科技改變生活 · 科技引領(lǐng)未來
科技改變生活 · 科技引領(lǐng)未來
文|李永華
來源|智能相對(duì)論（aixdlun）
科技快速發(fā)展的年代，我們?cè)絹碓讲荒茌p易地“預(yù)測未來”，因?yàn)榭傆心敲炊嘁饬现庠诘戎覀儭?/p>
幾年前，我們還認(rèn)為無人車僅是作為科幻電影里的炫酷橋段，然而現(xiàn)在，公園、封閉園區(qū)、大學(xué)校園等場景下，都會(huì)看到無人車的身影，由于其高科技的便捷應(yīng)用與可愛的外形設(shè)計(jì)，迅速受到網(wǎng)友圍觀，成為名副其實(shí)的“網(wǎng)紅”。
網(wǎng)紅無人車的出現(xiàn)，之所以一度成為社會(huì)熱議的話題，是因?yàn)檫^去我們沒想到無人駕駛時(shí)代這么快就要到來，并讓我們不自覺地想對(duì)支撐其快速發(fā)展的背后黑科技一探究竟。
無人車駛向前臺(tái)，無限AI黑科技藏在身后
表面上“急速狂飆”的無人車，背后都有AI“黑科技”加持，“黑科技”足夠真，才能讓“網(wǎng)紅無人車”不再僅是網(wǎng)紅。
事實(shí)上，無人車和人開車的過程差不多，先用眼睛看，腦子根據(jù)眼睛看到的東西做出決策、指揮操作。
前者，被稱作感知系統(tǒng)，當(dāng)然它比人眼只是“感光”要更復(fù)雜，主要通過激光雷達(dá)（確認(rèn)車輛所處三維位置）、攝像頭（獲取圖像信息）、IMU陀螺加速度計(jì)（確認(rèn)行進(jìn)角速度）等多路傳感器，把路標(biāo)、分道線、車道、汽車、行人、物體、車輛位置、行進(jìn)狀態(tài)等各類信號(hào)輸入到計(jì)算后臺(tái)，這個(gè)階段的要求是盡可能“看”得細(xì)、“看”得準(zhǔn)，不能遺漏或錯(cuò)誤判斷。
后者，即“芯or腦”決策的問題，簡言之，就是把各路傳感器弄回來的信息整到一起，通過提前預(yù)設(shè)好的模型算法（類似人腦的思維方式和思維過程）得出車輛在此時(shí)以及未來一段時(shí)間應(yīng)當(dāng)如何行駛是最好的，并據(jù)此下達(dá)指令。
總體而言，由感知+決策構(gòu)成的無人車系統(tǒng)（日后延申至自動(dòng)駕駛系統(tǒng)），其整個(gè)過程的實(shí)現(xiàn)主要有三種方式，對(duì)應(yīng)三路AI“黑科技”。
一路是“LiDAR派”（Light Detection And Ranging激光探測與測距），激光一掃，周圍的環(huán)境變成數(shù)字世界的3D模型，然后結(jié)合毫米波雷達(dá)、攝像頭等輔助，AI能力告訴車子，“嘿，這個(gè)數(shù)字世界里，我們應(yīng)該在這個(gè)位置，這下會(huì)走了吧。”
一路是車路協(xié)同方案，這個(gè)方案的精髓是大搞基建，在路的兩邊高密度布置基站，把雷達(dá)掃描的信號(hào)發(fā)送給經(jīng)過的汽車，再配合精密地圖從而實(shí)現(xiàn)自動(dòng)駕駛。
搞車路協(xié)同需要很大的基礎(chǔ)設(shè)施投入，建設(shè)周期也很長，不過一旦搞成功了，單臺(tái)自動(dòng)駕駛汽車自己的成本就大大降低了——主要靠別人提醒，自己不用怎么武裝大腦。
從上圖也可以看出，這個(gè)方案需要高精地圖協(xié)作，與基站形成配合。
最后一路是所謂的“低成本方案”，馬斯克是其大力鼓吹者，工具簡單，和人只靠眼睛一樣，攝像頭加上毫米波雷達(dá)“就能”實(shí)現(xiàn)自動(dòng)駕駛，激光、基站統(tǒng)統(tǒng)丟掉。這個(gè)方案有個(gè)好處，只考驗(yàn)“不太花成本”的AI算法能力，而這種能力的獲取將受到未來業(yè)界追捧。
AI算力背后的“黑科技”
業(yè)界公認(rèn)，阻礙AI產(chǎn)業(yè)規(guī)模化發(fā)展的原因主要是開發(fā)效率低，標(biāo)注、訓(xùn)練、部署整個(gè)過程耗時(shí)，以及稀缺與昂貴的算力。AI產(chǎn)業(yè)若要規(guī)?；哌M(jìn)各行各業(yè)，助力企業(yè)AI產(chǎn)業(yè)化應(yīng)用，就必須要降低AI開發(fā)門檻和難度。而開發(fā)者在AI開發(fā)過程中也存在諸多痛點(diǎn)，例如，無法對(duì)海量數(shù)據(jù)進(jìn)行存儲(chǔ)與分析，對(duì)于普通開發(fā)者來說，面對(duì)快速增長的算力需求力不從心。深度學(xué)習(xí)作為人工智能崛起的主要原因，是開發(fā)者必須要學(xué)習(xí)的技能，但是對(duì)于普通開發(fā)者而言，掌握深度學(xué)習(xí)模型訓(xùn)練的時(shí)間成本相當(dāng)高，這也阻礙了AI開發(fā)者的開發(fā)效率。
可見，AI算法能力的獲取，并非易事。也就是說，網(wǎng)紅無人車從“網(wǎng)紅”到尋常百姓家，還差些許火候。
日前，華為云人工智能大賽·無人車挑戰(zhàn)杯正式開賽，華為云一站式AI開發(fā)平臺(tái)ModelArts、端云協(xié)同解決方案HiLens作為整場賽事的技術(shù)支撐，為參賽開發(fā)者提供了AI開發(fā)、云端創(chuàng)意無限的可能，即AI算法背后的“黑科技”。
華為云人工智能大賽·無人車挑戰(zhàn)杯參賽選手用車
華為云ModelArts作為一站式的AI開發(fā)平臺(tái)，集跨場景、軟硬協(xié)同、端云一體等多方位的優(yōu)化經(jīng)驗(yàn)，提供了自動(dòng)學(xué)習(xí)、數(shù)據(jù)管理、開發(fā)管理、模型管理、推理服務(wù)管理等多個(gè)模塊化服務(wù)，真正做到滿足不同程度的開發(fā)者，快速獨(dú)立的開發(fā)出自己的AI模型。
在無人車場景下，華為云可以支撐開發(fā)者實(shí)現(xiàn)一站式全流程開發(fā)，基于華為ModelArts AI開發(fā)平臺(tái)訓(xùn)練算法，通過HiLens平臺(tái)做技能開發(fā)并部署到HiLens Kit（端側(cè)設(shè)備）進(jìn)行推理，其超強(qiáng)的算力，豐富的接口，為開發(fā)者提供AI開發(fā)的極大便利。
在本次無人車大賽中，參賽者運(yùn)用華為云ModelArts平臺(tái)訓(xùn)練好各類算法模型，然后把模型導(dǎo)入HiLens平臺(tái)進(jìn)行業(yè)務(wù)邏輯編寫，完成技能開發(fā)，并將技能一鍵式部署到HiLens，快速實(shí)現(xiàn)紅綠燈檢測、行人避障、線路識(shí)別、目標(biāo)跟隨等自動(dòng)駕駛功能。這樣實(shí)現(xiàn)了從云到端的一體化，降低了參賽者訓(xùn)練時(shí)間和算法移植成本，提高了效率。
讓“感知”更容易實(shí)現(xiàn)、讓“決策”方案更容易訓(xùn)練出來，華為云ModelArts、HiLens在這場競賽中為學(xué)生們提供了后臺(tái)各種數(shù)據(jù)、高速算力、快速部署能力，學(xué)生們只管放飛自我研究如何讓無人小車更聰明地感知世界和自動(dòng)行駛。
這也反應(yīng)出AI開發(fā)的一個(gè)趨勢(shì)：創(chuàng)新的只管創(chuàng)新，其他“后勤”平臺(tái)給你包圓了，你要做的是肆意發(fā)揮創(chuàng)新，多多靈光一閃，想出什么讓汽車更聰明的絕妙法子。
那么“感知”和“決策”兩個(gè)部分，究竟是如何實(shí)現(xiàn)的？
1、感知：讓獲取和處理外界信息的門檻更低
先來看華為云HiLens（官方定義“更懂開發(fā)者的視覺AI應(yīng)用開發(fā)平臺(tái)”），AWS（亞馬遜云）也有類似的Deeplens，簡單說就是由一個(gè)具備AI能力的攝像機(jī)以及它背后云上開發(fā)平臺(tái)構(gòu)成。
華為云人工智能大賽·無人車挑戰(zhàn)杯選手用車外殼安裝
我們知道，AI需求深入到大量的細(xì)分行業(yè)，尤其視覺AI在傳統(tǒng)汽車、安防、娛樂、物流、醫(yī)療、交通都有應(yīng)用，云計(jì)算平臺(tái)不可能都有現(xiàn)成的方案，得靠企業(yè)們自己去開發(fā)。
例如，那個(gè)讓你交10塊錢的停車場識(shí)別車牌就是視覺AI的成果，只不過它已經(jīng)十分成熟。
但這個(gè)開發(fā)過程，又要采集數(shù)據(jù)，又要整合數(shù)據(jù)，還要自己搞模型搞算法，十分麻煩，這時(shí)候HiLens出現(xiàn)了，具體技術(shù)細(xì)節(jié)不多說，總之視覺AI變得和拍攝DV一樣簡單，架起專用設(shè)備，連接好網(wǎng)絡(luò)，就可以開始開發(fā)。
華為云人工智能大賽·無人車挑戰(zhàn)杯HiLens攝像頭模塊
由于無人車涉及大量圖像處理，華為云HiLens的輔助意義不言自明，參賽者作品很多基礎(chǔ)視覺AI能力架設(shè)可以憑借HiLens快速完成。
華為云人工智能大賽·無人車挑戰(zhàn)杯小車識(shí)別紅綠燈功能
2、決策：只要管好“最黑”的部分
一輛汽車該如何讓自己“感知”到的東西轉(zhuǎn)化為決策，通過華為云ModelArts，AI開發(fā)在易用的同時(shí)獲得了極強(qiáng)的算力支持：
提供了開源的數(shù)據(jù)集，AI模型最需要的數(shù)據(jù)喂養(yǎng)不需要自己到處去搜羅和積累；
通過某些技術(shù)處理，可以實(shí)現(xiàn)自動(dòng)學(xué)習(xí)+自動(dòng)訓(xùn)練模型，例如，在無人車領(lǐng)域，可以“一鍵做無人駕駛”；
大功告成，你在ModelArts上把模型搞出來了，這時(shí)候還能一鍵式部署到你想要的地方去，比如可以部署到HiLens端，實(shí)現(xiàn)云上決策算法模型與云下端側(cè)數(shù)據(jù)感知的拉通，這就是無人車背后真正的黑科技。
華為云人工智能大賽·無人車挑戰(zhàn)杯參賽選手編程顯示模塊
以無人車為代表，AI的難題總結(jié)起來有三點(diǎn)：第一部署太難；第二是開發(fā)不容易；第三是算力不夠，這讓小開發(fā)商望而卻步。華為云ModelArts與HiLens搭配，支撐開發(fā)者實(shí)現(xiàn)一站式AI全流程開發(fā)，更好的激發(fā)開發(fā)者創(chuàng)新熱情、也將加速AI在各細(xì)分場景落地。
文末彩蛋：華為云人工智能大賽·無人車挑戰(zhàn)杯比賽
今日，科技部在2019世界人工智能大會(huì)宣布，將依托華為建設(shè)基礎(chǔ)軟硬件國家新一代人工智能開放創(chuàng)新平臺(tái)，面向各行業(yè)、初創(chuàng)公司、高校和科研機(jī)構(gòu)等的AI應(yīng)用與研究，以云服務(wù)和產(chǎn)品軟硬件組合的方式，提供全流程、普惠的基礎(chǔ)平臺(tái)類服務(wù)。隨著8月23日昇騰910正式商用以及MindSpore的發(fā)布，華為全棧全場景AI解決方案全面完成構(gòu)建。面向開發(fā)者，華為云ModelArts全流程模型生產(chǎn)服務(wù)打通了從數(shù)據(jù)處理-模型開發(fā)-模型訓(xùn)練-模型部署的AI全鏈條，可將生產(chǎn)所需的所有服務(wù)一站式提供，全方位提升訓(xùn)練和推理的計(jì)算能力。可見，憑借30年在ICT行業(yè)經(jīng)驗(yàn)積累以及領(lǐng)先的全棧全場景AI能力，華為期待把“黑科技”運(yùn)用到極致，加速構(gòu)建萬物互聯(lián)的智能世界。
另外，打個(gè)小廣告：9月19日，“華為云無人車挑戰(zhàn)杯大賽”總決賽將亮相2019華為全聯(lián)接大會(huì)，并最終決出冠、亞、季軍團(tuán)隊(duì)以及優(yōu)勝獎(jiǎng)團(tuán)隊(duì)，歡迎關(guān)注。
【完】
智能相對(duì)論（微信id:aixdlun）：AI新媒體，今日頭條青云計(jì)劃獲獎(jiǎng)?wù)逿OP10，文章長期“霸占”鈦媒體熱門文章排行榜TOP10,著有《人工智能 十萬個(gè)為什么》，重點(diǎn)關(guān)注領(lǐng)域：AI+醫(yī)療、機(jī)器人、智能駕駛、AI+硬件、物聯(lián)網(wǎng)、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機(jī)交互等。
智能相對(duì)論 </span>