淘宝做促销的网站,吐鲁番网站建设,怎么建设ftp网站,网页设计代码和效果图来源#xff1a;TechCrunch 编译#xff1a;网易智能十年前#xff0c;大约十几名工程师聚集在谷歌位于查尔斯顿路上的山景城#xff0c;为司机项目献力#xff0c;这是该科技巨头的“X工厂”旗下的一个秘密项目。这个司机项目俗称“谷歌自动驾驶汽车项目”TechCrunch 编译网易智能十年前大约十几名工程师聚集在谷歌位于查尔斯顿路上的山景城为司机项目献力这是该科技巨头的“X工厂”旗下的一个秘密项目。这个司机项目俗称“谷歌自动驾驶汽车项目”于2009年1月启动最终在2016年正式完工并发展成为一家名为Waymo的独立公司该项目最初由Sebastian Thrun领导这一项目将可能发展成为影响人类未来交通的完整系统风险投资家注意到了这一点纷纷涌入汽车分析师改变了策略监管机构、城市规划者和政策专家开始收集数据并考虑自动驾驶汽车对城市的影响。而且该项目也成为许多工程师的跳板他们陆续创建了自己的公司Aurora的联合创始人克里斯·厄姆森(Chris Urmson)、Argo人工智能的联合创始人布莱恩·塞尔斯基 (Bryan Salesky)和安东尼·莱万多夫斯基(Anthony Levandowski)都在名单之列安东尼还协助推出了Otto和最近的Pronto人工智能。可能不太为人所知的是在最初几周加入Waymo的许多人如今仍留在公司工作其中包括安德鲁·查塔姆(Andrew Chatham)、德米特里·多尔戈夫(Dmitri Dolgov)、德克·海内尔(Dirk Haehnel)、纳萨尼尔·费尔菲尔德(Nathaniel Fairfield)和迈克·蒙泰默罗(Mike Montemerlo)还包括亨利·莫维特(Hy Murveit)、菲尔·内梅克(Phil Nemec)和丹·埃格诺(Dan Egnor)他们已经在Waymo工作了八、九年之久。Waymo的首席技术官兼工程副总裁多尔戈夫(Dolgov)最近与TechCrunch聊到了公司建立初期的时光、成立10周年纪念日以及未来的发展。问: 让我们回到起点吧聊聊谷歌自动驾驶项目最初的日子。DOLGOV:当谈到是什么吸引我来到这个领域时我想到的总是三件主要的事情:技术的影响、技术的挑战以及与你共事的人很明显在技术方面自动驾驶可以对交通安全产生巨大的影响除此之外它可以影响效率消除交通中的冲突。这种兴奋感似乎永远不会消失我至今记得我第一次开始驾驶自动驾驶汽车的经历2007年我第一次用我自己早期的软件驾驶汽车那次经历真的是太出乎我的意料了(2007年11月在谷歌项目启动之前多尔戈夫参加了DARPA的城市挑战赛。)问:谷歌联合创始人拉里·佩奇(Larry Page提出的10100英里的挑战具体是什么?DOLGOV:这可能是我们在2009年谷歌启动这个项目时为自己创建的主要里程碑具体的挑战就是驾驶10条路线每条都有100英里长。你必须从头到尾驾驶每一条路线并且不能有任何人为干预。这些都是定义非常明确的路线所以在一开始你会使用自动驾驶模式的汽车然后必须独自完成整个100英里而且这些路是特意选择的以对任务的全部复杂性进行抽样在早期对我们来说一切都是为了理解问题的复杂性所有的路线都位于旧金山湾区我们在帕洛阿尔托周围的城市环境中开车我们也在高速公路上花了很多时间去了旧金山湾区的所有桥梁我们有一辆从山景城到旧金山的车包括穿过朗伯德街我们还有一辆车绕着太浩湖驾驶。我们试图尽可能多地覆盖环境的复杂性这项任务的伟大之处在于它帮助我们很快地理解了空间的核心复杂性。问:完成这些挑战花了多长时间DOLGOV:直到2010年秋天我们才完成所有挑战。问:完成挑战之后你们还将处理哪些难题DOLGOV:问题的本质是一个原型可以做某件事情一次两次或几次但这与构建一个人们可以在日常生活中开始使用的产品有很大的不同尤其是在这个领域当我们开始的时候我们很容易在这些一次性的挑战上取得进展。但真正让它困难的是你需要从你的系统中提升到令人难以置信的性能水平才能使它成为一个产品这是第一点。第二就是你遇到的问题类型的复杂性也许你99%的时间都看不到它们但你仍然要为那1%或1.1%做好准备。问:你们是否曾经出现过软件问题或者是硬件问题这些问题是否是无法克服的或者是技术还无法完全解决的DOLGOV: 早期我们面临了各种各样的困难但我们只是着手解决一些现有的问题并不真正知道问题的根源所在。但我们一直朝着完善技术的方向前进回想一下过去几年我的感受我觉得我们遇到了瓶颈。它更像是数百个真正困难的问题但它们并不能成为拦路虎因为我们的团队确实很棒技术真的很强大你可以克服这些困难。这个过程就像是在玩杂耍面临数百个这样复杂的问题你越深入地去解决你就越意识到这是多么的困难。所以这是一个非常有趣的组合一方面你越去试图解决问题你就会发现问题似乎变得越来越难另一方面技术进步和突破的速度比你的预期要快。问:你是什么时候意识到这个项目已经取得突破性进展了你是什么时候意识到它可以成为一门生意DOLGOV:我认为得益于我们思维的进化我们投入了更多精力来更清晰地定义这项技术的产品和商业应用。在第一阶段我们遇到的问题是这个方式可行吗?这项技术会奏效吗?我想每个人都很清楚如果这项技术成功了将会产生巨大的影响。目前我们还不清楚这项技术带来的具体产品是什么。但是这项技术的的确确深刻地改变了世界以至于我们没有花太多时间去担心它的这一方面。试想一下我们在这里构建的是一位司机---我们设计的软件和硬件包括汽车上运行的软件云上运行的软件我们将整个技术比作一位司机。美国大约有3万亿英里是由人工驾驶的他们自己驾驶着汽车或者搭乘他人亦或是搭载着货物一旦我们掌握了“司机”这一技术就可以在运用以上这些情况中了尽管人们目前对此的意见依旧褒贬不一。我们今天的工作成果是叫车服务这也是我们追求的第一个商业应用除此之外我们还致力于长途卡车运输和远程运输我们感兴趣的是在某种程度上将这项技术应用到私家车当地的快递公共交通等等。问:自动驾驶这么多的垂直应用之中你最看好的是什么DOLGOV:看到这项技术和驱动程序被运用在全球和不同的商业应用中我感到非常兴奋但我认为最让我感兴趣的是我们现在追求的头号目标---叫车服务。我认为它有潜力在最短的时间内积极影响最多的人我也每天用我们的车四处兜风这就是我今天上班的方式这就是我在山景城和帕洛阿尔托通勤的方式能够体验这些汽车真是太棒了它消除了交通中的很多摩擦与冲突。问:所以你现在每天都开着自动驾驶汽车去上班DOLGOV:是的但是在加州仍然是人工驾驶。问:你这样做多久了DOLGOV:一段时间但我感觉已经很久很久了我总是在车里消磨时间我认为体验你正在开发的产品并直接体验这项技术是非常有必要的当然这是项目运行早期的情况当时我们只有一小群员工每个人要做很多工作随着团队的成长我仍然会确保自己能够体验这项技术每周至少进行一次测试甚至更加频繁。当我们开始研究叫车服务时我们就为它开发了一个应用并且建立了基础设施使之能成为面向用户的产品我就是早期的测试人员之一这是三年前的事了。问:10年前你是否预计到我们会发展到如今的地步?它的发生比你预期快还是慢DOLGOV:我想一方面我预测不到2009年在硬件、软件、人工智能和机器学习方面的一些技术突破我认为今天的技术比我在2009年认为的要强大很多。另一方面构建一个真正的产品并将其供人们使用这一挑战比我的预期要困难得多。问:有哪些技术突破DOLGOV:有很多比如激光雷达和雷达变得更加强大了更大的范围更高的分辨率和更多的功能感知方面它们可以测量环境属性并提供更丰富的反馈。第二个是计算特别是在硬件加速并行计算中对网络的发展有着非常强大的作用这是一个巨大的推动。然后是深度学习网络的发展也为此贡献了一份力量。问:如何看待算法方面取得突破你们又是如何加以运用的DOLGOV:我们一直在这个项目中使用机器学习这一技术但它与今天的机器学习不同。在2012年我们为我们的项目做出了最有意义的努力就是谷歌在自动驾驶技术和深度学习方面进行了合作。可以说当时的谷歌是少数认真投资于自动驾驶和深度学习的公司。在那个时候我们还没有硬件能够在汽车上实时运行这些网络但是你可以在云中做一些非常有趣的事情。对于深度学习来说2013年是非常重要的一年ImageNet项目是深度学习的一个突破在计算机视觉的竞争中它胜过了所有其他的方法。问:2009年的时候你能想象到十年后的世界吗? DOLGOV:在项目的早期人们有点嘲笑我们都在拿我们的项目开玩笑大家对于谷歌无人驾驶汽车项目有很多滑稽的讽刺。从最开始的“哦有一小群疯狂的人试图在谷歌做这个科幻小说的事情”发展成我们全球科技领域的一个主要产业不说几百家也有几十家公司在研究这一领域这确实是非常惊人的成就。问:在城市里你们怎么说服大家拥抱自动驾驶汽车DOLGOV:人们对新技术态度似乎各不相同目前一些负面的影响更明显。但实际上在我过去10年的经历中积极的态度和兴奋的情绪已经势不可挡地增强了。自动驾驶项目非常强大它强大到可以改变人们的态度从不确定和焦虑到兴奋和信任人们如今就能够体验到这一改变。我们让人们坐上我们研发的汽车去兜风即使是那些对无人驾驶汽车感到焦虑的人一旦他们体验过一旦他们明白了一种产品有多有用汽车的性能有多好他们就开始信任它这真的会为我们的生活带来改变。问:如今你们最大的挑战是什么DOLGOV:在2009年所有的挑战都是解决问题而今天所有的挑战是如何把它变成一种产品。这是一种自动驾驶技术的集合也是建立评估和运用这一技术的工具和框架。未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
