自動運転に関して、私たちはこれら 3 つの重要な問題を意図的に避けているのでしょうか?

自動運転に関して、私たちはこれら 3 つの重要な問題を意図的に避けているのでしょうか?

Leifeng.com によると、「部屋の中の象」という外国の慣用句は、「ワニの涙」と同じくらい有名です。これは、明らかに存在する問題ですが、議論すると人々が不快になるため、意図的に避けられていることを表現しています。現在、自動運転の分野でも、3頭の象が存在感を示しており、間違いなく私たちの注目に値します。

[[345990]]

次に、意図的に回避されている次の 3 つの重要な問題を見てみましょう。

これは本当に AI エンジン アーキテクチャにとって正しい選択なのでしょうか? 最初から間違った方向に進んでいるのでしょうか?

今世紀初頭のDARPA自動運転チャレンジ以降、自動運転技術は各方面から注目を集め、自動運転技術の商用化をできるだけ早く実現するために、数十億ドルのホットマネーが投入されました。一般的に言えば、自律走行車アーキテクチャのコアコンポーネントはセンサーアレイ(レーダー、LiDAR、カメラ)であり、これはデータを収集し、車両が外部環境の正確なビューを確立するのに役立つ認識システムに「フィード」する役割を果たします。この視点とタスクに基づいて、自動運転車は目的地まで自律的に移動できます。

具体的には、3つの主要センサーのうち、LiDARは正確な距離計算を、レーダーは正確な速度(移動方向を含む)情報の提供を、カメラはターゲット認識の中核を担っています。

一般的に、AI アルゴリズムは、車両が環境全体を継続的かつ徹底的に観察する知識ベースに似たモデルを選択します。実際、これは、不注意運転の問題に対処する上で自動運転車が提供する安全性の価値提案の重要な部分です。

現在の計画によれば、エンジニアはデータベースを使用して人工知能エンジンをトレーニングし、ラベルの付いた物体を認識することを学習できるようになる。もちろん、ピクセル、ポイントクラウド、または画像レーダーを通じてあらゆる方向から来る物体を識別するのは難しい作業です。なぜなら、人の画像が貼り付けられたバンや、自転車を押しながら歩く人(その年のアリゾナ州での Uber の事例)など、自動運転車を混乱させる物体は常に存在するからです。この問題に対するこの「データアップ」アプローチは、次の興味深いトレーニング セットが常に欠落している一方で、コア認識システムはピクセル レベルの詳細に敏感であるように見えるため、深刻な堅牢性の問題を抱えています。

重要な疑問は、このアプローチは使い尽くされるのか、それともエンジニアリングの堅牢性に関して根本的な欠陥があるのか​​、ということです。トレーニングや高精度センサーへの依存度が低い新しいアーキテクチャが必要なのでしょうか。100 年前、ニコラ テスラは交流を発明しましたが、当時の市場の主流はエジソンの直流でした。さて、新しい「交流電流」を発明するには、新しいテスラが必要でしょうか?

DSRC (専用短距離通信) は機能していないのに、それを認めたくないのでしょうか?

DSRC は 20 年以上前から存在しており、その間、主流の交通業界では DSRC が次世代の交通インフラの基盤になると信じられてきました。さまざまな公的機関が、DSRC によって推進される技術の波の準備状況に関するコンサルティング調査を数多く実施してきました。しかし、5G テクノロジーが発展するにつれて、技術レベルと商業レベルの両方でこの波に懐疑的になる理由はあるのでしょうか?

技術的な観点から言えば、自動運転プロバイダーの立場に立つと、DSRC インフラストラクチャの普及にすべての希望を託すことは絶対にありません。この文脈では、DSRC が完全に利用できないことを前提としてソリューションを構築する必要があります。それに加えて、さまざまなトレードオフや代替案が出現すると、DSRC の特定の技術的利点はそれほど魅力的ではなくなる可能性があります。

ビジネスの観点から見ると、DSRC インフラに数十億ドル (またはそれ以上) を費やすことをいとわない企業はあるでしょうか? 現状では、5G には完全な商業利益モデルがありますが、DSRC にはそれがありません。 WiFi スペクトルの使用に関する FCC の最近の行動を考慮すると、DSRC は本当に実現可能でしょうか?

Zoom は運輸業界に大変革をもたらすでしょうか?

コンピュータ技術の初期の頃は、小売業者がコンピュータを使用して在庫や請求書の計算を行っており、最も積極的に導入していました。これらの機能は小売業者にとって確かに実用的ですが、近年、実店舗の小売業は電子商取引に完全に打ち負かされてきました。

自動運転技術は運輸業界の「在庫管理」になるのでしょうか?つまり、自動運転は確かに非常に便利ですが、人々を「移動」させる最も効率的な方法は、仮想会議ではないでしょうか?教育、仕事、娯楽、医療、ショッピングなどの主要な経済機能がオンラインに移行しており、この傾向が従来の輸送に与える影響は甚大です。革命が続けば、従来の交通手段の焦点は個人所有の乗用車から次のものへと移行するでしょう。

  • 電子商取引による自動化物流。
  • 公共交通機関やモビリティ・アズ・ア・サービスを活用したラストマイルシェアリングソリューション。
  • 配達ロボット主導の最後の100mソリューション。

興味深いことに、FCC が WiFi の使用のために DSRC スペクトルを放棄するという決定により、実際には最も安全な輸送手段が実現することになるようです。

「チーズはどこへ消えた?」は有名な動機付けの寓話です。本質的には、これは経営スタイルの変化です。うまく対処しているコミュニティや組織もありますが、チーズが保管されていた古い場所に戻り続け、チーズがどこへ行ったのかと不思議に思うコミュニティや組織もあります。

輸送業界は大きな変化を遂げており、象ほどの大きさのチーズが輸送されています。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

<<:  これらの 10 個のオープンソース機械学習ツールを使用したことがありますか?

>>:  Windows コンピューターでディープラーニング モデルをトレーニングしますか?非常に詳細な設定チュートリアルはこちら

ブログ    
ブログ    

推薦する

...

2枚の写真でビデオを「計算」できる、Redditのネットユーザーに衝撃

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

スマートビルディングにおける技術の陳腐化にどう対処するか?

今日の建物、ましてや将来のスマート ビルにとって、技術インフラの重要性はいくら強調してもし過ぎること...

Haiyun Jiexun の Ren Zhongping 氏: アイデアから実現まで、AI はわずか 10 クリックで実現します。

[51CTO.comよりオリジナル記事] 10月13日、中関村スタートアップストリートで、中関村ス...

10の古典的なソートアルゴリズム

[[432257]]ソースコードはこちら GitHub: https://github.com/na...

Googleの研究者が自撮りカメラ用の顔歪み防止アルゴリズムを開発

最近の調査によると、毎日 9,300 万枚の自撮り写真がソーシャル メディアに投稿されており、Ins...

...

ByteDanceが大規模モデルトレーニングフレームワークveGiantModelをオープンソース化、パフォーマンスが最大6.9倍向上

最近、ByteDanceの応用機械学習チームは、veGiantModelという大規模モデルトレーニン...

看護ロボットは医療従事者の仕事に完全に取って代わることができるのでしょうか?

研究によると、共感と前向きな指導は、医師が患者の痛みを和らげ、術後の回復を早め、精神科薬の使用を減ら...

5Gのサポートにより、AIの顔を変えること以外に人工知能は何ができるのでしょうか?

近年、AIによる顔を変える技術がネットユーザーの間で大流行し、この人工知能の新興技術を一般人の生活に...

2021年にAIが農業を改善する可能性のある10の方法

PwCは、モノのインターネット(IoTAg)ベースの農業モニタリングがコネクテッドスマート農業の分野...

成長痛に遭遇: 2017 年の AI およびビッグデータ業界のレビュー

2017 年、人工知能とビッグデータの開発では次の 10 の成長痛が発生しました。 [[216307...

CNN、RNN、GAN とは何ですか?ついに誰かが明らかにした

[[334740]] 01 完全に接続されたネットワーク完全に接続された高密度の線形ネットワークは、...

...

ChatGPTネットワーキング機能が正式に開始され、Plusメンバーが利用可能になりました

10月19日、チャットボットChatGPTはリリース以来、インターネットにアクセスできず、2021年...