这两天百度首席科学家吴恩达离职的事情闹得沸沸扬扬，传闻吴恩达很可能加入其老婆所在的创业公司Drive.ai，一家致力于用深度学习技术研发无人驾驶系统的公司。这个“小庙”为什么能吸引吴恩达这尊大佛呢？Drive.ai有何神奇之处呢？

2017年 3月22日，百度首席科学家吴恩达宣布离职。吴恩达的公开信称：“除了推动大公司使用人工智能，也还有很多创业，以及更深入进行人工智能研究的机会。我希望我们每个人都拥有自动驾驶汽车……”。从上下文中推测，吴恩达接下来有很大的概率会投奔创业公司，并且有很大的概率从事自动驾驶汽车的研究。有评论称，吴恩达或加盟人工智能公司Drive.ai。

Drive.ai是何方神圣？

Drive.ai，是一家人工智能创业公司，由斯坦福大学的7名人工智能研究员创立，其中一位联合创始人兼总裁Carol Reiley是吴恩达的妻子。

该创业公司，位于加州MountainView，主要致力于基于深度学习的技术研发驱动无人驾驶的自动驾驶软件系统，通过工具包将普通汽车变为无人车。其计划测试配备传感器的车辆。Drive.ai的车辆搭载了基于深度学习的软件、车载界面，以及安装在车顶、用于提示周围行人和其他车辆的显示屏用于人和车交互。这块屏幕上会显示车辆是否将刹车、变道，或是转向。这项技术最初的目标市场是路线固定的车辆。Drive.ai尚未公布这 一系统的价格以及开售时间。

根据 Drive.ai官方网站上公布的信息，公司现在拥有47名员工，其中包括7个人组成的核心创始团队。这7个人要么来自斯坦福大学，要么来自约翰霍普金斯大学。

公司高管情况如下：

· Sameep Tandon，公司CEO，来自斯坦福大学的人工智能实验室；

· Fred Rosenzweig，公司COO，曾在硅谷多家初创公司担任CEO，EFI公司的总裁之一；

· Carol Reiley(吴恩达妻子)，公司总裁，在机器人相关领域里拥有15年的工作经验，曾任职于洛克希德马丁公司，手握六项专利。

自15年创立以来，Drive.ai已筹集1200万美元融资，投资机构包括InnoSpring Seed Fund、Northern Light Venture Capital、OrizaVentures三家；并在2016年4月获得了加州车管局的自动驾车测试许可，成了第13家获批在加州进行自动驾驶汽车路测的公司。当前Drive.ai共有4辆车在旧金山湾区进行路测，即使在夜路、下雨、有雾等复杂情况下，它们也基本可以实现完全自动驾驶。这些车辆的路测，开始于大约1年前……

今年2月15日，Drive.ai发布了一段视频，视频中Drive.ai开发的自动驾驶汽车在一个漆黑的雨夜顺利穿过MountainView街道。

我们都知道，光线、视野以及天气因素等外部环境是影响到自动驾驶技术运作的关键因素。雨天并且是夜晚，对于自动驾驶汽车来说，在环境识别和驾驶决策上都平添了很多困难，而 Drive.ai的自动驾驶技术似乎很好地解决这种问题。

我们看一下Drive.ai雨天路测的视频。

根据视频来看，Drive.ai的自动驾驶技术在雨夜这样恶劣的外部环境下，很好地控制传感器元件，有效地侦测来往车辆的灯管、路牌表示，并对前方车辆的动作做出及时反馈，而且人完全没有干预机器的驾驶行为。

也许有人会说，这没什么特别的。很多自动驾驶汽车在路测阶段也能达到同样的效果，并且相比一个只有区区不到50名员工的Drive.ai而言，主机厂和谷歌等科技巨头显然更有资金实力和资源。Drive.ai有什么魅力值得曾就职于谷歌和百度的吴恩达加入呢？(除了吴恩达妻子在Drive.ai这一因素外)

Drive.ai在自动驾驶技术上有何不同？

Drive.ai和其他研发自动驾驶汽车的公司有什么不同？

首先，和研发自动驾驶汽车的传统车企不同的是，Drive.ai没有从L1、L2、L3再到L4,而是直接进行L4的研发。

而在直接研究L4自动驾驶的各大团队中，Drive.ai也是个异类——Drive.ai想完全依靠深度学习技术，让汽车实现基本不需要人类干预的自动驾驶。

其他无人车团队就不用深度学习技术了吗？

大多数自动驾驶团队都只把深度学习用在识别中。最常见的做法，是把深度学习用在感知方面。这种技术在分类任务上表现得非常出色，甚至无论什么场景都可以，因此，深度学习在自动驾驶上的应用，通常是类似于识别摄像头画面中的行人这样的任务。

而Drive.ai则除了识别外，还将深度学习用于驾驶过程中的决策。Drive.ai总裁Carol Reiley说，

“我们与传统的机器人学方法有着明显的区别，很多公司都会在自动驾驶技术的某个组件上用深度学习，但是我们是从整体来考虑的。”

Drive.ai的CEO Sameep Tandon说，他们认为要想在近期制造出有用的自动驾驶汽车，深度学习是唯一可行方案。

“从这些算法的长期可能性来看，也就是人们未来会怎样设计自动驾驶汽车，建立一个学习系统还是最有意义的。驾驶这件事很复杂，有很多难度高、又很微妙的问题，如果你用除了学习之外的方法来解决，你一辈子也别想把车子开出去。”

为什么其他研发自动驾驶汽车的公司不将深度学习运用于决策呢？因为怕“黑箱”。

深度学习的黑箱：深度学习系统就像人类的大脑一样，只能通过信息输入输出来确定结构和参数，而在输入、输出之间的决策过程，我们看不见也无法理解。

汽车关乎人的生命安全一旦系统做出了错误的决策，你需要确切地知道在这个过程中发生了什么，确保同样的错误不会再次发生。因此，他们用传统的、基于规则的机器人学方法来做决策，将深度学习的应用限制在感知上。

而Drive.ai的做法，是在感知和决策上都使用深度学习，并且刻意避免了这样一个端到端的大黑箱。

“如果你将它分解成几个部分，然后分别应用深度学习，你就会发现每部分都能用不同的方法来验证，这样就会对系统有信心了。”—— Drive.aiCEO Sameep Tandon

此外，Drive.ai还结合了一些规则、人类知识来确保系统的安全性。Drive.ai还通过一些技巧窥视黑箱里面发生了什么，然后进行调整。

比如：可以向系统输入特别处理过的数据，然后看算法对数据细微变化的反应。对于某些特定的情况，模拟也是一种很好的方法。

我们开始建立这个深度学习感知系统的时候，天桥是我们最早遇到的障碍之一。我们开着车出去测试，发现系统会把天桥的影子误判为障碍物。在学习过程中，你可以用hard mining的方法，让算法集中解决具有挑战性的场景。 我们就用合成的例子增强了数据集，就好像在说：“来，系统，告诉我这个天桥你打算怎么处理。处理完我调整一下，你再来一次。”训练一段时间后，系统就能够正确认识天桥了，然后你可以从系统层面来证实。 —— Drive.aiCEO Sameep Tandon

Drive.ai做了些什么？正在做什么？

数据训练

无论是深度学习还是基于规则的算法，都需要对传感器获取的场景中，出现的所有物体进行详细标注。Drive.ai将巨大的努力用于收集高质量数据，然后进行标注，让它们能被深度学习算法所用。

标注是一项简单枯燥的工作：一个人类，面对着一段短视频，甚至可能是几帧图像或者激光雷达数据，在图像中的每一辆车、每一个行人、路标、交通灯等等可能与自动驾驶算法相关的物体周围画上方框。

“我们知道有的公司有一支数千人的标注大军，在物体周围画方框。汽车每测试一小时，产生的数据足够一个人标注800小时。

但我们的标注速度比它们快了几个量级，而且依然在优化。”

这如何实现的呢？

Drive.ai使用深度学习来进行辅助自动标注。

因此，它们只有一支规模很小的标注团队，大部分都在对新场景新型训练，或者验证系统自动标注的结果。

硬件系统

Drive.ai当前开发了一套安装在车顶的硬件系统，这套硬件系统是通用性设备，可以非常简便地加装到不同的车辆上。该硬件系统集成了共9个高清摄像头、2个雷达、6个Velodyne Puck激光雷达。还有一个大显示屏用于和人交互。安装Drive.ai的车辆都在不断为生成地图而捕捉数据，并把数据送入深度学习系统，当然数据也用户驾驶任务本身。

当前Drive.ai传感器体系复杂且昂贵，未来Drive.ai进入试点计划时，传感器可能会减少。

我们需要一个显著较小的子集，可能是目前的一半，

算法正在不断改进，我们也在把不同传感器的数据整合起来，从激光雷达获得低分辨率深度数据，并从摄像头获得真正高分辨率的情景信息”。 ——Drive.ai Pazhayampallil

Drive.ai正在推动让无人车可以像人类一样驾驶。

目前通行的交通灯检测方法：是把详细的路口信息映射给自动驾驶系统，确切的告诉摄像头应该看哪里。但这种方法无法扩展到更广的区域。

Drive.ai收集不同路口、不用交度、不同场景的信息，训练深度学习系统识别交通灯；Drive.ai还用情景感知的方式进行判断。比如有些情况下，也许交通灯被遮挡，但周围的车辆都启动行驶，那么系统也应该判断目前交通灯是绿色的。

Drive.ai正在推动L4级自动驾驶的发展，Drvie.ai计划的首要关注点是物流：在小范围重复递送物品。

【番外】吴恩达妻子、Drive.ai总裁——硅谷“女神”

吴恩达离职、让低调的Drive.ai浮出水面的一个重要因素就是吴恩达的妻子，在科学界的牛逼程度可以称得上是硅谷“女神”。

首先，硅谷“女神”标配智商超群——Carol Reiley是约翰霍普金斯(Johns Hopkins University)的双料博士，曾在洛克希德马丁公司就职，有六个专利、被硅谷封为2016年最有影响力女性之一。

洛克希德马丁，创建于1912年，是一家美国航空航天制造商。2016年12月，瑞典SIPRI发布了2015年度全球军工百强企业排行榜，洛克希德马丁排名世界第一。

其次，Carol Reiley美貌超群。直接上图。

吴恩达和妻子Carol Reiley是在2009年美国电子电气工程师协会(IEEE)的国际会议上认识的；2014年他们为了纪念这一特殊的时刻，在IEEE期刊的期刊上宣布订婚。相当于是科学界的金童玉女。

吴恩达简介

吴恩达，国际上人工智能和机器学习领域最权威的学者之一，华裔美国人，是斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。

2010年，加入谷歌开发团队XLab(该团队先后为谷歌开发无人驾驶汽车和谷歌眼镜两个知名项目)，与谷歌顶级工程师开始合作建立全球最大的“神经网络”“谷歌大脑”项目。

2014年，加入百度担任百度公司首席科学家，负责百度研究院领导工作，尤其是“百度大脑”计划。

吴恩达最知名的事件是，开发的人工神经网络通过观看一周YouTube视频，自主学会识别哪些是关于猫的视频。这个案例为人工智能领域翻开崭新一页。

该文参考引用：

【1】量子位·自动驾驶汽车能不能用深度学习做决策？看看Drive.ai是怎么做的.https://zhuanlan.zhihu.com/p/25703578

【2】虎嗅.来八一下吴恩达离开百度后可能加入的Drive.ai.https://www.huxiu.com/article/186806

【3】百度百科

返回第一电动网首页 >