|
《1Q84》中的青豆需要回到物理上的原点，才能改变现今命运的结局，但人类顶尖棋手柯洁即便再来一遍，也看不到击败AlphaGo的办法——尽管人机大战第二局之复杂，让人工智能的代表也感叹，机器“被逼到了极限”。 人工智能的几个关键胜利点，放在无人驾驶领域中，也让人能管窥英特尔的胜算。 第一局中人工智能妙手连发，但有一手棋却让棋界高手大跌眼镜。（如下图）白棋红方块一子如走在黑棋黄三角的位置上，则有机会逃出五颗白子，从而大占优势。但人工智能偏偏简单放弃，走在红方块处，把关键点让给了黑棋。棋界高手怀疑这是Bug，而人工智能的选择，正是无人驾驶所追求的“稳定”。最后的1/4子胜出，也是人工智能一路稳定而主导的结果。 图中如红色方块一手的稳定，其不可撼动如巍巍群山，这种稳定性正是无人驾驶汽车上路的关键。 由于无人驾驶车辆需经常进行数据更新、系统更新，OTA（空中下载技术，即通过无线方式去升级当前系统）将是车辆能否上路的关键。不久前，英特尔的无人驾驶体验日所展示的Wind River Helix CarSync，就是用来维护汽车软件的无线平台。它的特点是：车到云平台能够高效而安全地进行OTA软件和固件更新，并拥有集成加密、身份验证和完整性保障措施。 Wind River Helix CarSync*的演示模拟 试想一辆正在无人驾驶状态下行驶的车辆，自动进行软件或系统升级。此时，从云端推送来的新系统或新软件，必须完整、可用，中间的链路必须安全、稳定，j2直播，刷新后的运行须确保顺畅。而且，整个推送、安装的过程须保证来源可靠、无有纰漏。就如同上述人工智能的“谜之一手”一样，无人驾驶首先要确保安全、稳定，这里的任何失误，都是人类乘客所不能接受的。 要命的时间和要命的电 人机大战第二局结束时，双方用时最后定格在极大的差异上：人类棋手用时两小时十四分钟，人工智能用时52分钟。这相当于人工智能每手棋花40秒，这是它计算过所有棋盘上的变化所需要的平均时间。而人类棋手则每手约需104秒。 人类需要更多时间，才可能算清更多变化。所以，一局棋的布局、中盘战和收官怎么分配时间，其策略至关重要。时间是棋盘外的功夫，偏偏人工智能对时间无感。 不少棋友开玩笑，怎么能给人工智能也施加些棋盘外的压力，难道限定人工智能的用电吗？ BINGO，答对！ 无人驾驶要上路，面临的就是这个要命的能耗难题。 车内人工智能仿佛是无人驾驶车辆的大脑，识别物体、规划驾驶计划等工作不可或缺。英特尔所展示的FPGA+CPU的混合架构，可以实现最优的功耗和性能，以支持人工智能负载。 英特尔所展示的FPGA+CPU的混合架构， 可以实现最优的功耗和性能，以支持人工智能负载 在最基本的层面上，车内的人工智能利用机器视觉和深度学习，来帮助汽车了解其所在环境。这些人工智能负载通常需要消耗非常多的电力，并且难以在车内有限的功率下运行。而通过优化分区CPU和FPGA，英特尔能够使能效提高6倍，利用非常低的功耗——仅23fps/瓦——就能实时执行复杂的人工智能算法。 通过优化分区CPU和FPGA， 英特尔能够利用非常低的功耗实时执行复杂的人工智能算法 “60局”与“40辆” 事实上，此次人机大战之前，人工智能已经在网上与全世界的棋界高手，进行过60盘对局，无一败绩。过程里，棋界高手惊叹莫名，不知这忽然冒出来的蒙面大侠是何方高人。古力九段甚至挂出十万赏金，求无所不知的网民来揭晓答案。 后来的结果，大家都知道了。这征战十方、所向披靡的高手，这正是人工智能在做测试。测试是无人驾驶车辆能够上路的关键一步。 将有40辆宝马7系无人驾驶汽车，集成宝马集团、英特尔、Mobileye和德尔福各自的优势上路测试。这些车辆把英特尔®高性能计算元素、Mobileye的汽车级计算机视觉技术、德尔福在无人驾驶积累的专业技术，以及宝马行业领先的研究成果汇集到高度无人驾驶功能中。这些联合开发的样板汽车正在为首个高度自动化量产汽车——即将于2021年推出的BMW iNext，铺平道路。 5月3日的英特尔无人驾驶研讨会现场 第一辆基于三方协作的宝马7系亮相 小道消息说，应用了英特尔解决方案的无人驾驶车辆，真正上路做测试的，可不只是这40辆，也不只是这一个品牌噢。 |
