余凯:无人驾驶需AI技术实现三项突破

    “深度学习已经改变了围棋，改变了语音识别、图像识别、搜索引擎等许多领域，下一个深度学习将会引起的革命是什么？我认为会是自动驾驶。” 地平线机器人科技公司创始人兼CEO余凯，在5月27日举办的“全球机器智能峰会”（GMIS 2017）上表示。

    余凯曾任百度研究院副院长、深度学习实验室（IDL）主任。2015年，余凯离开百度创立地平线机器人科技公司。他指出，中国已经成为全球第一大汽车市场，但中国社会在交通出行方面面临着很多挑战：第一是堵车严重，第二是司机普遍缺乏规则意识，第三是交通事故死亡率高居全球首位。他判断，人工智能技术中的机器深度学习，令自动驾驶乃至无人驾驶成为可能，未来必将有力改变中国社会现存的诸多交通出行问题，也催生更多的市场需求。

    拥有60年历史的人工智能技术之所以在近两年才取得重大进展，主要原因在于算法领域取得的突破，使机器的深度学习成为可能。深度学习是人工智能机器学习（Machine Learning）研究中近10年来的新兴领域，其原理是使计算机程序通过建立、模拟人脑进行学习分析的神经网络，模仿人脑的机制来解释数据，包括图像、声音和文本等。

    如何在自动驾驶中构建机器的深度学习能力？余凯解释，机器深度学习的基础是海量的大数据，要训练机器学习必须首先对大数据进行人工标注，让机器理解所标注的数据。“但人工标注数据往往需要大量的时间和成本。”余凯指出，“AlphaGo的例子带给我们的一个启示是，不仅可以让机器从过去的棋谱数据中学习，还可以从虚拟的棋谱数据中去学习，这种方式就不需要对数据进行人工标注了。因此，我们其实可以构建一个系统，让机器自主去学习数据，自主去尝试和演进。”

    余凯指出，由此对自动驾驶而言，研发自动驾驶系统就可以去构建一个封闭的司机驾驶行为的仿真系统，让汽车充分暴露控制算法里各种边界的问题，然后去自我提升。“这种有监督的机器深度学习和无监督的机器深度学习在无人驾驶技术研发中都非常重要。”余凯表示，“因为一辆车每天产生、搜集到的数据，规模大到你无法想象，如果用人工去标注，是不可能实现的。”

    但构建自动驾驶的深度学习系统是系统性工程，“包括算法、软件、计算架构、处理器，云端大数据的训练，仿真系统等等，都需要重新构建。”余凯表示。

    余凯认为，未来实现自动驾驶还需要在3个方面实现机器深度学习的突破和优化。第一，实现机器端到端的自主学习，让智能驾驶系统能自我演进，而不是被人工标注的数据训练的汽车；第二，需要再重新设计数据神经网络的结构，使其能更加透明、可理解和可控制。当前无人驾驶技术领域的存在的很大难点是出现事故等问题时，无法还原过程，无法解释原因。“无人驾驶有黑匣子是不能接受的，如果有何异常行为法发生，一定要知道原因，一定要可解释，所以必须能够保持数据的透明度。”余凯说。

    第三，要使软件性能跟硬件相适配。余凯认为，未来大量的汽车将会是新能源电动汽车，如果电池功耗高，发热将会是很大的问题，因此未来在设计发展汽车软件时，必须统筹考虑软件和硬件，最大化整个计算的效率、安全性和系统可靠性。