|
本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議。在科幻電影《機(jī)械姬》里，全球最大搜索引擎公司“藍(lán)皮書”CEO納森向觀眾展示了自己發(fā)明的機(jī)器人大腦，并留下這么一句話：“人們認(rèn)為搜索引擎是人們思考的事物，但其實(shí)那是人們思考的方式?！?/strong>該影片上映于2015年，被譽(yù)為人工智能愛好者必看的電影之一，拿下包括奧斯卡金像獎在內(nèi)等多項(xiàng)國際電影大獎。但在眾多獎項(xiàng)中，單項(xiàng)之冠是“最佳女配角”，艾麗西卡·維坎德，也正是影片中智能機(jī)器人“艾娃”的扮演者。“艾娃”是納森給“她”取的名字，為制造出能獨(dú)立思考的人工智能，納森利用自家搜索引擎“藍(lán)皮書”的算法來構(gòu)建艾娃大腦的“思維”，使之學(xué)會人類思考方式。無獨(dú)有偶，想讓機(jī)器有人類思維，同樣見之于特斯拉打造的自動駕駛AI上。2019特斯拉自動駕駛?cè)丈希驳卖敗たㄅ廖?/span>（Andrej Karpathy，特斯拉AI總負(fù)責(zé)人）曾明確地向大眾傳達(dá)特斯拉自動駕駛是在模仿人類駕駛，因?yàn)楝F(xiàn)行的交通系統(tǒng)是基于人類視覺和認(rèn)知系統(tǒng)來設(shè)計的。由此，特斯拉開發(fā)出“人工神經(jīng)網(wǎng)絡(luò)”，并利用大量有效的行車數(shù)據(jù)來訓(xùn)練它，在這一過程中不斷完善并迭代視覺算法，終于在今年年中拿掉毫米波雷達(dá)，而隨著超算Dojo浮出水面，長期被詬病只能算輔助駕駛的特斯拉，離真正的自動駕駛又近一步。從學(xué)會開車，到比人類更懂開車、開得更好，當(dāng)一名優(yōu)秀的“老司機(jī)”，是特斯拉自動駕駛持續(xù)優(yōu)化的底層邏輯。“云端司機(jī)”的神經(jīng)網(wǎng)絡(luò)純視覺自動駕駛方案是特斯拉的獨(dú)門絕技，但需建立對計算機(jī)視覺深度訓(xùn)練之上。計算機(jī)視覺是一種研究機(jī)器如何“看”的科學(xué)，當(dāng)人類看到一張圖片時，能清晰辨析圖片里的事物，比如說美麗的風(fēng)景照、或者一張小狗的照片，然而計算機(jī)看到的卻是像素（pixel），像素是指由圖像的小方格組成的，這些小方塊都有一個明確的位置和相對應(yīng)的色彩數(shù)值，計算機(jī)“記住”的就是這堆數(shù)字字符，而不是具體事物。如果想讓計算機(jī)能像人類一樣快速準(zhǔn)確識別出圖片里的事物，機(jī)器也有了人工大腦，來模擬人腦處理加工圖像信息過程，分為輸入層、隱藏層、輸出層，里面有許多人工神經(jīng)元，可視作人腦初級視覺皮層中的錐體細(xì)胞和中間神經(jīng)元。整個訓(xùn)練過程亦可類比小孩看圖識物，通過一次次輸入、對比、糾正，完成機(jī)器圖像認(rèn)知。通常在訓(xùn)練初期，人工神經(jīng)網(wǎng)絡(luò)識別結(jié)果的準(zhǔn)確度非常低，輸出結(jié)果和實(shí)際值相似度可能只有10%；為了提高準(zhǔn)確度，需要再將兩者誤差從輸出層反向傳播至輸入層，并在反向傳播中，修正神經(jīng)網(wǎng)絡(luò)隱藏層的參數(shù)值，經(jīng)過上百萬次的訓(xùn)練，誤差逐漸將收斂，直至輸入和輸出端匹配度達(dá)到99%。 上述過程是理解特斯拉自動駕駛AI的關(guān)鍵，只不過特斯拉開發(fā)的人工神經(jīng)網(wǎng)絡(luò)專注于駕駛領(lǐng)域，做一名專職云端司機(jī)。對它來說，最好的學(xué)習(xí)材料就是行車數(shù)據(jù)，大量、多樣化、來自真實(shí)世界的駕駛訓(xùn)練數(shù)據(jù)集（training dataset）是自動駕駛AI能應(yīng)對各種路況、交通問題的百寶書。在影子模式的支持下，特斯拉全球百萬車隊(duì)每時每刻的行車數(shù)據(jù)都成為這位云端“老司機(jī)”提升自身駕駛能力的養(yǎng)分。時至今日，特斯拉Autopilot已經(jīng)能瞬間完成道路上各種動靜目標(biāo)、道路標(biāo)識、交通符號的語義識別，反應(yīng)速度甚至比人腦條件反射更快。除了應(yīng)對日常駕駛場景外，AI司機(jī)還需要處理一些較為少見的長尾情況（Corner cases）。在2020年Matroid機(jī)器學(xué)習(xí)大會上，卡帕西以交通指標(biāo)STOP為例，講解Autopilot應(yīng)對這些長尾情況的具體方法。在日常駕駛過程中，車輛總會經(jīng)過形形色色的STOP指標(biāo)，最為正常的情況就是一個立在路旁或者路中、紅底白字的STOP標(biāo)識，但現(xiàn)實(shí)生活總會有些預(yù)料之外的情況發(fā)生，駕駛員偶爾會碰上一些奇奇怪怪、需要結(jié)合具體背景來理解意涵的指標(biāo)，包括不限于以下：無效STOP指標(biāo)，比如被某人拿在手上，卻無意義；下方附帶文字說明的STOP指標(biāo)，比如不限制右行；STOP字母被樹枝、建筑物遮擋的指標(biāo)…這都是些出現(xiàn)頻次不高卻不勝枚舉的情況。遇到上述情況，人類駕駛員可以輕松識別出絕大部分情況下的“STOP”，并很快作出行動反應(yīng)。但對計算機(jī)來說，情況就變得復(fù)雜起來，畢竟它看到的不是具體的"STOP"，而是一堆無意義的數(shù)字代碼，如果遇到現(xiàn)有訓(xùn)練數(shù)據(jù)集中沒出現(xiàn)的情況，比如一些上述奇奇怪怪、較為少見的指標(biāo)，自動駕駛神經(jīng)網(wǎng)絡(luò)就不能處理。這部分少見的長尾數(shù)據(jù)通常無窮盡，但又必須在盡可能短的時間內(nèi)學(xué)會應(yīng)對，如果一切都讓人工操作，無疑需要耗費(fèi)巨大的時間成本和資源。盡管在8月20日AI大會上，卡帕西透露目前特斯拉標(biāo)注團(tuán)隊(duì)規(guī)模已達(dá)千人級別，但在海量行車數(shù)據(jù)面前，千人還是顯得杯水車薪，對此特斯拉內(nèi)部開發(fā)了數(shù)據(jù)離線自動標(biāo)注（Data Auto Labeling）以及自動訓(xùn)練框架“數(shù)據(jù)引擎（Data Engine）”。首先，特斯拉神經(jīng)網(wǎng)絡(luò)團(tuán)隊(duì)在對這些長尾情況有所了解后，會先編成一個樣本數(shù)據(jù)集，并為此創(chuàng)造一個局部小型神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)、訓(xùn)練（與其他神經(jīng)網(wǎng)絡(luò)并行），通過OTA方式部署到全球英語地區(qū)特斯拉車輛上。再利用車輛影子模式，但凡遇到實(shí)際駕駛情況和自動駕駛AI決策不一致的情況，這部分行車數(shù)據(jù)會自動上傳至特斯拉后臺數(shù)據(jù)引擎中，在被自動標(biāo)注后，重新納入已有的數(shù)據(jù)訓(xùn)練集中，繼續(xù)訓(xùn)練原本的神經(jīng)網(wǎng)絡(luò)，直到新的數(shù)據(jù)被掌握。就這樣，在大量訓(xùn)練數(shù)據(jù)的喂養(yǎng)下，神經(jīng)網(wǎng)絡(luò)變得“見多識廣”、更加聰明，可以識別不同條件狀況下的STOP標(biāo)識，精確度逐漸從40%提升至99%，完成單一任務(wù)學(xué)習(xí)。不過，這僅僅是學(xué)習(xí)一個靜態(tài)的信號，在汽車駕駛過程中會涌現(xiàn)無數(shù)靜態(tài)和動態(tài)的信號，靜態(tài)如路邊大樹、路障、電線桿等，動態(tài)的有行人、車輛等，而這些信號由攝像機(jī)捕捉到后交由神經(jīng)網(wǎng)絡(luò)訓(xùn)練、學(xué)習(xí)。目前特斯拉的自動駕駛神經(jīng)網(wǎng)絡(luò)已發(fā)展出九大主干神經(jīng)（HydraNet）和48個神經(jīng)網(wǎng)絡(luò)，識別超過1000種目標(biāo)。然而，僅僅讓自動駕駛AI學(xué)會開車還不夠，還得讓它開得像人類老司機(jī)一般駕輕就熟、安全又平穩(wěn)。任何一位經(jīng)驗(yàn)老道的司機(jī)，都能在不同路況下，輕易判斷出前方車輛與我們的距離，從而為保障行車安全而留出一定車距。但對傳感器而言，要想判斷物體遠(yuǎn)近必須要理解物體的深度，不然在他們眼中，距離我們10米和5米的兩輛完全一樣的車，就會被認(rèn)為是一大一小的關(guān)系。對此，有些車廠選擇激光雷達(dá)路線來探測深度，而特斯拉則選擇了純視覺算法，模仿人類視覺來感知深度，不過特斯拉先是打造了毫米波雷達(dá)+視覺傳感融合路線，直到今年5月，才正式官宣，拿掉毫米波雷達(dá)，上線純視覺版本Autopilot。此事一出，社會各界一片嘩然，很多人不能理解特斯拉為何要拿掉單價才300元、又能為行車安全增添保障的高性價比雷達(dá)。殊不知，在特斯拉早期多傳感器融合路線中，毫米波雷達(dá)的存在就猶如小孩的學(xué)步車，只是幫助神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)訓(xùn)練深度標(biāo)注（annotate）。在2019年自動駕駛發(fā)布會上，卡帕西是這樣介紹毫米波雷達(dá)的，他說：“要想讓神經(jīng)網(wǎng)絡(luò)學(xué)會預(yù)測深度，最好的方式還是通過深度標(biāo)注的數(shù)據(jù)集進(jìn)行訓(xùn)練，不過相對于人工標(biāo)注深度，毫米波雷達(dá)反饋的深度數(shù)據(jù)精準(zhǔn)度更高”，因此，引入毫米波雷達(dá)，實(shí)質(zhì)是用以訓(xùn)練和提高神經(jīng)網(wǎng)絡(luò)對深度的預(yù)測。值得一提的是，在他講解時的背景幻燈片右下角上，清晰地注明了帶有毫米波雷達(dá)的自動駕駛算法是“Semi-Automonous Self Driving”，翻譯過來是，半自動駕駛，明顯彼時的特斯拉Autopilot只是個半成品。直到特斯拉視覺算法在預(yù)測物體的深度、速度、加速度的表現(xiàn)，達(dá)到可替代毫米波雷達(dá)的水平，特斯拉的視覺算法才算真正獨(dú)立。在2021年6月CVPR大會上，卡帕西曾表示毫米波雷達(dá)收集數(shù)據(jù)中曾出現(xiàn)“間歇性翻車”、甚至誤判等情況。他舉了三個具體例子，前方車輛急剎車、大橋下前車行駛速度以及對路邊靜止卡車的判斷。情況一：前方車輛出現(xiàn)急剎，毫米波雷達(dá)短時間內(nèi)出現(xiàn)6次跟丟目標(biāo)車的情況，跟丟狀態(tài)下前車的位置、速度和加速度都?xì)w于零。情況二：在行駛的汽車從大橋下通過時，雷達(dá)把一靜一動的物體都當(dāng)作靜止物體；此時視覺傳感卻計算出行駛車輛的速度和位移，導(dǎo)致數(shù)據(jù)融合后的曲線傳遞出“前車在減速并且剎車”的錯誤信息。情況三：在高速路旁停著一輛白色大卡車，純視覺算法在距目標(biāo)車180m處就發(fā)現(xiàn)白色卡車，并作出預(yù)報，但融合算法直到110m處才作出反饋，足足延遲5秒。上述案例里，純視覺算法均輸出穩(wěn)定且大幅優(yōu)于雷達(dá)+視覺融合算法，精準(zhǔn)地跟蹤到前車行駛狀況并作出深度、速度、加速度等數(shù)據(jù)。不僅如此，純視覺算法還可以在霧、煙、塵等環(huán)境里保持對前方車輛的測速、測距工作，如此一來拿掉毫米波雷達(dá)也不奇怪了。根據(jù)特斯拉AI Day上最新發(fā)布的信息，目前特斯拉每周能夠獲得一萬個人們惡劣環(huán)境下駕車的短視頻，包括大雨、大雪、大霧、黑夜、強(qiáng)光等等情況，神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)訓(xùn)練這些已經(jīng)標(biāo)注好的材料，實(shí)現(xiàn)在沒有毫米波雷達(dá)的情況下，也可以精準(zhǔn)感知前方車輛距離。可以說，特斯拉宣布拿掉毫米波雷達(dá)的底氣，是對自己純視覺算法成熟的自信，并且在無監(jiān)督自學(xué)的加持下，特斯拉純視覺算法迭代和完善明顯提速。今年7月10日，特斯拉純視覺版本的FSD正式在美開啟內(nèi)測，2000名受邀車主通過OTA方式升級到FSD Beta V9.0版本，他們大多是特斯拉的粉絲兼中小型KOL，Youtube博主Chunk Cook（以下簡稱CC）就是其中之一，他還略懂工程學(xué)和航天學(xué)專業(yè)知識。系統(tǒng)更新一結(jié)束，CC開啟新版FSD道路測試，并把測試視頻上傳至油管。視頻中他來到一個車輛較多、車速較快的T路口進(jìn)行轉(zhuǎn)彎測試，結(jié)果顯示，7次中只有1次，F(xiàn)SD順利完成自動駕駛，其余都需要人工接管方向盤來完成駕駛。但很快，隨著7月底FSD推送新版本V9.1，CC發(fā)現(xiàn)升級后的FSD表現(xiàn)出乎他的意料。他又在相同道路進(jìn)行了七次自動駕駛測試，結(jié)果顯示，7次中4次都較為順利完成自動駕駛，但在轉(zhuǎn)彎速度上有些“磨蹭”，沒有展現(xiàn)老司機(jī)應(yīng)有的果斷，但在綜合得分上，新版本Autopilot優(yōu)于舊版本。8月16日，特斯拉FSD又升級至新版本V9.2，CC同樣搶先測試并上傳視頻，還是一個路段，不過測試時間改為夜間，他公開表示，此次最明顯的改進(jìn)是Autopilot的加速表現(xiàn)，在轉(zhuǎn)彎時能像人類駕駛員一樣果斷加速。前后一個月的時間，純視覺Autopilot在同一條道路的表現(xiàn)進(jìn)步迅速，身后正是人工神經(jīng)網(wǎng)絡(luò)強(qiáng)悍自學(xué)能力的體現(xiàn)。馬斯克表示，F(xiàn)SD beta V9.3、9.4都已在籌備中，會根據(jù)車主使用情況不斷進(jìn)行細(xì)節(jié)優(yōu)化，改善用戶體驗(yàn)，并預(yù)備在V10版本做出現(xiàn)重大的變化。需要注意的是，大家驚艷特斯拉純視覺Autopilot各種老司機(jī)操作時，也不能忘記這些路測大部分發(fā)生在北美地區(qū)，而在非英語地區(qū)，比如人口稠密的亞洲地區(qū)，其城市道路交通復(fù)雜度與地廣人稀的北美迥異，而如何讓神經(jīng)網(wǎng)絡(luò)學(xué)會應(yīng)對各種路況交通，更值得思考。收集實(shí)地數(shù)據(jù)是方法之一，但前提是你有大量車隊(duì)在該地區(qū)駕駛，另一種解決方法則是對自動駕駛進(jìn)行仿真測試。仿真，簡單講就是利用現(xiàn)實(shí)數(shù)據(jù)，將真實(shí)世界的實(shí)時動態(tài)景象，在計算機(jī)系統(tǒng)實(shí)現(xiàn)重新構(gòu)建和重現(xiàn)。除了能模擬不同城市的交通路況，而且仿真測試還能模擬一些極限場景，比如各種突發(fā)交通事件或者極為罕見的交通路況。在AI DAY上，特斯拉工程師舉了具體例子，包括有行人在高速路上奔跑、行人數(shù)量龐大、或者非常狹窄的駕駛道路。這些案例往往非常極端，在日常駕駛場景中出現(xiàn)的概率也微乎其微，但正因?yàn)榇?，通過仿真來訓(xùn)練神經(jīng)網(wǎng)絡(luò)才有真正價值，而只有通過訓(xùn)練，神經(jīng)網(wǎng)絡(luò)才能學(xué)會正確應(yīng)對。為了能真正起到訓(xùn)練作用，這些仿真測試必須充分還原現(xiàn)實(shí)場景，包括道路上各種行人、車輛、綠化林、路障、信號燈等等，幾乎包含你在路上見到的所有交通要素。目前特斯拉已創(chuàng)建了3.71億張車內(nèi)網(wǎng)絡(luò)訓(xùn)練的圖像，以及4.8億個標(biāo)簽，并且數(shù)據(jù)規(guī)模還在快速擴(kuò)張中。 要知道，仿真測試可達(dá)到的逼真程度，與計算機(jī)可提供的數(shù)據(jù)處理能力成正比。特斯拉AI的仿真越強(qiáng)，對硬件算力、讀寫速度的要求越高。馬斯克曾在2020WAIC大會上表示，當(dāng)下計算機(jī)視覺已經(jīng)超越人類專家水平，但要保證計算機(jī)視覺實(shí)現(xiàn)的關(guān)鍵是算力的大小，為此特斯拉則準(zhǔn)備好了頂級超算Dojo，保證一切運(yùn)算都能高效、準(zhǔn)確完成。在AI day上，超算Dojo揭開了廬山真面目，內(nèi)置了3000顆Dojo 1芯片，并組裝成峰值算力達(dá)到1.1EFLOPS的ExaPOD，超越目前世界上最快的超算日本富岳，就成了全球第一。在發(fā)布會后，馬斯克在推特上回復(fù)網(wǎng)友提問時表示，ExaPOD的運(yùn)算能力足以模擬人腦。現(xiàn)階段，Dojo這臺性能猛獸專注于訓(xùn)練特斯拉自動駕駛神經(jīng)網(wǎng)絡(luò)，有了它，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)潛力一下子變得深不可測，而至此，特斯拉也集齊自動駕駛?cè)兀瑪?shù)據(jù)、算法、算力，為推進(jìn)L5級別自動駕駛做好軟硬件準(zhǔn)備。不過要想快進(jìn)至自動駕駛終局，特斯拉還有很長的路要走，包括來自法律和道德層面的考驗(yàn)。
|
