訓練一位戰鬥機飛行員,首先要通過的考驗就是,必須先在模擬器中通過測試,因為為了「成本考量」,任誰都不想讓數十億、百億的戰鬥機毀在一位「菜鳥」手上。同理,現在汽車製造業已開始使用如此策略,不僅讓開發成本更為精算,也能夠讓產品品質更加精進!目前Porsche製造的發展近程,已開始使用人工智慧、虛擬實境和擴增實境三大技術來加以精進。
雖然目前距離星際大戰C-3PO或阿諾的魔鬼終結者的「Strong A.I.」還很遙遠,但目前「Weak A.I.」的層級也已開始有很大的進展,不再像過去只能陪下棋、依據個人愛好熱門搜索…等一類的簡單運用,甚至於也開始能夠與人們對答如流了(如:Alexa或Siri),開始邁向Strong A.I.等級發展了。
註:只能模擬人類的思維行為表現,而不是真的懂得思考的為「Weak A.I.」;經由多種測試鑑定(例如:與人類交流而不被察覺是機械的圖靈測試),具有與人相同程度思考能力的人工智慧分類為「Strong A.I.」,未來將可能因為量子電腦的發展,而衍生出此能力的人工智慧。
機械學習在於能使用極大量成千上萬的數據和演算法來「訓練」機器,讓它學習如何執行任務,而非過去寫好程式直接執行的單一作業。
自2015年以來,由於GPU圖像處理器的蓬勃發展,加強了機械學習的能力。因此目前讓還是基於0與1二進位法運算的人工智慧,也能夠順勢起飛加速而變得更「深度」!將人類科技帶往下一世代。正因為有GPU這項技術,可以讓AI深度學習網絡擁有越來越多的層次,它們變得更複雜、嵌套更大!
在深度學習「培訓」期間,系統吞噬了成千上萬的照片,直到它能夠對以前無法認識的圖像進行陳述為止,它實現了知識應用的壯舉,例如:它不僅將貓視為貓、把蘋果辨識為蘋果,即使蘋果被葉子半遮蓋,也能認得出來。甚至於更高層級的識別不僅允許無人駕駛機器出租車可以遵守交通規則,現在甚至已可以幫助外科醫生識別腫瘤,未來的應用更甚而能執行極精密(如:眼睛、腦)的外科手術。
當然!在道路上識別交通標誌、鹿、人類…等等,也就不成問題。
人工智慧領域取得的進展,將推動未來幾年移動行業的根本性變革,因為隨著人口的大增,將伴隨著道路交通的大規模複雜性,特別是在大城市中,因此必須開發高度自動化甚至全自主的系統。
Porsche工程項目負責人Christian Koelen博士解釋說,「使用傳統演算法覆蓋所有可想像的參數變化需要相當長的時間,並且會產生很高的編程和測試成本花費。對於可靠地檢測其他交通的物體分類,例如:行人的路上行為,Porsche選擇採用深度學習的方法來進行研發。」如今的深度神經網絡也取得了很高的成功!
例如:Lane Keep Assist車道維持輔助系統也可以從深度學習中受益。Porsche工程部門的Johann Haselberger完成了一項可行性研究,證明了這一點。為了使神經網絡在幾分之一秒內做出正確的控制轉向,首先需要對其進行訓練。專業車手駕駛現行市售的Porsche車款,配備了高性能電腦和兩具新型視頻傳感器,在斯圖加特周邊地區完成了長時間試駕。
在駕駛時,人類駕駛的轉向動作不斷與前方道路的視頻記錄數據相聯結,傳輸到深度學習網絡中。其大約有一半的時間在高速公路上行駛;另一半則在鄉村道路上,以Sport動態駕駛模式進行。
Haselberger提到已經有相當不錯的初步結果,但仍是不夠的!深度學習系統尚未在訓練中「看到」特殊情況,例如:突然遭遇特殊標記的道路工程,而必須緊急做出閃避的動作,這一方面仍需要再累積大量的學習。
Koelen博士提到將在2019年年初之前將它用於批量生產。不過,在那之前還有很多工作要做,需要再多累積不同駕駛風格(激進或保守)的數據,甚至於駕駛在彎中突然改變駕駛風格,輔助系統也必需做出正確的反應。未來,Porsche車款橫向動力表現的經典優勢,也會與人工智能相結合進行研發。