压在透明的玻璃上c-国产精品国产一级A片精品免费-国产精品视频网-成人黄网站18秘 免费看|www.tcsft.com

金洋：大家好，我是英偉達公司的金洋。剛才聽到了綠盟李總給大家介紹了汽車安全，我今天站在這里從人工智能角度給大家介紹一下如何去實現(xiàn)更安全的駕駛。

想問一下大家，對于一臺汽車來說，最不安全的部件是什么？或者最不可靠的部分是什么？如果大家做一些研究和搜索可以發(fā)現(xiàn)，交通安全中，94%都是由于駕駛者出現(xiàn)了疏忽、出現(xiàn)了判斷錯誤、出現(xiàn)了一些不該有的問題導致的交通事故。如何讓汽車更加安全，有一種方式比人更加聰明、比人更加智能，人工智能的出現(xiàn)使得汽車的無人駕駛有了新的方向。

從人工智能發(fā)展角度和人類文明的結合來看，人工智能扮演什么樣的角色？

首先有計算、PC的出現(xiàn)，隨著互聯(lián)網(wǎng)的出現(xiàn)，有了移動計算，包括高性能計算中心，同時有一些云計算，包括人工智能的出現(xiàn)。人類社會的發(fā)展從開始的工業(yè)革命、蒸汽革命到電力革命，一直是在解放人的物理能力，也就是說提高人的生產(chǎn)力水平，提高人的物理界限，使得人可以獲得很大的力氣，可以獲得很大動能的釋放。在智力方面，在智能方面，人類社會的發(fā)展一直沒有達到或者超越人類本身的智能。

今日談人工智能時，主要想我們是否有一種新的方式可以創(chuàng)造一個機器，可以創(chuàng)造一臺電腦，它的智力、人工智能比人還要聰明。

之前很多科學家為了實現(xiàn)這個遠景，想了很多辦法，比如基于邊緣檢測、基于特征識別的圖象識別方式、實現(xiàn)人工智能的其他方式，其實都沒有達到好的效果。今天我們看一下AI人工智能到底迎來了一個什么樣的關鍵性階段，使得人工智能發(fā)展到一個新的高度。

NVIDIA是一家成立20多年的公司，最早大家對于NVIDIA的了解，是NVIDIA的顯卡非常不錯，買回家玩游戲。這二十年當中，NVIDIA發(fā)生很多變化，已經(jīng)從一家專注于顯卡的公司演變成了一家專注于人工智能計算的公司。

如圖，基于面向人工智能推出的服務器，DGX1，有很多家公司已經(jīng)買了，比如大家耳熟能詳?shù)奈④洝⒐雀琛acebook，國內的百度、阿里、騰訊，都在買NVIDIA服務器產(chǎn)品進行人工智能的計算。

中間還有游戲照片，游戲是NVIDIA的主要業(yè)務。機器人，是人工智能的雛形。這兩年人工智能非常火熱，大家非常熟悉的一個名字叫做Alpha Go，由谷歌研究出來跟人進行對弈的機器人，Alpha Go背后也是用NVIDIA的GPU。

人工智能發(fā)展了很多很多年，但為什么在今年出現(xiàn)了Alpha Go，為什么今年出現(xiàn)了基于人工智能的無人駕駛，今年出現(xiàn)了基于人工智能的很多機器人，發(fā)生了什么樣的變化，使它第一次達到了人的智力。

深度學習是一個理論，深度學習是科學家一直覺得非常有前途去實現(xiàn)人工智能的一種方法。深度學習有很多實現(xiàn)的途徑。如圖，這是一個比賽的結果，這個比賽叫ImageNet，這個比賽是用來識別圖象的，74%、96%是識別圖象的準確率。人對于圖象識別率基本是93%到94%的準確率。

如何算出來的？一個人去看幾千張、幾百萬張圖片，進行圖象識別，人是會犯錯的，93%、94%是人的識別率。2010、2011、2012年，用人傳統(tǒng)編寫程序的方法編出的程序進行圖象識別，準確率是74%。也就是說基于人去編寫程序的結果，對于圖象識別最高的準確率就是74%。但是通過深度學習去實現(xiàn)圖象識別的準確率從74%到了90%多，到現(xiàn)在達到了96%。也就是說電腦第一次在圖象識別領域超過了人，比人看得還準。

這是怎么實現(xiàn)的？深度學習有兩個關鍵因素：第一，大數(shù)據(jù)；第二，非常高效的定型計算的能力。舉例，讓電腦去識別馬。傳統(tǒng)編程人員會給電腦編寫程序，條件1，四條腿的是馬；條件2，臉長的是馬，電腦進行識別時就會比照十個條件，如果滿足這個條件就認定是馬，這是傳統(tǒng)的方式。傳統(tǒng)的方式識別率最高達到74%，為什么？

因為真正在大自然當中，馬的照片也好、圖畫也好是非常復雜的，比如給電腦看一張水墨畫的馬，一張卡通的馬，或者在喝水的馬，或者萬馬奔騰的馬，這些照片，電腦都會識別錯誤。

深度學習怎么做？深度學習會拿出一張馬的照片，告訴電腦這個是馬。拿出第二張照片，告訴電腦這還是馬。深度學習會將幾千張、幾萬張，甚至幾百萬張馬的照片給電腦去看，讓電腦記住這都是馬，但不會告訴電腦說為什么它是馬。

電腦自己通過大量數(shù)據(jù)的訓練總結出馬是長什么樣子。這樣一個方式，如果擁有足夠多高質量的數(shù)據(jù)，比如幾千張、幾萬張、幾億張、幾十億張這樣的數(shù)據(jù)庫去訓練這個電腦，最后得出的結果會非常準確。這時候再拿出一張馬的照片讓電腦識別，會準確說出是馬還不是馬。

這個理論一九五幾年就有了，但是因為這種訓練的過程時間太長了，如果一臺基于CPU的服務器，基于CPU的高性能計算中心進行幾百萬張照片的訓練，可能要十年或幾年才能訓練完成。現(xiàn)在基于GPU，基于顯卡，基于一個具有3072核心的圖形處理器進行訓練，同樣100萬張照片，2個小時可以做完。

現(xiàn)在不僅在圖象識別方面，在語音識別方面，比如科大訊飛進行語音翻譯，也是用NVIDIA的GPU，電腦對于語音的識別率也超過了人，對于圖象的識別率也超過了人，對于視頻的識別率也超過了人。基于GPU、基于深度學習，人工智能第一次達到了一個我們預期的效果，比人還要聰明。

2012年，多倫多大學基于4片NVIDIA的GPU做的一個模型，現(xiàn)在有專門深度學習作出的GPU。基于現(xiàn)在BAT、百度、微軟、谷歌，所有國際、國內大公司，只要做深度學習，都在用NVIDIA的GPU做這方面的計算。

NVIDIA的GPU和汽車有不解之緣，一開始NVIDIA的GPU就做一些仿真模擬、一些測試，使汽車廠商更方便設計他們的汽車，以及進行汽車工業(yè)設計，使汽車非常漂亮。這兩年我們將人工智能帶到了汽車。基于人工智能的運輸業(yè)產(chǎn)值非常大。

無人駕駛特別難。如圖，世界非常復雜，世界是無法預測的，同時這個世界也有由霧霾、下雨等組成的，同時有太多太多的事情要去學習，不僅對于人工智能汽車來說，對于人也是一樣的。如圖，一個林間小道沒有任何標識，如果這臺汽車是基于攝象頭標識檢測方式，需要找標線，沒有標線，怎么在林間小道走？比如中間騎自行車的同學忽然竄出來。

同樣都是汽車，優(yōu)先級不一樣，校車、救護車、警車，這些車可能不遵守交通規(guī)則，這些車有自己的規(guī)范，作為無人駕駛的汽車無法識別這些車，更不可能預測到這些車下一步動作是什么。比如標線已經(jīng)被雪掩埋住了。

如何在復雜的世界當中去實現(xiàn)基于深度學習、基于人工智能的無人駕駛？將無人駕駛分成四個部分：首先要有一個非常非常高精度的地圖（Map）；需要把自己定位在這個地圖里面（Localize）；（Perception）這臺汽車要認識周圍了一切，知道這是云、這是鳥、這是車、這是廣告牌，而不僅僅是將所有的一切進行圖片庫的比對。

比如前一段時間有一個知名品牌出了一個交通事故，前面出來一臺車，這臺車的特征并不符合任何一個已知圖片庫的一臺汽車，所以無法將那臺汽車看成汽車，而發(fā)生了交通事故。僅僅簡單進行比對是無法認識這個復雜世界的。最后是Drive。我們最關鍵的是第三個環(huán)節(jié)。

我們將深度學習算法放在一臺汽車里，讓這臺汽車看周圍世界時不僅僅是象素，并不僅僅是紅綠藍，可以將這些物體識別出來。將大量汽車數(shù)據(jù)庫進行訓練，使得這臺車訓練之后具有人工智能的腦子，可以識別出車、人。

如圖，在雨雪天，在最遠端黃色一閃一閃的是在行駛過程中的車，如果是人的話，可能因為看錯或看不清就忽略掉了，而出現(xiàn)交通事故。基于人工智能的無人駕駛汽車可以發(fā)現(xiàn)很復雜天氣環(huán)境背后隱藏的一些危險，包括一些自由空間的檢測、汽車3D的檢測，都是非常關鍵的事情。

如視頻，NVIDIA做的基于深度學習的無人駕駛汽車，第一天上路，第一天學開車時的樣子，很快進行了學習，很快又知道如何去開車，即使這條道上沒有任何標志，也可以像人一樣去開車。在一個建筑工地，可以自如的知道如何開出來。

在加利福尼亞進行學習的這臺車，我們第一次把它放到新澤西，它第一次來到新澤西，就已經(jīng)會在新澤西這邊開車了。

這一臺車從第一天上路，各種撞、各種發(fā)生交通事故開始，經(jīng)過了一個月，經(jīng)過了3000公里的訓練，可以非常自如應對各種復雜的狀況。在這一個月當中，編程人員什么都沒干。

我們并不是像傳統(tǒng)無人駕駛廠商一樣，每天要加更多代碼，將更多圖片放在里面，每天要修正它的錯誤，都不需要，因為這提車本身是深度學習，有12個攝象頭，每天有大量的視頻信號進來，每天可以學習其他車怎么去開，可以學習駕駛員怎么去開，每天不斷地學習，經(jīng)過一個月3000公里的訓練，可以像人一樣從不會到會。如果再經(jīng)過兩個月時間，這臺無人駕駛的車會在大街上繼續(xù)開，每天進行大量的訓練，還是不需要對它進行編程，會自我學習。

基于深度學習的無人駕駛最大的優(yōu)點是可以每天都會比前天變得更好。就像Alpha Go跟人下圍棋一樣，即使它今天輸了，沒有問題，作為谷歌，再拿出10萬個棋譜訓練，讓它學習，再拿出100萬個棋譜視頻，Alpha Go會更加聰明，遲早會打敗人類，人別不會打敗它，為什么？基于大數(shù)據(jù)訓練的模型、深度學習的方式非常適合現(xiàn)在計算行業(yè)，因為現(xiàn)在計算行業(yè)有兩個東西是最富余的：1、大數(shù)據(jù)。

基本任何一加大公司都有大量的數(shù)據(jù)；2、計算能力。很多國家超計算中心，很多公司服務器都是閑置的。深度學習的出現(xiàn)，使得大數(shù)據(jù)迸發(fā)出人工智能。

NVIDIA為代表基于GUP的深度學習的方式目前在引領整個汽車行業(yè)無人駕駛的方向。NVIDIA汽車方面做得怎么樣？我們做得非常出色，首先目前在全球有超過1200萬輛汽車搭載了NVIDIA公司的處理器。

大家耳熟能詳?shù)挠袑汃R、奧迪、特斯拉，包括大眾高爾夫、帕薩特、邁騰，里面的顯示器、中控都是NVIDIA的，但是這件事情只是做顯示輸出，只是讓儀表盤、中控更加漂亮，對于NVIDIA來說并不是什么難事，真正厲害的在于無人駕駛。

NVIDIA在無人駕駛方面做得怎么樣？目前無人駕駛做得比較出色的公司有奧迪，奧迪測試的A7、A8都做得非常不錯，奧迪全線無人駕駛都是NVIDIA提供；沃爾沃，Drive me是著名的無人駕駛計劃，明年有100輛無人駕駛車進行測試，全都是NVIDIA無人駕駛的產(chǎn)品；特斯拉，從上上周開始，已經(jīng)宣布每一臺無人駕駛特斯拉都會搭載NVIDIA的芯片、GPU。

NVIDIA公司現(xiàn)在在傳統(tǒng)的汽車多媒體儀表盤方向的地位毋庸置疑，同時我們還和所有Top無人駕駛汽車的廠商進行合作，沃爾沃、奧迪、特斯拉，推出基于深度學習的無人駕駛解決方案。

談了很多深度學習、談了很多無人駕駛，為什么深度學習適合在GPU上？因為GPU核心數(shù)量比較多，GPU有幾千個核心。現(xiàn)在不管是高性能計算、無人駕駛，還是深度學習，還是VR、圖形，所有這些復雜的計算背后的處理器都早已經(jīng)不是CPU了，都是GPU。

NVIDIA傳統(tǒng)的產(chǎn)品已經(jīng)演變成了很多領域中的中流砥柱，比如無人駕駛的車，無人機，包括一些智能設備，有針對特斯拉推出的一些并行計算產(chǎn)品。整個這樣的布局基于GPU人工智能的并行計算時代已經(jīng)到來。
謝謝大家！