騰訊科技訊6 月 12 日訊息，據外媒報道，特斯拉汽車公司人工智慧（ai）總監安德烈卡帕西(andrej karpathy)日前參加 2018 年train ai大會時，剖析了該公司構建自動駕駛儀（autopilot）計算機視覺解決方案的方法。他的演講題目是「構建軟體2. 0 堆疊」。
卡帕西的任務是將傳統的、基於規則的程式設計方法與神經網路(也稱機器學習或ai)執行時使用的程式設計方法區分開來。在典型的網際網路術語中，他使用了神經網路程式設計軟體2.0，用以與基於規則程式設計的軟體1.llmdm 0 進行程式設計客棧區別。事實證明，兩者之間的差異是相當大的，程式設計神經網路與程式設計網頁或智慧型手機應用程式是完全不同的。
近年來，隨著計算機視覺解決方案越來越難以為影象中的每個可能物件定義規則，這一點變得尤其明顯。然而，這些挑戰並不能阻止程式設計師嘗試甚至執行極其複雜的計算機視覺分析任務。
在 1990 年到 2010 年之間的**分析中，早期的研究奠定了現代聚焦於**影象分析的基礎，而**影象分析的幀率越高，對計算機資源的壓力就越大。像特斯拉自動駕駛儀(autopilot)這樣的應用，要求所有處理過程都必須是實時的，甚至要使用實時資料來**附近的司機會會做什麼或可能做什麼，以降低碰撞危險。
特斯拉的自動駕駛儀解決方案非常依賴計算機視覺，而不是雷射雷達和其他感測器，因為特斯拉的團隊認為，計算機視覺在根本上更加卓越，強大的攝像頭陣列足以支援完全自動駕駛解決方案。
卡帕西深入**了特斯拉團隊用來破解自動駕駛儀計算機視覺難題的方法。自動駕駛儀程式設計團隊主要分為兩部分：第乙個團隊構建了神經網路本身，而第二個團隊則專注於神經網路的實際程式設計，它包括選擇已標註的影象，幫助神經網路學習。
正如程式設計**必須高效和有效一樣，卡帕西注意到用於程式設計神經網路的影象必須夠大、夠多樣化以及乾淨。為神經網路程式設計更多的是識別異常，並為正確的行為編寫軟體2. 0 堆疊，而不是為正常情況下的系統程式設計。
我們可以用簡單的方法來比較為影象程式設計的神經網路，它就像十字路口的交通訊號。大多數訊號系統都有標準的紅黃綠設定，可以通過提供紅燈影象並將其標記為指示車輛應該停車的訊號來進行建模。
與此相對應，綠燈表示車輛可以繼續通過十字路口。黃色是同樣重要的指標，但比紅色和綠色交替出現的頻率要低得多。神經網路必須被程式設計以同樣好地理解這三者的關係，即使在現實世界中黃色燈光出現的頻率遠低於綠色和紅色。
特斯拉認為，從根本上說，與人類駕駛汽車相比，該公司自動駕駛儀解決方案將會在行駛過程中提供更安全的駕駛體驗。這是有意義的，也十分重要，但這只是暗示了一種更廣泛的可程式設計客棧能性，即車輛在世界上任何地方、任何情況下都能自動駕駛。
與人類駕駛汽車相比，特斯拉的程式設計客棧自動駕駛汽車如今已經幫助減少 4 倍車禍死亡人數。其首席執行官伊隆馬斯克（elon musk）相信，將來其至少可以提供 10 倍的改進效果。（編譯/金鹿）
本文位址: /news/en/11550.html
特斯拉自動駕駛系統秘密，來自特斯拉AI總監爆料
據外媒報道，特斯拉汽車公司人工智慧 ai 總監安德烈 卡帕西 andrej karpathy 日前參加2018年train ai大會時，剖析了該公司構建自動駕駛儀 autopilot 計算機視覺解決方案的方法。據介紹，autopilot程式設計團隊主要分為兩部分 第乙個團隊構建了神經網路本身，而第二...
AI自動駕駛產業總結
1 傳統的汽車廠商已經紛紛布局自動駕駛並且開始具有一席之地。這些車企不希望將自動駕駛領域核心技術主動權交由高科技企業，避免淪為代工廠的身份，通常選擇聯合汽車零部件廠商和網際網路企業共同開發自動駕駛技術。目前幾家傳統汽車巨頭已經取得了令人矚目的成績。2 2020年可能是自動駕駛汽車的商業元年。從各大汽...
自動駕駛系統概述
內容摘自 自動駕駛系統設計及應用 一書 汽車自動駕駛技術 依靠計算機與人工智慧技術在沒有人為操縱的情況下，完成完整 安全 有效的駕駛汽車的一項前沿技術 主要包括 環境感知 決策規劃和運動控制 感知層用來完成對車輛周圍環境的感知識別，主要目的是獲取處理並處理環境。汽車自動駕駛常用的感測器主要包括攝像頭...