為了實(shí)現(xiàn)可以安全運(yùn)行且無需人工輸入的自動(dòng)駕駛汽車的目標(biāo)- 即 L5自動(dòng)化 - 汽車制造商必須培訓(xùn)AI系統(tǒng)，以便在現(xiàn)實(shí)世界中遇到無數(shù)條件，以便它們實(shí)際上不會(huì)遇到現(xiàn)實(shí)世界中的任何事情)。正如我們從車輪后面的經(jīng)驗(yàn)所知，我們的高速公路和道路是完全不可預(yù)測(cè)的地方，他們將不斷要求自動(dòng)駕駛汽車立即解釋并對(duì)“邊緣情況”情景做出反應(yīng)。

雖然機(jī)器學(xué)習(xí)可以指導(dǎo)AI開發(fā)對(duì)其多次見過的場(chǎng)景的認(rèn)識(shí)和反應(yīng)，但是對(duì)于百萬分之一(或十億)的情況，人工智能訓(xùn)練存在巨大的障礙。例如，AI可能精通基本的高速公路駕駛，或在預(yù)期情況下識(shí)別行人。然而，邊緣案件比比皆是。高速公路上可能散落著各種東西，從輪胎廢料到沙發(fā)，再到追逐鴨子的祖母 ; 萬圣節(jié)服裝可以使行人難以察覺; 你可以設(shè)置自動(dòng)駕駛汽車的陷阱 ; 甚至電動(dòng)滑板車也可能證明AV有問題。總會(huì)存在公司無法模擬的“未知未知數(shù)”，因?yàn)闆]有人能預(yù)見到要模擬什么。

成功解決不可預(yù)測(cè)性對(duì)于自動(dòng)駕駛尤為重要，因?yàn)槿魏我馔夂臀幢话l(fā)現(xiàn)的障礙都可能成為生死攸關(guān)的安全問題。因此，解決邊緣情況的風(fēng)險(xiǎn)對(duì)于行業(yè)來說是巨大的。

解決深度學(xué)習(xí)的邊緣情況約束

深度學(xué)習(xí)在解決這些邊緣案例中的應(yīng)用阻礙了一個(gè)主要問題：深度學(xué)習(xí)并不適合提供這樣的保證。雖然可以根據(jù)已知數(shù)據(jù)集確定AI應(yīng)用程序的準(zhǔn)確性，但在邊緣情況發(fā)生且必須處理不熟悉數(shù)據(jù)的實(shí)際情況下，無法保證性能。在處理與之前遇到的數(shù)據(jù)集非常相似的數(shù)據(jù)集時(shí)，深度學(xué)習(xí)系統(tǒng)可提供令人驚嘆的結(jié)果并超出預(yù)期。但是，由于它們推斷信息的能力有限，因此沒有辦法預(yù)測(cè)它們?cè)谶@些異常情景中的運(yùn)作方式。實(shí)際上，大量的深度學(xué)習(xí)理論支持這樣一種觀點(diǎn)，即在某種程度上，這些系統(tǒng)實(shí)際上不可能理解與他們所訓(xùn)練的數(shù)據(jù)不同的數(shù)據(jù)領(lǐng)域。

面對(duì)這種限制，今天最成功的策略就是為AI應(yīng)用程序提供大量數(shù)據(jù)，以便盡可能熟悉盡可能多的潛在邊緣情況。這種強(qiáng)力方法要求汽車一直被驅(qū)動(dòng)，以便在更加陌生的場(chǎng)景中構(gòu)建體驗(yàn)，然后將這些數(shù)據(jù)添加到系統(tǒng)中。這樣做需要自動(dòng)駕駛汽車系統(tǒng)制造商擁有標(biāo)記和支持這些令人難以置信的數(shù)據(jù)量的基礎(chǔ)設(shè)施。

然而，即使制造商能夠在這一刻獲得接近無限量的數(shù)據(jù)，仍然無法為他們?cè)诘缆飞峡吹降乃袞|西準(zhǔn)備自動(dòng)駕駛汽車。世界變化，人類行為改變，新車和物體(如前面提到的踏板車)被引入等等。鑒于這一現(xiàn)實(shí)，車輛系統(tǒng)制造商有很大的責(zé)任來決定他們?nèi)绾巫罱K解決現(xiàn)實(shí)世界的不確定性，同時(shí)提供安全舒適的自動(dòng)駕駛車輛體驗(yàn)，不會(huì)出現(xiàn)每個(gè)未知的誤報(bào)(即不必要的制動(dòng))。

建立衡量成功的方法

今天，AV行業(yè)的參與者自然而然地采取對(duì)抗的立場(chǎng)來競(jìng)爭(zhēng)誰擁有最好的技術(shù)。然而，這里面臨的問題是如此存在和具有挑戰(zhàn)性 - 例如確定如何最好地測(cè)試自動(dòng)駕駛汽車技術(shù)是否真正可以安全使用 - 行業(yè)領(lǐng)導(dǎo)者可能需要聯(lián)合起來回答這些問題。與此同時(shí)，客戶和整個(gè)社會(huì)需要確信這項(xiàng)技術(shù)是安全和有益的。我相信一個(gè)開放的標(biāo)準(zhǔn)，由行業(yè)建立，用于測(cè)試和驗(yàn)證自動(dòng)駕駛汽車的安全性，可以幫助實(shí)現(xiàn)這一目的。協(xié)作和邊緣案例數(shù)據(jù)共享可能是每個(gè)人的最佳策略。

至于自動(dòng)駕駛汽車必須達(dá)到的安全水平，重要的是要認(rèn)清兩件事。首先，人類是非常好的驅(qū)動(dòng)力; 我們每165,000英里只發(fā)生一次事故。其次，在人類和機(jī)器方面，我們的期望是雙重標(biāo)準(zhǔn)。我們希望人類犯錯(cuò)誤，但我們發(fā)現(xiàn)當(dāng)機(jī)器出現(xiàn)故障時(shí)它更不可接受。鑒于這些期望，自動(dòng)駕駛汽車可能需要比人類駕駛員安全10倍才能獲得廣泛認(rèn)可。雖然我們距離看到L5完全自動(dòng)駕駛的車輛能夠駕馭通道無處不在的情況可能需要幾年的時(shí)間，但是當(dāng)我們到達(dá)那里時(shí)，我們將會(huì)更安全。

Alexandr Wang是Scale公司的首席執(zhí)行官，該公司通過對(duì)智能數(shù)據(jù)的訪問進(jìn)行民主化來加速AI的發(fā)展。