2017年3月14日，驭势科技联合创始人&CEO、原英特尔中国研究院院长、英特尔首席工程师吴甘沙来到北大AI公开课，就“无人车与自动驾驶”主题，与北大人工智能创新中心主任、百度七剑客之一、酷我音乐创始人雷鸣老师一起进行了分享和讨论。
吴甘沙，原英特尔中国研究院院长，英特尔中国研究院的第一位“首席工程师”。2000年加入英特尔，2011年晋升为首席工程师，在英特尔工作期间，他发表10余篇学术论文，有22项美国专利，14项专利进入审核期。2016年1月底，吴甘沙离开英特尔开始创业，现为驭势科技联合创始人&CEO。
本文由北大孵化器投资基金项目高级经理王亮整理发布
“过去十多年，智能驾驶已经发展出来了一套AI体系，而现在，我们觉得可以把其中的一些东西*翻推**重来。”
为什么做无人驾驶？
庞大的汽车拥有量，成为城市的一个顽疾：一方面堵车导致交通事故，废气排放引发雾霾等一系列的问题。另一方面，“停车难”助推“房价高企”。这里有三个数据：1、一辆车96%的时间是停着的，而且需要两个停车位；2、据统计，在城市的商业中心CBD附近，35%的航行里程是与找停车位相关；3、大城市15%以上的土地是用来停车的。还有一个触目惊心的数据：中国一天可能因为上下班交通浪费在路上10亿个小时。而五六千年以前古埃及人建造一座大金字塔就花了这么点时间。无论是摇号、限行、交通拥堵费，还是网约车，现行的解决方案都没办法根本性上解决，系统性解决这个问题，要靠智能驾驶。
有了智能驾驶之后，城市的交通状况就不一样了。例如北京，有接近六百万私家车，而提供按需出行服务的出租车只有7万辆左右。对于我们绝大多数人来说，首先打车很难，其次打车很贵，还不如自己买辆车，这就是买车的逻辑。有了智能驾驶，北京的交通状况就不一样了。首先，城市里面车辆的总保有量可以减少一半，只有100万辆私家车，还有200万辆是无人驾驶出租车。根据大数据的运算规律，可以按照全城人群的分布和出行的规律，把这200万辆车分布在城市的各个角落，保证每个人一叫车，两分钟之内就来车。而且，打车的费用可以降到今天的1/3。
同时，未来只要无人驾驶的调度算法足够好，可以减少空驶，从而解决现在因空驶造成的大量燃油浪费。加上新能源的普及，每公里行驶成本会比现在的燃油低很多，出租车的费用自然就降下来了。由此，城市的一系列交通问题都可以得到解决。
无人驾驶车可以整整齐齐地开，相同距离可以容纳更多车辆，道路的容量可以提升3倍，还可以减少90%以上的交通事故。同时，当第一辆车档掉风阻，后面的车可以开得非常省力，能源的效率也得到提升。这种模式对停车位的需求也会极大降低。
未来滴滴一定是无人驾驶
无人驾驶的场景，在商业上也是一个巨大机会。如今，“滴滴出行”一天的峰值能够达到2100万单。这什么概念呢？阿里巴巴全品类的电商相加一天大约是3000-5000万单。美团、大众点评吃喝玩乐住加起来一天大约1300万单。由此可见，出行是相当刚性的、高频的需求。但是，受限于能够提供服务的车和人，再加上人力成本，今天的快车也并不会比出租车便宜。要突破这两个局限的，必须通过无人驾驶的出租车。
一旦实现无人驾驶，每日出行将达到5亿单甚至更高，会是电商所有品类当中最大的交易量。此外，未来的车交通工具的属性会降低，商业空间的属性会增加：放一台咖啡机，它就是移动星巴克；放一块大屏幕，是移动万达影城；放块小屏幕，是移动的分众传媒；放一套办公设备，是移动的写字楼……未来的打车体验，车费也许就是十来块，但喝杯咖啡需要二三十块钱，看场电影需要三四十块钱。由此，整套新的商业体系就会呈现出来，并带来更为广阔的市场机遇。
智能驾驶里面有一些什么样的AI技术？
智能驾驶要达到3个方面：一是感知和认知的理解部分；二是地图和定位；三是认知的决策部分。
第一步是认路。传统上的无人驾驶从“激光雷达”开始，激光雷达呈现出来一个几何的世界，乘车人通过与几何世界互动实现无人驾驶。激光雷达能够把树，草坪，车辆，房子等等很准确地把模型建立出来。谷歌第一代、第二代、第三代无人驾驶车，上面有个激光雷达。百度的第一代、第二代车的顶上有激光雷达，两边和后面有3个小的激光雷达。激光雷达高昂的价格促使人们寻找其他解决方案，也就是基于视觉以及毫米波雷达，超声波等等助传感器。其实，最重要的还是视觉，视觉构建的不是一个几何世界，是一个像素世界，基于一个像素世界，要去理解和预测，这是基于视觉的智能驾驶。但是，现在的视觉方案存在缺陷：第一，视觉容易受到光照条件的影响，比如若遭遇强逆光，则对判断会有很大的影响；第二，AI只能识别数据库里有的障碍物，这就要求数据库必须要足够完备。比如说一条高速路上行驶，可能只有车；但是在另外一条高速上则可能有其他动物，或者不在数据库里的障碍物，就很可能会出现事故。
如何解决？一种办法是重新回到几何世界，通过摄像头去构建一个几何的世界。双目立体摄像头，无论是静态的障碍还是动态的障碍物，都有一团点云去标识，点云呈现暖色调，代表距离比较近；呈现冷色调，代表距离比较远。当一辆车刚刚出现的时候，是暖色调，随着它渐行渐远的变成冷色调。这是一种解决问题方案，即不用再去识别是什么障碍，但必须通过对几何世界的建模去了解这里有障碍。还有一种办法，通过更好的计算机视觉，即所谓的语音分割。通过更好的分割办法，去发现障碍物，找到可行驶区域。有几个点需要注意：第一，即使是用了深度学习，在一个复杂场景里面，对障碍物的识别率，比如对车辆的识别率可能只有90%出头，对自行车骑车者，只有百分之七八十。解决方法可能是通过更多的标注数据，现在一般训练可能拿10万张标注数据，如果有能力去获得几十亿张，甚至是几百亿数据，那训练出来模型准确率会非常高，这就存在如何去收集数据的问题。第二，收集到数据之后，如何去进行标注，10万级别还可以通过众包的方式人工进行标注，但到了百亿级就需要研究基于机器学习，做半自动的标注，先让机器学习标注，再有就是通过预训练，预训练是迁移学习的一种表达。没有标注数据，要么就从其他领域迁移过来，要么就是在线学习，通过自监督学习进行标注。第三，嵌入式的部署，因为汽车上面是一个嵌入式系统，而不是一个数据中心，要考虑实时性、模型的大小、计算量等。
第二步就是认路的司机怎么去做，这需要借助地图和定位系统。传统上，采用XJBD方法，首先用一个高精度定位的系统RTK，依靠卫星、地面基站、多个天线做差分计算，获得厘米级的定位精度。但光靠这个是不行的，因为获取的信号通常跳跃性比较大，这时就需要运用XJBD方法加上新的系统，如给车加载视觉里程计；还有一种情况，在环境中贴二维码，通过对二维码的实时监测来辅助定位；再者，也可通过SLAM（同步构图与定位）技术来实现。
有多少AI可以重来？
第一，SLAM技如何能够做到更加鲁棒？众所周知，SLAM技术由于视觉质量技术，非常受限于在环境当中能够发现的这些特征点，比如说四处都是白墙，是很困难。
其次，多传感器要进行融合，在什么情况下，哪种传感器给出来的数据的可信度是更高，怎么能够把它们融合起来，或者用另外一种传感器来帮助这种传感器？这个融合算法其实也有很多的探索；还有，就是基于基础高精地图不断地对地图的更新和学习。因为四维也好，百度也好，他们可能全国只有100辆扫街的车，因此对于基础地图的更新是非常慢。如果每一辆车，不但具备定位的功能，也能够帮助地图进行更新，那用户始终会拿到最新的地图，这些都是值得去探索的方向。
第三，通过跟环境的互动方式，去推知其他物体的物理特性，预测他们的行为来去决定我该怎么样。这时，传统的监督学习就不够。监督学习是给出一个状态，并能够对它进行一个预测，而这个预测，对外界环境是不会有影响的。但是，实际开车的时候，必须不断跟环境互动。因此，需要新的学习方法，就是比较通用的强化学习的方法，去实现跟环境的互动。这是一个比较广泛含义上的强化学习，这里面可能也包括像马尔可夫决策过程，循环神经网络等。
最后说一下穿过AI落地的迷雾。现在我们看到很多人工智能做出来，Demo非常好，但是它离真正落地，离部署其实有很长的道路。做demo的话，100次当中有1次成功就行了。把成功的视频放在网上，大家都觉得很牛。但是真正部署了以后，100次当中有1次失败就完蛋了。而且，拍demo时可以在车上装6个、9个激光雷达都无所谓，但是真正落地的话成本就变成了考量因素。不仅仅要考虑车，还要考虑基础设施，考虑整个运维的系统。另外，从算法能力到系统能力，算法做好了，下一步要考虑鲁棒性和实施性，但更重要的是软硬件的垂直整合。
往期内容回顾
AI课程：
AI课程｜小米黄江吉：从小米看人工智能硬件的发展史
AI课程｜滴滴叶杰平：智能交通和交通大数据
AI课程｜英伟达董方亮：为AI而生的GPU
AI课程｜谢国彤与IBM的AI+医疗：个性化、循证的智慧医疗
AI课程｜微软洪小文：有关AI能力的三个问题
在孵精英：
在孵精英｜来自NASA的佳格团队当上了中国的“务农人”
在孵精英｜翼开科技获2016年度软件类最佳奖项！
在孵精英｜平均年龄25岁的团队要让机器人睁开“双眼”看世界！
在孵精英｜FireRadar金火眼——新安全 新思考