來源：極客公園
Dojo 上馬，特斯拉補(bǔ)齊了自動(dòng)駕駛?cè)亍?/p>
作者：小葵
如果機(jī)器人有大腦，會(huì)是什么樣？
在科幻電影《機(jī)械姬》里，全球最大搜索引擎公司「藍(lán)皮書」CEO 納森向觀眾展示了自己發(fā)明的機(jī)器人大腦，并留下這么一句話：「人們認(rèn)為搜索引擎是人們思考的事物，但其實(shí)那是人們思考的方式。」
該影片上映于 2015 年，被譽(yù)為人工智能愛好者必看的電影之一，拿下包括奧斯卡金像獎(jiǎng)在內(nèi)等多項(xiàng)國(guó)際電影大獎(jiǎng)。但在眾多獎(jiǎng)項(xiàng)中，單項(xiàng)之冠是「最佳女配角」，艾麗西卡 · 維坎德，也正是影片中智能機(jī)器人「艾娃」的扮演者。
「艾娃」是納森給「她」取的名字，為制造出能獨(dú)立思考的人工智能，納森利用自家搜索引擎「藍(lán)皮書」的算法來構(gòu)建艾娃大腦的「思維」，使之學(xué)會(huì)人類思考方式。
無獨(dú)有偶，想讓機(jī)器有人類思維，同樣見之于特斯拉打造的自動(dòng)駕駛 AI 上。2019 特斯拉自動(dòng)駕駛?cè)丈希驳卖?· 卡帕西（Andrej Karpathy，特斯拉 AI 總負(fù)責(zé)人）曾明確地向大眾傳達(dá)特斯拉自動(dòng)駕駛是在模仿人類駕駛，因?yàn)楝F(xiàn)行的交通系統(tǒng)是基于人類視覺和認(rèn)知系統(tǒng)來設(shè)計(jì)的。
由此，特斯拉開發(fā)出「人工神經(jīng)網(wǎng)絡(luò)」，并利用大量有效的行車數(shù)據(jù)來訓(xùn)練它，在這一過程中不斷完善并迭代視覺算法，終于在今年年中拿掉毫米波雷達(dá)，而隨著超算 Dojo 浮出水面，長(zhǎng)期被詬病只能算輔助駕駛的特斯拉，離真正的自動(dòng)駕駛又近一步。
從學(xué)會(huì)開車，到比人類更懂開車、開得更好，當(dāng)一名優(yōu)秀的「老司機(jī)」，是特斯拉自動(dòng)駕駛持續(xù)優(yōu)化的底層邏輯。
「云端司機(jī)」的神經(jīng)網(wǎng)絡(luò)
純視覺自動(dòng)駕駛方案是特斯拉的獨(dú)門絕技，但需建立對(duì)計(jì)算機(jī)視覺深度訓(xùn)練之上。
計(jì)算機(jī)視覺是一種研究機(jī)器如何「看」的科學(xué)，當(dāng)人類看到一張圖片時(shí)，能清晰辨析圖片里的事物，比如說美麗的風(fēng)景照、或者一張小狗的照片，然而計(jì)算機(jī)看到的卻是像素（pixel），像素是指由圖像的小方格組成的，這些小方塊都有一個(gè)明確的位置和相對(duì)應(yīng)的色彩數(shù)值，計(jì)算機(jī)「記住」的就是這堆數(shù)字字符，而不是具體事物。
如果想讓計(jì)算機(jī)能像人類一樣快速準(zhǔn)確識(shí)別出圖片里的事物，機(jī)器也有了人工大腦，來模擬人腦處理加工圖像信息過程，分為輸入層、隱藏層、輸出層，里面有許多人工神經(jīng)元，可視作人腦初級(jí)視覺皮層中的錐體細(xì)胞和中間神經(jīng)元。
整個(gè)訓(xùn)練過程亦可類比小孩看圖識(shí)物，通過一次次輸入、對(duì)比、糾正，完成機(jī)器圖像認(rèn)知。通常在訓(xùn)練初期，人工神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果的準(zhǔn)確度非常低，輸出結(jié)果和實(shí)際值相似度可能只有 10%；為了提高準(zhǔn)確度，需要再將兩者誤差從輸出層反向傳播至輸入層，并在反向傳播中，修正神經(jīng)網(wǎng)絡(luò)隱藏層的參數(shù)值，經(jīng)過上百萬次的訓(xùn)練，誤差逐漸將收斂，直至輸入和輸出端匹配度達(dá)到 99%。
上述過程是理解特斯拉自動(dòng)駕駛 AI 的關(guān)鍵，只不過特斯拉開發(fā)的人工神經(jīng)網(wǎng)絡(luò)專注于駕駛領(lǐng)域，做一名專職云端司機(jī)。對(duì)它來說，最好的學(xué)習(xí)材料就是行車數(shù)據(jù)，大量、多樣化、來自真實(shí)世界的駕駛訓(xùn)練數(shù)據(jù)集（training dataset）是自動(dòng)駕駛 AI 能應(yīng)對(duì)各種路況、交通問題的百寶書。
在影子模式的支持下，特斯拉全球百萬車隊(duì)每時(shí)每刻的行車數(shù)據(jù)都成為這位云端「老司機(jī)」提升自身駕駛能力的養(yǎng)分。時(shí)至今日，特斯拉 Autopilot 已經(jīng)能瞬間完成道路上各種動(dòng)靜目標(biāo)、道路標(biāo)識(shí)、交通符號(hào)的語義識(shí)別，反應(yīng)速度甚至比人腦條件反射更快。
除了應(yīng)對(duì)日常駕駛場(chǎng)景外，AI 司機(jī)還需要處理一些較為少見的長(zhǎng)尾情況（Corner cases）。在 2020 年 Matroid 機(jī)器學(xué)習(xí)大會(huì)上，卡帕西以交通指標(biāo) STOP 為例，講解 Autopilot 應(yīng)對(duì)這些長(zhǎng)尾情況的具體方法。
在日常駕駛過程中，車輛總會(huì)經(jīng)過形形色色的 STOP 指標(biāo)，最為正常的情況就是一個(gè)立在路旁或者路中、紅底白字的 STOP 標(biāo)識(shí)，但現(xiàn)實(shí)生活總會(huì)有些預(yù)料之外的情況發(fā)生，駕駛員偶爾會(huì)碰上一些奇奇怪怪、需要結(jié)合具體背景來理解意涵的指標(biāo)，包括不限于以下：
無效 STOP 指標(biāo)，比如被某人拿在手上，卻無意義；下方附帶文字說明的 STOP 指標(biāo)，比如不限制右行；STOP 字母被樹枝、建筑物遮擋的指標(biāo) … 這都是些出現(xiàn)頻次不高卻不勝枚舉的情況。
遇到上述情況，人類駕駛員可以輕松識(shí)別出絕大部分情況下的「STOP」，并很快作出行動(dòng)反應(yīng)。但對(duì)計(jì)算機(jī)來說，情況就變得復(fù)雜起來，畢竟它看到的不是具體的 "STOP"，而是一堆無意義的數(shù)字代碼，如果遇到現(xiàn)有訓(xùn)練數(shù)據(jù)集中沒出現(xiàn)的情況，比如一些上述奇奇怪怪、較為少見的指標(biāo)，自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)就不能處理。
這部分少見的長(zhǎng)尾數(shù)據(jù)通常無窮盡，但又必須在盡可能短的時(shí)間內(nèi)學(xué)會(huì)應(yīng)對(duì)，如果一切都讓人工操作，無疑需要耗費(fèi)巨大的時(shí)間成本和資源。盡管在 8 月 20 日 AI 大會(huì)上，卡帕西透露目前特斯拉標(biāo)注團(tuán)隊(duì)規(guī)模已達(dá)千人級(jí)別，但在海量行車數(shù)據(jù)面前，千人還是顯得杯水車薪，對(duì)此特斯拉內(nèi)部開發(fā)了數(shù)據(jù)離線自動(dòng)標(biāo)注（Data Auto Labeling）以及自動(dòng)訓(xùn)練框架「數(shù)據(jù)引擎（Data Engine）」。
首先，特斯拉神經(jīng)網(wǎng)絡(luò)團(tuán)隊(duì)在對(duì)這些長(zhǎng)尾情況有所了解后，會(huì)先編成一個(gè)樣本數(shù)據(jù)集，并為此創(chuàng)造一個(gè)局部小型神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)、訓(xùn)練（與其他神經(jīng)網(wǎng)絡(luò)并行），通過 OTA 方式部署到全球英語地區(qū)特斯拉車輛上。
再利用車輛影子模式，但凡遇到實(shí)際駕駛情況和自動(dòng)駕駛 AI 決策不一致的情況，這部分行車數(shù)據(jù)會(huì)自動(dòng)上傳至特斯拉后臺(tái)數(shù)據(jù)引擎中，在被自動(dòng)標(biāo)注后，重新納入已有的數(shù)據(jù)訓(xùn)練集中，繼續(xù)訓(xùn)練原本的神經(jīng)網(wǎng)絡(luò)，直到新的數(shù)據(jù)被掌握。
就這樣，在大量訓(xùn)練數(shù)據(jù)的喂養(yǎng)下，神經(jīng)網(wǎng)絡(luò)變得「見多識(shí)廣」、更加聰明，可以識(shí)別不同條件狀況下的 STOP 標(biāo)識(shí)，精確度逐漸從 40% 提升至 99%，完成單一任務(wù)學(xué)習(xí)。
不過，這僅僅是學(xué)習(xí)一個(gè)靜態(tài)的信號(hào)，在汽車駕駛過程中會(huì)涌現(xiàn)無數(shù)靜態(tài)和動(dòng)態(tài)的信號(hào)，靜態(tài)如路邊大樹、路障、電線桿等，動(dòng)態(tài)的有行人、車輛等，而這些信號(hào)由攝像機(jī)捕捉到后交由神經(jīng)網(wǎng)絡(luò)訓(xùn)練、學(xué)習(xí)。目前特斯拉的自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)已發(fā)展出九大主干神經(jīng)（HydraNet）和 48 個(gè)神經(jīng)網(wǎng)絡(luò)，識(shí)別超過 1000 種目標(biāo)。
然而，僅僅讓自動(dòng)駕駛 AI 學(xué)會(huì)開車還不夠，還得讓它開得像人類老司機(jī)一般駕輕就熟、安全又平穩(wěn)。
擺脫拐杖，Autopilot 初長(zhǎng)成
任何一位經(jīng)驗(yàn)老道的司機(jī)，都能在不同路況下，輕易判斷出前方車輛與我們的距離，從而為保障行車安全而留出一定車距。
但對(duì)傳感器而言，要想判斷物體遠(yuǎn)近必須要理解物體的深度，不然在他們眼中，距離我們 10 米和 5 米的兩輛完全一樣的車，就會(huì)被認(rèn)為是一大一小的關(guān)系。
對(duì)此，有些車廠選擇激光雷達(dá)路線來探測(cè)深度，而特斯拉則選擇了純視覺算法，模仿人類視覺來感知深度，不過特斯拉先是打造了毫米波雷達(dá) + 視覺傳感融合路線，直到今年 5 月，才正式官宣，拿掉毫米波雷達(dá)，上線純視覺版本 Autopilot。
此事一出，社會(huì)各界一片嘩然，很多人不能理解特斯拉為何要拿掉單價(jià)才 300 元、又能為行車安全增添保障的高性價(jià)比雷達(dá)。殊不知，在特斯拉早期多傳感器融合路線中，毫米波雷達(dá)的存在就猶如小孩的學(xué)步車，只是幫助神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)訓(xùn)練深度標(biāo)注（annotate）。
在 2019 年自動(dòng)駕駛發(fā)布會(huì)上，卡帕西是這樣介紹毫米波雷達(dá)的，他說：「要想讓神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)預(yù)測(cè)深度，最好的方式還是通過深度標(biāo)注的數(shù)據(jù)集進(jìn)行訓(xùn)練，不過相對(duì)于人工標(biāo)注深度，毫米波雷達(dá)反饋的深度數(shù)據(jù)精準(zhǔn)度更高」，因此，引入毫米波雷達(dá)，實(shí)質(zhì)是用以訓(xùn)練和提高神經(jīng)網(wǎng)絡(luò)對(duì)深度的預(yù)測(cè)。
值得一提的是，在他講解時(shí)的背景幻燈片右下角上，清晰地注明了帶有毫米波雷達(dá)的自動(dòng)駕駛算法是「Semi-Automonous Self Driving」，翻譯過來是，半自動(dòng)駕駛，明顯彼時(shí)的特斯拉 Autopilot 只是個(gè)半成品。
直到特斯拉視覺算法在預(yù)測(cè)物體的深度、速度、加速度的表現(xiàn)，達(dá)到可替代毫米波雷達(dá)的水平，特斯拉的視覺算法才算真正獨(dú)立。
在 2021 年 6 月 CVPR 大會(huì)上，卡帕西曾表示毫米波雷達(dá)收集數(shù)據(jù)中曾出現(xiàn)「間歇性翻車」、甚至誤判等情況。他舉了三個(gè)具體例子，前方車輛急剎車、大橋下前車行駛速度以及對(duì)路邊靜止卡車的判斷。
情況一：前方車輛出現(xiàn)急剎，毫米波雷達(dá)短時(shí)間內(nèi)出現(xiàn) 6 次跟丟目標(biāo)車的情況，跟丟狀態(tài)下前車的位置、速度和加速度都?xì)w于零。
情況二：在行駛的汽車從大橋下通過時(shí)，雷達(dá)把一靜一動(dòng)的物體都當(dāng)作靜止物體；此時(shí)視覺傳感卻計(jì)算出行駛車輛的速度和位移，導(dǎo)致數(shù)據(jù)融合后的曲線傳遞出「前車在減速并且剎車」的錯(cuò)誤信息。
情況三：在高速路旁停著一輛白色大卡車，純視覺算法在距目標(biāo)車 180m 處就發(fā)現(xiàn)白色卡車，并作出預(yù)報(bào)，但融合算法直到 110m 處才作出反饋，足足延遲 5 秒。
上述案例里，純視覺算法均輸出穩(wěn)定且大幅優(yōu)于雷達(dá) + 視覺融合算法，精準(zhǔn)地跟蹤到前車行駛狀況并作出深度、速度、加速度等數(shù)據(jù)。
不僅如此，純視覺算法還可以在霧、煙、塵等環(huán)境里保持對(duì)前方車輛的測(cè)速、測(cè)距工作，如此一來拿掉毫米波雷達(dá)也不奇怪了。根據(jù)特斯拉 AI Day 上最新發(fā)布的信息，目前特斯拉每周能夠獲得一萬個(gè)人們惡劣環(huán)境下駕車的短視頻，包括大雨、大雪、大霧、黑夜、強(qiáng)光等等情況，神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)訓(xùn)練這些已經(jīng)標(biāo)注好的材料，實(shí)現(xiàn)在沒有毫米波雷達(dá)的情況下，也可以精準(zhǔn)感知前方車輛距離。
可以說，特斯拉宣布拿掉毫米波雷達(dá)的底氣，是對(duì)自己純視覺算法成熟的自信，并且在無監(jiān)督自學(xué)的加持下，特斯拉純視覺算法迭代和完善明顯提速。
今年 7 月 10 日，特斯拉純視覺版本的 FSD 正式在美開啟內(nèi)測(cè)，2000 名受邀車主通過 OTA 方式升級(jí)到 FSD Beta V9.0 版本，他們大多是特斯拉的粉絲兼中小型 KOL，Youtube 博主 Chunk Cook（以下簡(jiǎn)稱 CC）就是其中之一，他還略懂工程學(xué)和航天學(xué)專業(yè)知識(shí)。
系統(tǒng)更新一結(jié)束，CC 開啟新版 FSD 道路測(cè)試，并把測(cè)試視頻上傳至油管。視頻中他來到一個(gè)車輛較多、車速較快的 T 路口進(jìn)行轉(zhuǎn)彎測(cè)試，結(jié)果顯示，7 次中只有 1 次，F(xiàn)SD 順利完成自動(dòng)駕駛，其余都需要人工接管方向盤來完成駕駛。
但很快，隨著 7 月底 FSD 推送新版本 V9.1，CC 發(fā)現(xiàn)升級(jí)后的 FSD 表現(xiàn)出乎他的意料。他又在相同道路進(jìn)行了七次自動(dòng)駕駛測(cè)試，結(jié)果顯示，7 次中 4 次都較為順利完成自動(dòng)駕駛，但在轉(zhuǎn)彎速度上有些「磨蹭」，沒有展現(xiàn)老司機(jī)應(yīng)有的果斷，但在綜合得分上，新版本 Autopilot 優(yōu)于舊版本。
8 月 16 日，特斯拉 FSD 又升級(jí)至新版本 V9.2，CC 同樣搶先測(cè)試并上傳視頻，還是一個(gè)路段，不過測(cè)試時(shí)間改為夜間，他公開表示，此次最明顯的改進(jìn)是 Autopilot 的加速表現(xiàn)，在轉(zhuǎn)彎時(shí)能像人類駕駛員一樣果斷加速。
前后一個(gè)月的時(shí)間，純視覺 Autopilot 在同一條道路的表現(xiàn)進(jìn)步迅速，身后正是人工神經(jīng)網(wǎng)絡(luò)強(qiáng)悍自學(xué)能力的體現(xiàn)。馬斯克表示，F(xiàn)SD beta V9.3、9.4 都已在籌備中，會(huì)根據(jù)車主使用情況不斷進(jìn)行細(xì)節(jié)優(yōu)化，改善用戶體驗(yàn)，并預(yù)備在 V10 版本做出現(xiàn)重大的變化。
Dojo 上馬，模擬極限
需要注意的是，大家驚艷特斯拉純視覺 Autopilot 各種老司機(jī)操作時(shí)，也不能忘記這些路測(cè)大部分發(fā)生在北美地區(qū)，而在非英語地區(qū)，比如人口稠密的亞洲地區(qū)，其城市道路交通復(fù)雜度與地廣人稀的北美迥異，而如何讓神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)應(yīng)對(duì)各種路況交通，更值得思考。
收集實(shí)地?cái)?shù)據(jù)是方法之一，但前提是你有大量車隊(duì)在該地區(qū)駕駛，另一種解決方法則是對(duì)自動(dòng)駕駛進(jìn)行仿真測(cè)試。仿真，簡(jiǎn)單講就是利用現(xiàn)實(shí)數(shù)據(jù)，將真實(shí)世界的實(shí)時(shí)動(dòng)態(tài)景象，在計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)重新構(gòu)建和重現(xiàn)。
除了能模擬不同城市的交通路況，而且仿真測(cè)試還能模擬一些極限場(chǎng)景，比如各種突發(fā)交通事件或者極為罕見的交通路況。在 AI DAY 上，特斯拉工程師舉了具體例子，包括有行人在高速路上奔跑、行人數(shù)量龐大、或者非常狹窄的駕駛道路。
這些案例往往非常極端，在日常駕駛場(chǎng)景中出現(xiàn)的概率也微乎其微，但正因?yàn)榇耍ㄟ^仿真來訓(xùn)練神經(jīng)網(wǎng)絡(luò)才有真正價(jià)值，而只有通過訓(xùn)練，神經(jīng)網(wǎng)絡(luò)才能學(xué)會(huì)正確應(yīng)對(duì)。
為了能真正起到訓(xùn)練作用，這些仿真測(cè)試必須充分還原現(xiàn)實(shí)場(chǎng)景，包括道路上各種行人、車輛、綠化林、路障、信號(hào)燈等等，幾乎包含你在路上見到的所有交通要素。目前特斯拉已創(chuàng)建了 3.71 億張車內(nèi)網(wǎng)絡(luò)訓(xùn)練的圖像，以及 4.8 億個(gè)標(biāo)簽，并且數(shù)據(jù)規(guī)模還在快速擴(kuò)張中。
要知道，仿真測(cè)試可達(dá)到的逼真程度，與計(jì)算機(jī)可提供的數(shù)據(jù)處理能力成正比。特斯拉 AI 的仿真越強(qiáng)，對(duì)硬件算力、讀寫速度的要求越高。
馬斯克曾在 2020WAIC 大會(huì)上表示，當(dāng)下計(jì)算機(jī)視覺已經(jīng)超越人類專家水平，但要保證計(jì)算機(jī)視覺實(shí)現(xiàn)的關(guān)鍵是算力的大小，為此特斯拉則準(zhǔn)備好了頂級(jí)超算 Dojo，保證一切運(yùn)算都能高效、準(zhǔn)確完成。
在 AI day 上，超算 Dojo 揭開了廬山真面目，內(nèi)置了 3000 顆 Dojo 1 芯片，并組裝成峰值算力達(dá)到 1.1EFLOPS 的 ExaPOD，超越目前世界上最快的超算日本富岳，就成了全球第一。在發(fā)布會(huì)后，馬斯克在推特上回復(fù)網(wǎng)友提問時(shí)表示，ExaPOD 的運(yùn)算能力足以模擬人腦。
現(xiàn)階段，Dojo 這臺(tái)性能猛獸專注于訓(xùn)練特斯拉自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)，有了它，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)潛力一下子變得深不可測(cè)，而至此，特斯拉也集齊自動(dòng)駕駛?cè)兀瑪?shù)據(jù)、算法、算力，為推進(jìn) L5 級(jí)別自動(dòng)駕駛做好軟硬件準(zhǔn)備。
不過要想快進(jìn)至自動(dòng)駕駛終局，特斯拉還有很長(zhǎng)的路要走，包括來自法律和道德層面的考驗(yàn)。
