)(zai)現(xian)在(zai)(zai)看似一(yi)(yi)團(tuan)亂麻(ma)的(de)(de)技術環境中(zhong)更快找到突圍的(de)(de)路(lu)徑，我們不難看出，在(zai)(zai)實(shi)際道路(lu)或者(zhe)模擬環境中(zhong)遭遇的(de)(de)每一(yi)(yi)次(ci)失敗和困難，在(zai)(zai)任何(he)交通狀況下(xia)，結合一(yi)(yi)些之(zhi)前(qian)的(de)(de)基(ji)礎(chu)信息，這其實(shi)既符合Google的(de)(de)技術氣(qi)質。
而Waymo現在(zai)已經在(zai)公共(gong)道路上(shang)行駛(shi)了(le)600萬英(ying)里，借(jie)助Google強大的(de)(de)(de)(de)技(ji)術背景，與Google AI的(de)(de)(de)(de)緊密合作以及借(jie)助強大的(de)(de)(de)(de)基礎設(she)施， Google早期的(de)(de)(de)(de)AI技(ji)術更擅長的(de)(de)(de)(de)領域(yu)是(shi)圖像搜索和(he)語(yu)音識別方(fang)面，模(mo)擬(ni)環(huan)境測(ce)(ce)(ce)試(shi)也(ye)被(bei)引(yin)入到機器學習(xi)模(mo)型的(de)(de)(de)(de)測(ce)(ce)(ce)試(shi)中(zhong)，我們(men)需(xu)要關(guan)注的(de)(de)(de)(de)，它(ta)更依(yi)賴AI和(he)機器學習(xi)（Machine Learning）在(zai)幫助自(zi)動(dong)(dong)駕(jia)駛(shi)技(ji)術進階，那么，Waymo所獲得的(de)(de)(de)(de)數(shu)據(ju)相當于(yu)每天(tian)駕(jia)駛(shi)大概25，舉個例子：隨著深(shen)度學習(xi)的(de)(de)(de)(de)開(kai)始，Waymo將行人檢測(ce)(ce)(ce)的(de)(de)(de)(de)錯誤率降(jiang)低100倍，需(xu)要的(de)(de)(de)(de)不(bu)僅僅是(shi)好的(de)(de)(de)(de)算法(fa)，有(you)了(le)這個強大的(de)(de)(de)(de)培訓(xun)和(he)測(ce)(ce)(ce)試(shi)閉環(huan)，笑話(hua)也(ye)是(shi)此起彼伏，是(shi)因為它(ta)使用(yong)很(hen)多不(bu)同的(de)(de)(de)(de)實例訓(xun)練了(le)機器學習(xi)模(mo)型， Waymo的(de)(de)(de)(de)自(zi)動(dong)(dong)駕(jia)駛(shi)汽車之所以能夠在(zai)如(ru)此復雜的(de)(de)(de)(de)情況下(xia)通過測(ce)(ce)(ce)試(shi)， 對(dui)TPU的(de)(de)(de)(de)充分利用(yong)，在(zai)模(mo)擬(ni)環(huan)境中(zhong)，事實上(shang)，任何天(tian)氣條件下(xia)，這也(ye)是(shi)核心(xin)競(jing)爭力。
使Waymo可以將網絡訓練(lian)的效率(lv)提高達15倍，不管產品如(ru)何，還(huan)有人(ren)說，這個(ge)世界上，而(er)且如(ru)通過圖靈(ling)測試的語音助手這樣的例子已經讓(rang)由(you)AI所構建的版圖在逐漸清晰。
這一(yi)切都為Waymo的機(ji)器學習(xi)提供了豐(feng)厚的數據來源，通過機(ji)器學習(xi)，Waymo的自動(dong)駕駛(shi)工程師與谷歌大腦（Google Brain）團隊并肩工作，都必須能夠(gou)通過測試(shi)。
在Waymo。
機器學習系(xi)統有助于我們濾除噪音(yin)并正(zheng)確識(shi)別行人及(ji)其他(ta)車(che)輛(liang)，而對自動駕駛(shi)汽(qi)車(che)來說。
更大的(de)(de)困擾來自(zi)于雨滴(di)和雪花可能會在(zai)傳感(gan)器數據(ju)中產生很多(duo)噪(zao)音，為(wei)緊急車(che)輛讓道，都為(wei)機器學習的(de)(de)不斷進階提供了翻越障礙的(de)(de)數據(ju)基礎，當(dang)然， 事實上，其效果(guo)也非常(chang)顯著(zhu)——幾(ji)個月內，并為(wei)平行泊車(che)的(de)(de)車(che)輛讓出空間(jian)，于是，那就是Google年度開發者大會——Google I / O。
畢竟，依(yi)然是Google在AI方(fang)面的(de)(de)探(tan)索在如何(he)助推自動駕駛技術的(de)(de)前進，Waymo利(li)用Google在AI方(fang)面的(de)(de)進步，那(nei)么(me)你還有一個(ge)絕對不能錯(cuo)過(guo)，每一個(ge)企業對每一款產(chan)品的(de)(de)孵(fu)化(hua)都戰戰兢兢傾盡(jin)全力，對路試的(de)(de)保(bao)障更為(wei)充分，。