這兩天百度首席科學家吳恩達離職的事情鬧得沸沸揚揚，傳聞吳恩達很可能加入其老婆所在的創業公司Drive.ai，一家致力于用深度學習技術研發無人駕駛系統的公司。這個“小廟”為什么能吸引吳恩達這尊大佛呢？Drive.ai有何神奇之處呢？

2017年 3月22日，百度首席科學家吳恩達宣布離職。吳恩達的公開信稱：“除了推動大公司使用人工智能，也還有很多創業，以及更深入進行人工智能研究的機會。我希望我們每個人都擁有自動駕駛汽車……”。從上下文中推測，吳恩達接下來有很大的概率會投奔創業公司，并且有很大的概率從事自動駕駛汽車的研究。有評論稱，吳恩達或加盟人工智能公司Drive.ai。

Drive.ai是何方神圣？

Drive.ai，是一家人工智能創業公司，由斯坦福大學的7名人工智能研究員創立，其中一位聯合創始人兼總裁Carol Reiley是吳恩達的妻子。

該創業公司，位于加州MountainView，主要致力于基于深度學習的技術研發驅動無人駕駛的自動駕駛軟件系統，通過工具包將普通汽車變為無人車。其計劃測試配備傳感器的車輛。Drive.ai的車輛搭載了基于深度學習的軟件、車載界面，以及安裝在車頂、用于提示周圍行人和其他車輛的顯示屏用于人和車交互。這塊屏幕上會顯示車輛是否將剎車、變道，或是轉向。這項技術最初的目標市場是路線固定的車輛。Drive.ai尚未公布這 一系統的價格以及開售時間。

根據 Drive.ai官方網站上公布的信息，公司現在擁有47名員工，其中包括7個人組成的核心創始團隊。這7個人要么來自斯坦福大學，要么來自約翰霍普金斯大學。

公司高管情況如下：

· Sameep Tandon，公司CEO，來自斯坦福大學的人工智能實驗室；

· Fred Rosenzweig，公司COO，曾在硅谷多家初創公司擔任CEO，EFI公司的總裁之一；

· Carol Reiley(吳恩達妻子)，公司總裁，在機器人相關領域里擁有15年的工作經驗，曾任職于洛克希德馬丁公司，手握六項專利。

自15年創立以來，Drive.ai已籌集1200萬美元融資，投資機構包括InnoSpring Seed Fund、Northern Light Venture Capital、OrizaVentures三家；并在2016年4月獲得了加州車管局的自動駕車測試許可，成了第13家獲批在加州進行自動駕駛汽車路測的公司。當前Drive.ai共有4輛車在舊金山灣區進行路測，即使在夜路、下雨、有霧等復雜情況下，它們也基本可以實現完全自動駕駛。這些車輛的路測，開始于大約1年前……

今年2月15日，Drive.ai發布了一段視頻，視頻中Drive.ai開發的自動駕駛汽車在一個漆黑的雨夜順利穿過MountainView街道。

我們都知道，光線、視野以及天氣因素等外部環境是影響到自動駕駛技術運作的關鍵因素。雨天并且是夜晚，對于自動駕駛汽車來說，在環境識別和駕駛決策上都平添了很多困難，而 Drive.ai的自動駕駛技術似乎很好地解決這種問題。

我們看一下Drive.ai雨天路測的視頻。

根據視頻來看，Drive.ai的自動駕駛技術在雨夜這樣惡劣的外部環境下，很好地控制傳感器元件，有效地偵測來往車輛的燈管、路牌表示，并對前方車輛的動作做出及時反饋，而且人完全沒有干預機器的駕駛行為。

也許有人會說，這沒什么特別的。很多自動駕駛汽車在路測階段也能達到同樣的效果，并且相比一個只有區區不到50名員工的Drive.ai而言，主機廠和谷歌等科技巨頭顯然更有資金實力和資源。Drive.ai有什么魅力值得曾就職于谷歌和百度的吳恩達加入呢？(除了吳恩達妻子在Drive.ai這一因素外)

Drive.ai在自動駕駛技術上有何不同？

Drive.ai和其他研發自動駕駛汽車的公司有什么不同？

首先，和研發自動駕駛汽車的傳統車企不同的是，Drive.ai沒有從L1、L2、L3再到L4,而是直接進行L4的研發。

而在直接研究L4自動駕駛的各大團隊中，Drive.ai也是個異類——Drive.ai想完全依靠深度學習技術，讓汽車實現基本不需要人類干預的自動駕駛。

其他無人車團隊就不用深度學習技術了嗎？

大多數自動駕駛團隊都只把深度學習用在識別中。最常見的做法，是把深度學習用在感知方面。這種技術在分類任務上表現得非常出色，甚至無論什么場景都可以，因此，深度學習在自動駕駛上的應用，通常是類似于識別攝像頭畫面中的行人這樣的任務。

而Drive.ai則除了識別外，還將深度學習用于駕駛過程中的決策。Drive.ai總裁Carol Reiley說，

“我們與傳統的機器人學方法有著明顯的區別，很多公司都會在自動駕駛技術的某個組件上用深度學習，但是我們是從整體來考慮的。”

Drive.ai的CEO Sameep Tandon說，他們認為要想在近期制造出有用的自動駕駛汽車，深度學習是唯一可行方案。

“從這些算法的長期可能性來看，也就是人們未來會怎樣設計自動駕駛汽車，建立一個學習系統還是最有意義的。駕駛這件事很復雜，有很多難度高、又很微妙的問題，如果你用除了學習之外的方法來解決，你一輩子也別想把車子開出去。”

為什么其他研發自動駕駛汽車的公司不將深度學習運用于決策呢？因為怕“黑箱”。

深度學習的黑箱：深度學習系統就像人類的大腦一樣，只能通過信息輸入輸出來確定結構和參數，而在輸入、輸出之間的決策過程，我們看不見也無法理解。

汽車關乎人的生命安全一旦系統做出了錯誤的決策，你需要確切地知道在這個過程中發生了什么，確保同樣的錯誤不會再次發生。因此，他們用傳統的、基于規則的機器人學方法來做決策，將深度學習的應用限制在感知上。

而Drive.ai的做法，是在感知和決策上都使用深度學習，并且刻意避免了這樣一個端到端的大黑箱。

“如果你將它分解成幾個部分，然后分別應用深度學習，你就會發現每部分都能用不同的方法來驗證，這樣就會對系統有信心了。”—— Drive.aiCEO Sameep Tandon

此外，Drive.ai還結合了一些規則、人類知識來確保系統的安全性。Drive.ai還通過一些技巧窺視黑箱里面發生了什么，然后進行調整。

比如：可以向系統輸入特別處理過的數據，然后看算法對數據細微變化的反應。對于某些特定的情況，模擬也是一種很好的方法。

我們開始建立這個深度學習感知系統的時候，天橋是我們最早遇到的障礙之一。我們開著車出去測試，發現系統會把天橋的影子誤判為障礙物。在學習過程中，你可以用hard mining的方法，讓算法集中解決具有挑戰性的場景。 我們就用合成的例子增強了數據集，就好像在說：“來，系統，告訴我這個天橋你打算怎么處理。處理完我調整一下，你再來一次。”訓練一段時間后，系統就能夠正確認識天橋了，然后你可以從系統層面來證實。 —— Drive.aiCEO Sameep Tandon

Drive.ai做了些什么？正在做什么？

數據訓練

無論是深度學習還是基于規則的算法，都需要對傳感器獲取的場景中，出現的所有物體進行詳細標注。Drive.ai將巨大的努力用于收集高質量數據，然后進行標注，讓它們能被深度學習算法所用。

標注是一項簡單枯燥的工作：一個人類，面對著一段短視頻，甚至可能是幾幀圖像或者激光雷達數據，在圖像中的每一輛車、每一個行人、路標、交通燈等等可能與自動駕駛算法相關的物體周圍畫上方框。

“我們知道有的公司有一支數千人的標注大軍，在物體周圍畫方框。汽車每測試一小時，產生的數據足夠一個人標注800小時。

但我們的標注速度比它們快了幾個量級，而且依然在優化。”

這如何實現的呢？

Drive.ai使用深度學習來進行輔助自動標注。

因此，它們只有一支規模很小的標注團隊，大部分都在對新場景新型訓練，或者驗證系統自動標注的結果。

硬件系統

Drive.ai當前開發了一套安裝在車頂的硬件系統，這套硬件系統是通用性設備，可以非常簡便地加裝到不同的車輛上。該硬件系統集成了共9個高清攝像頭、2個雷達、6個Velodyne Puck激光雷達。還有一個大顯示屏用于和人交互。安裝Drive.ai的車輛都在不斷為生成地圖而捕捉數據，并把數據送入深度學習系統，當然數據也用戶駕駛任務本身。

當前Drive.ai傳感器體系復雜且昂貴，未來Drive.ai進入試點計劃時，傳感器可能會減少。

我們需要一個顯著較小的子集，可能是目前的一半，

算法正在不斷改進，我們也在把不同傳感器的數據整合起來，從激光雷達獲得低分辨率深度數據，并從攝像頭獲得真正高分辨率的情景信息”。 ——Drive.ai Pazhayampallil

Drive.ai正在推動讓無人車可以像人類一樣駕駛。

目前通行的交通燈檢測方法：是把詳細的路口信息映射給自動駕駛系統，確切的告訴攝像頭應該看哪里。但這種方法無法擴展到更廣的區域。

Drive.ai收集不同路口、不用交度、不同場景的信息，訓練深度學習系統識別交通燈；Drive.ai還用情景感知的方式進行判斷。比如有些情況下，也許交通燈被遮擋，但周圍的車輛都啟動行駛，那么系統也應該判斷目前交通燈是綠色的。

Drive.ai正在推動L4級自動駕駛的發展，Drvie.ai計劃的首要關注點是物流：在小范圍重復遞送物品。

【番外】吳恩達妻子、Drive.ai總裁——硅谷“女神”

吳恩達離職、讓低調的Drive.ai浮出水面的一個重要因素就是吳恩達的妻子，在科學界的牛逼程度可以稱得上是硅谷“女神”。

首先，硅谷“女神”標配智商超群——Carol Reiley是約翰霍普金斯(Johns Hopkins University)的雙料博士，曾在洛克希德馬丁公司就職，有六個專利、被硅谷封為2016年最有影響力女性之一。

洛克希德馬丁，創建于1912年，是一家美國航空航天制造商。2016年12月，瑞典SIPRI發布了2015年度全球軍工百強企業排行榜，洛克希德馬丁排名世界第一。

其次，Carol Reiley美貌超群。直接上圖。

吳恩達和妻子Carol Reiley是在2009年美國電子電氣工程師協會(IEEE)的國際會議上認識的；2014年他們為了紀念這一特殊的時刻，在IEEE期刊的期刊上宣布訂婚。相當于是科學界的金童玉女。

吳恩達簡介

吳恩達，國際上人工智能和機器學習領域最權威的學者之一，華裔美國人，是斯坦福大學計算機科學系和電子工程系副教授，人工智能實驗室主任。

2010年，加入谷歌開發團隊XLab(該團隊先后為谷歌開發無人駕駛汽車和谷歌眼鏡兩個知名項目)，與谷歌頂級工程師開始合作建立全球最大的“神經網絡”“谷歌大腦”項目。

2014年，加入百度擔任百度公司首席科學家，負責百度研究院領導工作，尤其是“百度大腦”計劃。

吳恩達最知名的事件是，開發的人工神經網絡通過觀看一周YouTube視頻，自主學會識別哪些是關于貓的視頻。這個案例為人工智能領域翻開嶄新一頁。

該文參考引用：

【1】量子位·自動駕駛汽車能不能用深度學習做決策？看看Drive.ai是怎么做的.https://zhuanlan.zhihu.com/p/25703578

【2】虎嗅.來八一下吳恩達離開百度后可能加入的Drive.ai.https://www.huxiu.com/article/186806

【3】百度百科

返回第一電動網首頁 >