原標題:谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

1新智元報道

來源:優達學城

編輯:聞菲

【新智元導讀】上周,Udacity(優達學城)創始人、斯坦福終身教授、Google X 實驗室創始人、被譽為「谷歌無人車之父的」Sebastian Thrun,在騰訊學院發表演講《人工智慧:離覺醒還有多遠?》分享了他對AI發展和無人車前景的見解。Thrun認為,無人駕駛的最終勝利者可能是一家傳統車企,此外,現在全世界都在用雷達做無人駕駛,實際上攝像頭是最好的方式。Thrun介紹了Udacity的學生做的一個程式,只使用攝像頭,3個月的時間,做到了谷歌用了很多年才做到的事情,「我覺得我們可以改變無人駕駛車的未來」。

Sebastian Thrun:謝謝主辦方邀請我到這裡,非常感謝騰訊以及騰訊大學為我們搭建了一個如此好的平台。我可以看到大家的T恤上寫著「如果你不學習就代表你不合群」,我特別喜歡這件衣服。

在座的都是特別有才華的人,我們在這裡不僅是為了怎麼做好一件產品,這個世界是在向前發展的,我們要攜手前行。

我今天作為Udacity的創始人的角色來跟大家分享,但是我今天更多想分享的是AI,我想在接下來的一段時間跟大家談一下關於AI的一些細節,如果大家有任何問題也可以隨時問我。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

人工智慧發展:開發人員寫程式碼的功能很快將被取代

如果大家去看最近的一些新聞,可能大家可以看到最經典的一個議題就是AI,特別是機器的深度學習,Udacity和騰訊正式簽約,在這方面深化合作,開展一些課程跟大家學習。

AI並不是什麼新鮮的東西,在上世紀50年代美國就有這個概念,在過去的60年沒有很多人特別在乎他,也就是在過去兩到三年,AI突然受到大家的關注。我們說AI,最重要的一點就是機器開始學習了,電腦可以開始自行學習可能是一個比較新鮮的事情,它是怎麼樣開始的?

如果大家像我一樣是做軟體工程的,可能大家是在研究怎麼解碼,怎麼寫程式碼,可能會用很多的時間寫下非常複雜的一些程式碼,然後希望把工作做得更好。作為軟體工程師,我們需要花大量的時間了解這裡面是否有一些bug,然後你的電腦能不能進一步做它應該做的事情。所以準確率要求非常高,這也是為什麼我們的工資相對是比較高的,因為一旦程式碼做不好,電腦沒辦法使用。在座的諸位和我天天都在研究這些東西,一長串的程式碼,每一個細節都要求是準確的。大家寫程式碼的能力可能很快會被取代。

接下來我們是要教電腦怎麼學習,讓電腦知道什麼是狗,什麼是貓,告訴它有100萬隻狗、100萬隻貓,它要了解怎麼區分貓與狗。我們可以通過給它們看圖片來區分貓和狗的差異,這樣使它更像人。小時候你的父母會教你學很多東西,當時你並沒有辦法從父母那裡學到各種各樣的規則,世界充滿了可能性,需要小孩子去嘗試,小孩子會跌倒,在跌倒過程中不斷地學習經驗,現在我們處在一個新的時代,這個時代中電腦可以發現規律、發現模式,這樣它們就可以越來越聰明。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

大家看這幅圖片,這是神經網路,神經網路在很多方面和人腦類似,左邊是一些圖片,這些圖片非常小,可能看不清,有一層又一層的神經元,神經元可以來處理圖片或者是圖像,從這些圖像中可以識別出人的表情,有一些人有鬍子,有些人在大笑,這就是我們的大腦分析資訊的方式。我們的DNA非常少,通過一點點DNA可以定義我們是誰,在DNA中有重要的資訊來幫助我們識別出各種差異的特徵,小孩子從牙牙學語,到後來掌握了語言,在這個過程中他們不停地吸收新的資訊、新的語言,逐步地適應,我們也要讓神經網路這樣發展。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

1995年我做我的博士論文的時候,還沒有人研究這樣的網路,當時電腦的計算能力非常弱,數據集也非常小,我當時用了很少的圖片來訓練網路——現在你可以用5億張圖片來訓練你的網路,但是在當時我的資訊和資源非常有限。大家看這些圖片,左邊是老鼠的大腦,右邊是人的大腦,一個小的網路學不了多少東西,就像老鼠的大腦,它比人的大腦小很多,1995年的時候,電腦的能力很弱,沒法學到很多的東西,現在電腦非常強大了,可以學到更多的東西,可以分析更多的資訊,在未來可能更加瘋狂。

人工智慧應用:自動檢測皮膚黑色素瘤,達到耶魯、哈佛醫生水平

我們來看一些例子。我最喜歡的一個例子來自谷歌 DeepMind。我在上學的時候,國際象棋對AI來說是非常難的,在我上高中的時候,也就是上世紀80年代的時候,AI沒法打敗人類的國際象棋冠軍,1997年IBM做出了深藍,打敗了當時的國際象棋世界冠軍,這個新聞在當時是非常有轟動性的。後來人們轉向了圍棋,圍棋更複雜,在圍棋中變化的可能性比宇宙里的原子還多,人們以為電腦不可能在下圍棋時打敗人類。2016年,深度學習的系統打敗了人類選手。不過,需要指出,現在我們要設計規則給機器還是很難的,要給機器提供無數的數據幫它們去學習。同時,人類可以同時玩很多種遊戲,而AI現在是專用的,圍棋的AI就只能下圍棋。

再看另外一個例子,在醫療方面也可以用AI,醫療是一個非常專業的領域,要當醫生,就要花很多的時間培訓,學習很多知識,每一名醫生都是一個專家,即使在醫學中某一個分支要做得很好,也需要很多年的學習。醫療領域技術要求最高的是皮膚病領域,皮膚病領域的專家的薪酬特別高,他們會研究人的皮膚的每一個狀況,黑色素瘤以及其它的皮膚癌症都可能帶來嚴重的生命威脅。這裡面需要做出很多的決定,這些皮膚病專家要做出人命關天的決定,在美國,這樣的醫生一年的薪水可達40萬美元,他們賺錢非常多,通常比一些CEO的工資都高。但是,這些皮膚病醫生每天的工作很無聊,要用放大鏡來看人們皮膚上的斑紋,這不是我想做的工作

零級的黑色素瘤是沒有什麼傷害的,到了四級的時候就非常嚴重了,可能會擴散到其它的器官中,只需要8到10個月就可以擴散到全身,這時候你的狀況非常糟糕,四級的黑色素瘤可能會危及到生命。在斯坦福我們和一些學生討論,我們用AI來試圖打敗人類的皮膚病專家,我的學生髮現了一些規律,他們找到了很多的圖片,總共找了13萬幅皮膚病的圖片,這些圖片後來都拿來做電腦訓練,這些實際上是一些切片的圖片,切片就是用來判斷人是不是有癌症的,實際上這些圖片非常難分類。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

這裡前5幅是良性的,不會威脅生命,下面這些是惡性的,如果不治療的話,會出人命。這些圖片就可以用來訓練我們的電腦系統。要進行分類實際上有很多困難,哪些圖片代表惡性的,哪些圖片代表良性的,這就是皮膚病專家專業知識的價值所在。大家看這些邊界,這些邊界是模糊的,但是模糊的邊界也有不同的特徵,在不同的邊界狀況下,我們可以做出不同的診斷,判斷出是不是會威脅到生命。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

我們訓練一個神經網路,你可以接觸到關於皮膚病或者皮膚癌症的各種各樣的資訊,你可以拿到很多的資訊,這些資訊可能並不是相關的,在這幅圖上,或許你可以找到所有的皮膚癌症,但是特異性如果是0,意味著特異性不足,這種情況下就不會造成皮膚癌。如果超過某個邊界之後,你會發現更多的皮膚癌症,而有時候在這裡你會發現一些誤判,這些狀況並不是皮膚癌症。有時候我們會有一些說法,A類和B類的誤差,或者是敏感程度的誤差,實際上有一系列的答案,在這些答案裡面我們要判斷,有不同的程度。我們看這個曲線,如果你看到門限在這兒,你會發現有20%的是誤判,也就是把皮膚癌判斷成非皮膚癌。

我們在研究中做了這樣的分析,我們按照理想的狀況,希望用它來檢測皮膚癌應該在最右上角這個地方是最好的,在這裡我們可以找到所有的皮膚癌的狀況,如果是這樣的對角線的狀況,效果就會差很多,會成比例的下降。對角線的狀況下就會丟失掉很多的正確資訊,我們希望能在右上角。當時我想我們是不是可以寫一篇非常好的論文,我作為核心作者。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

如果你理解我剛才說的特異性和敏感度,這裡的演算法實際上是需要改進的,這裡的假陽性可以大幅的減少,如果演算法在右邊,我可以將假陽性的比例降低4倍。我們希望大幅降低假陽性,這樣才可以拿到好的結果,如果假陽性太高,這個系統是不好用的。我們做了一些測試,來看看結果是怎麼樣的,我們發現有些特別好,有些非常糟糕,然後有一個平均值在中間。

我們做的是黑色素瘤的研究,黑色素瘤非常危險,大家不希望它出現在左邊這個狀況,在這種狀態下有8%左右的誤差,這是哈佛、耶魯這個等級的皮膚病專家的表現,大家都希望這樣的專家給你看病,人工智慧可以實現這樣的水平。

「現在全世界都在用雷達做無人駕駛,實際上攝像頭是最好的方式」

我們再看無人駕駛方面的內容,我們Udacity提供的一些納米學位的課程裡面也會涉及到無人駕駛汽車的內容。

在Udacity我們為人們編織美好的夢想,我們提供的課程是非常全面的,我們會培養無人駕駛汽車工程師,我們與很多車商有合作,我們為他們直接培養人才。我們培養了很多無人駕駛汽車工程師,提供的工程師數量比所有大學培養的數量都要多。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

這是用深度學習來做的一個結果,其實跟谷歌做的有點相似,這個是用了一個攝像機,看看在哪裡走,谷歌一般是用雷達系統。測試時,如果結果不是很好的話,我們就會用上更多的數據,獲得更多的細節。之前我在谷歌壓根做不了這個事情,但是作為Udacity的學生,有很多聰明的學生,我給他們一個挑戰,就是讓他們只是拿一個很便宜的攝像頭安裝在車上,讓這個車開在照明不太均勻的地方。

這是我們獲取的結果,這些數據對我來說,我看到都覺得很難,我們給了學生大概48個小時,看誰可以獲得一個最好的表現。我們可以看到這個方向盤,只連接了一個攝像頭就可以駕駛,這種無人駕駛的車,在中國可能百度會做相關的研究,可能騰訊也在做相關的軟體。現在大家都在用雷達系統做無人駕駛汽車,其實用攝像頭是最好的方式,這樣的成本是最低的,而且因為人開車是用眼睛看的,所以這樣也更接近現實。我們給學生提出挑戰,你能不能只用一個攝像頭來實現無人駕駛,這是我們的學生交的一個作業。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

我從2003年就開始做無人駕駛汽車了,我從來沒有見過用一個攝像頭可以實現這麼多功能,它可以把每個細節都進行分類,把這個東西放在無人駕駛汽車上面,讓它自動駕駛,它的成本並不高,而這只是一個開頭,這也是我們很多很厲害的學生把他們的結果發到Udacity上,使我非常震驚。

大概我們做了三個月的測試之後,有一個團隊做的無人駕駛車,在舊金山的上下班高峰期,用無人駕駛的車開過了繁華的道路,經過了100多個紅綠燈路口。Udacity的學生做的這個程式,3個月的時間,他們做到了谷歌用了很多年才做到的事情,而我們只是用一個攝像頭就能搞定。

所以,我覺得我們可以改變無人駕駛車的未來。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

誰會被AI取代?只要工作有一定的重複性,就能找到一個系統來超越

作為AI很重要的一點,它並沒有被所有人所了解,AI可以做很多人類需要做的事情,基本上每一個人類需要重複做的事情,AI都可以幫助人類去做,如果你是一個醫生,你說AI跟我沒關係,肯定是售貨員會被取代,但是我可以告訴大家,剛剛展示出來的一個醫療系統的AI,對於一個有12年的經驗的醫生來說,只要他做的工作有一定的重複性,我就可以找到一個系統來超越他。所以這樣一個革命有可能比重要革命更重要,它可以把人類的工作方式進一步變革。

接下來可能是誰會被取代?可能計程車司機會被取代,因為無人駕駛汽車會改變美國10%的交通系統。還有貨櫃車的司機,飛行員也有可能被取代,有些時候在惡劣的天氣下,可能無人駕駛的程式駕駛飛機比人員駕駛更穩定。還有醫生、律師也有可能被取代,現在已經有AI系統用來做一個合同,這些已經可以取代律師做的工作。還有會計、資訊搜索員、工程師,像在座的諸位,您的工作是否有重複性,有沒有可能被AI所學習?還有CEO會被取代嗎?我的工作是不是有一定的重複性?可能我不會被取代,然而我還是期待,有一天AI可以取代CEO 90%的工作,如果它能取代我90%的工作,我可能會更要效率地管理企業,賺更多的錢。

重點是,重複性的工作真的很無趣,很多時候我們會通過不停地做重複工作讓自己的能力越來越差,因為人類希望可以得到更好的東西,我們希望可以創造更好的事情,很多時候在做重複性工作做多了之後,你的創新能力就會下降。大家可以想想,當年你們是在不停地農耕,現在我們在做什麼?我們的創意比老一輩要多多少,為什麼這種創意要停止呢?

想到AI我就非常興奮,因為這是目前最重要的事情,它對我們會有很大的影響,我是特別樂觀的人,我不覺得做重複性的工作一定很爛,但是你也可以有創新,現在我們的供水系統、汽車、飛機,在座諸位的手機,以及我們的社交軟體,在150年內我們就創造出所有的這些東西,所以我們想想,我們可以有多大的幾率再弄更多的東西?為什麼我們還沒解決癌症的問題,為什麼我們還沒創造出一個會飛行的汽車?可能過幾年就會有,我們真的要從重複性的工作當中解放自己的天性,解放自己的創意,利用AI來幫助我們。

非常感謝大家的聆聽。

谷歌無人車之父Sebastian Thrun:攝像頭才是無人駕駛最好的方式

無人駕駛的最終勝利者可能是一家傳統車企

以下部分節選自Q&A環節的整理。

提問:您說蒸汽機代替了人的體力勞動,AI會替代我們的腦力勞動,如果AI真的開始的話,下一個革命是什麼?

Sebastian Thrun:一兩百年前我們讓人變得更強大,我們可以做更多的農耕工作,我們就可以做更多有意思的事情,可以讀書、可以寫作,今天我們還可以有更多的時間做辦公室的工作,如果有AI來幫我們,我們就會有更多的時間,我們可以用這些時間再去做別的創新。AI能處理的下一個問題是什麼我並不知道,可能要等20年之後我們再來聊。AI可以改變社會、改變人類,之前沒有這樣的情況發生,未來很難想象。

提問:什麼樣的公司可能會在無人駕駛這個領域做得非常好?是一些傳統的車商,比如寶馬、比亞迪,還是網路公司,比如說騰訊、百度這類的公司。無人駕駛領域,哪種公司會取得勝利?

Sebastian Thrun:這個問題問得非常好,你說哪個公司最終會取得這場競爭的勝利,究竟是寶馬還是比亞迪,或者是騰訊、谷歌這類公司,現在我很難預測誰會勝利,我的想法是基於美國的狀況得出的,中國的狀況可能有所不同。

有件事情出乎我的意料,在汽車方面的創新並不是OEM車商來引領的,並不是寶馬、比亞迪這樣的公司,他們有很多的專業知識,他們的商業模式也很好。百度、Uber、滴滴、騰訊等等這樣的強大的技術公司也在趕上,但是這並不意味著騰訊一定可以從無人駕駛汽車中賺取很多的利潤,其它公司也在一起做,最終可能賺不了太多錢。

對我來說,勝利者可能會是一家傳統車商。你看看交通方面的經濟細節,在美國你買一輛車,一英里的成本大概是60美分,如果打車是2.5美元,如果坐Uber是1.5美元,滴滴大概是1美元,Uber和滴滴比打車的成本低很多,這些出行的模式會降低很多成本,比計程車的成本更低。在城市裡面你到底是自己買車,交停車費,還是去乘坐無人駕駛汽車,這些車可以將你帶到你想去的地方,這些車的大小也可能根據需求不同而不同,有可以坐很多人的車,也可以有隻坐兩個人的車,交通系統會發生很大的改變,人們會有很多創意的方案,拼車會有非常大的潛力。

在無人駕駛領域,我覺得騰訊或者百度並不一定能賺取很多的利益,大家看看谷歌賺了多少錢?你用過去的思維看未來,這是比較危險的,騰訊不應該只關注在這個領域,我們可以關注一下家庭計算領域,比如說亞馬遜在這方面已經做得非常好了,我們需要為這些領域帶來新的解決方案,我們不應該僅僅考慮過去的狀況,人們不一定總是買車,但是人們買房也是很常見的現象,我們應該更注重人們在家裡的各種技術需求,人們希望有能力四處移動,這時候我們要提供非常好的交通移動解決方案。我們再看微信,這是一個很好的例子,微信上有很多的服務就是很好的整合。

OEM車商如果和我交流,他們可能也不相信我說的這些話,大家的觀點都各不相同,這是非常好的現象,我們可以討論。

提問:在未來AI是不是可能發展到機器有自己情感的程度?

Sebastian Thrun:這個問題很有意思,人們總是問我,為什麼不讓機器人有感情或者說情感?舉個例子,你家有洗碗機,它實際上是機器人,可以幫你洗碗,我非常喜歡這種機器,你進到你的廚房裡,洗碗機可能說,「我愛上冰箱了,你對我不好,我不想和你在一起」。我故意說這樣一個笑話,如果機器有情感,就可能有這樣的現象出現。

這樣的機器是對於人類生活的補充,如果我的車有情感,我要對它非常好,否則我會出現生命危險,這是非常不好的。實際上在人類設計AI的時候,我們並不希望它們有情感,因為這樣是非常危險的。這件事情我們一直在思考,成功的技術總是會給我們帶來幫助,而不是來威脅和取代我們。如果微信變得像人一樣,或者說有非常豐富的情感,那你可能會非常恐懼。如果車有情感,它是不是可以想跑多快就跑多快呢,就像有腿一樣。如果我造的一輛車就像我一樣有兩條腿,也有情感,這樣的車對我們有什麼意義呢?我想重複一點,這些技術、這些系統對我們的生活、對我們的社會、對我們的世界是一種補充,我們不希望它們有情感

提問:我想問您一個關於機器人的問題,您怎麼看待機器人的未來?

Sebastian Thrun:機器人是一個很有意思的事情,基本上過去20年一直存在,美國的很多大學特別熱愛機器人,如果你是一個機器人公司,可以來找我們,我們想想要解決的事情,然後找最好的解決方案,最重要的是要做一個好的應用。在機器人領域,無人駕駛汽車就是機器人的一種,我看了很多比較基礎的項目,像家庭的應用,以及亞馬遜這樣的大型的機構都會用到機器人,機器人會應用到很多的領域和功能當中,這是可以改變社會或者改變工作規則的,所以對於機器人的未來我們還是非常樂觀的。

提問:您剛才說AI是可以幫助我們做很多重複性工作的,作為非重複性工作,現在在谷歌是否有相關的AI的研究?

Sebastian Thrun:AI做重複性的工作是做得非常好的,可能我說的也不對,但是目前AI還沒有看到可以做非重複性工作的可能,以後可能會有新的發展,但是暫時AI還打破不了這樣的瓶頸,就是做不重複的東西。

提問:現在谷歌是否有用AI來解決一些環保的問題?環境保護是否可能成為一種指數或者指標來判斷技術的好壞?

Sebastian Thrun:環境保護其實不是AI要解決的問題,它是一個社會問題,可能沒有任何科技可以幫我們解決。在環境污染的情況下,可能有人會付出很多代價,但是也有人獲益,所以環保是一個社會問題,它不完全是一個科技問題,如果讓破壞環境的人付出他應有的代價,這樣才能改善環境。哪怕谷歌他們創造一些可以改善空氣的技術,但是有些人也不一定會用,所以它不是一個科技的事情。像我住在矽谷,我們會有很多很新奇的東西,我們會有好多不同的科技,科技不是解決方案,科技只是解決方案的一部分,社會才是提供解決方案的最關鍵的一環,可能需要花些錢了解一個解決方案,科技只是一個環節而已。

***

此次Sebastian Thrun博士的騰訊之行,是由於Udacity(優達學城)與騰訊正式簽約,達成深度合作。今後,騰訊工程師將在Udacity平台上用矽谷最前沿的技術課程實現自我升級。騰訊學院院長及騰訊大學負責人馬永武表示,騰訊已經做好準備,加入到席捲全球的人工智慧競賽中。