在今年年初，博世成立了自己的「全球人工智能研究中心」，這個中心包括德國斯圖加特，印度班加羅爾以及美國帕羅奧圖三個研發(fā)據(jù)點(diǎn)。上周 BCW 大會上，博世的 CEO Dr. Volkmar Denner 發(fā)布了與 NVIDIA 的合作消息，并將 AI 列為了博世未來發(fā)展的四個重要方向之一。想看 GeekCar 專訪 NVIDIA CEO 老黃的文章， 請戳這里 。

在大會期間，GeekCar 采訪了這個「全球人工智能研究中心」的負(fù)責(zé)人 Dr. Hauke Schmidt，同時在場的還有博世的企業(yè)公關(guān)總監(jiān) Dirk Haushalter。Dr. Schmidt 之前是博世數(shù)據(jù)挖掘部門的負(fù)責(zé)人，而這個部門很有可能就是 AI 研究中心的前身。

以下為采訪的實(shí)錄（G 代表 GeekCar，H 代表 Dr . Hauke Schmidt，D 代表 Dirk Haushalter）：

G：首先請您先介紹一下您所帶領(lǐng)的這個部門吧，這個部門主要都是做哪些與 AI 相關(guān)的事情？

H：我們把這個部門稱之為人工智能中心，因?yàn)樗蚨鄠€研究據(jù)點(diǎn)。我們主要關(guān)注的是人工智能當(dāng)中的深度學(xué)習(xí)（Deep Learning）以及機(jī)器學(xué)習(xí)（Machine Learning）領(lǐng)域，換句話說就是數(shù)據(jù)驅(qū)動的領(lǐng)域。目前，我們還沒有涉足語義以及符號分析等領(lǐng)域，但是未來或許也會有所涉及。

G：在您看來，AI 和自動駕駛的聯(lián)系是怎樣的？

H：自動駕駛當(dāng)中的很多方面都需要 AI，比如說感知、路徑規(guī)劃、執(zhí)行以及車輛控制等。這是一套非常復(fù)雜的系統(tǒng)，而 AI 可以將這些部分鏈接在一起。例如目前的傳感器和控制系統(tǒng)是相對分離的，我們需要 AI 將他們整合到一套系統(tǒng)中。

G：如果我們把自動駕駛分為感知、地圖、決策、控制四個環(huán)節(jié)的話，AI 是不是主要將負(fù)責(zé)決策的部分？

H：其實(shí)在感知部分，AI 的作用也十分重要。因?yàn)楦兄缓喓唵螁问莻鞲衅魇占嬅?，機(jī)器還需要分辨出行人， 自行車，機(jī)動車等等。這些都需要通過數(shù)據(jù)分析和 AI 的應(yīng)用去做具體的識別劃分。

G：那么在駕駛決策部分呢？機(jī)器如何學(xué)習(xí)人類一樣的駕駛行為？

H：如果從數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)角度去看，那么模擬人類的駕駛行為主要是依靠案例及數(shù)據(jù)。這需要將車輛放在各種不同路況和場景中測試，并看機(jī)器在這些場景當(dāng)中做出的決策是否夠好。在測試過程中需要有人工的駕駛員在駕駛位置隨時待命，以防止問題的發(fā)生。一旦機(jī)器產(chǎn)生了錯誤的決策，那么這些錯誤將被作為反面教材去重新優(yōu)化算法，這樣的話下次機(jī)器再遇到類似的場景的時候，就會做出更好的決策。

G：提起人工智能，人們總是會想起在圍棋比賽中擊敗人類職業(yè)棋手的 Alpha GO。那么 AI 在圍棋上的應(yīng)用和在駕駛上的應(yīng)用有什么不同？因?yàn)轳{駛環(huán)境當(dāng)中包含更多的決策者，且環(huán)境很難預(yù)測。

H：這兩者間有多個區(qū)別。首先，駕駛的環(huán)境是不可預(yù)知的。第二，可選擇的行動數(shù)量也不同，在下棋當(dāng)中，每一步的可選擇范圍一般只有三四種，最多也就是六七種，且這些行動非常的具體化（在不同的位置落子）。但是在駕駛環(huán)境中，這個選擇范圍就大得多了，單說轉(zhuǎn)向的時候，就有多種不同的轉(zhuǎn)向程度，因此在駕駛場景中，機(jī)器將會有更多的選擇空間。第三，兩者在量化程度及可計(jì)算程度上也不同。下棋時，機(jī)器可以提前計(jì)算出不同步驟下所可能產(chǎn)生的結(jié)果，對對手的預(yù)判也會更加準(zhǔn)確。而在駕駛環(huán)境中則不同，路面上會有多個認(rèn)為決策者（行人，人工駕駛的機(jī)動車等），他們有他們自己的行為策略，機(jī)器無法保證一直對他們的行為做出準(zhǔn)確預(yù)判。所以駕駛要比下棋有著更多的不可預(yù)知性。

G：那么你們將通過什么方式來攻克這種不確定性？

H：就像我之前說的，還是要通過足夠多的案例及測試數(shù)據(jù)積累。只有積累足夠多的測試?yán)锍?，并?yīng)對了足夠多的駕駛場景，機(jī)器的算法才能夠不斷的優(yōu)化。

G：所以我可否能理解為目前自動駕駛的瓶頸就在數(shù)據(jù)的積累上？

H：是這樣的。目前自動駕駛發(fā)展的關(guān)鍵就是要積累足夠多的有效數(shù)據(jù)，并不是所有數(shù)據(jù)都可以，有效的數(shù)據(jù)需要有清晰的標(biāo)注，你需要告訴機(jī)器，這個數(shù)據(jù)中的行為是正確的還是錯誤的。積累這種有效數(shù)據(jù)需要極大的成本，而這正是自動駕駛發(fā)展的瓶頸所在。

D：同時是不是還需要把系統(tǒng)和算法做的更加智能化？

H：我認(rèn)為讓系統(tǒng)和算法更智能化是個挑戰(zhàn)，但還不會是瓶頸。目前我們已經(jīng)集結(jié)了很多專家來讓系統(tǒng)更加智能化，這個目標(biāo)是可以解決的。但是再好的系統(tǒng)也需要有足夠的數(shù)據(jù)去驅(qū)動和優(yōu)化，這就像驅(qū)動發(fā)動機(jī)的燃料一樣。?

G：現(xiàn)在行業(yè)內(nèi)有機(jī)器學(xué)習(xí)（Machine Learning）、深度學(xué)習(xí)（Deep Learning）、CES 期間 Mobileye 又提到了增強(qiáng)學(xué)習(xí)（Reinforcement Learning）。這幾種方式有什么不同？

H：深度學(xué)習(xí)（Deep Learning）的特點(diǎn)在于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，深度學(xué)習(xí)在神經(jīng)網(wǎng)絡(luò)上有著眾多的隱層（Hidden Layers），一般 5 層以上。在神經(jīng)網(wǎng)絡(luò)中會有輸入層，這個上面的神經(jīng)元會鏈接車輛上面的各個傳感器，例如一個 1000×1500 像素的攝像頭，每個像素是輸入層上的一個神經(jīng)元。然后網(wǎng)絡(luò)中還會有輸出層，它來負(fù)責(zé)車輛的控制，例如轉(zhuǎn)向，剎車等。而隱層的作用就是鏈接輸入和輸出層，隱層的具體決策和工作邏輯目前還不清晰，這也是我們研究的一個重要方向：去解釋隱層的決策邏輯。以上就是深度學(xué)習(xí)的基本原理。

而增強(qiáng)學(xué)習(xí)（Reinforcement Learning）的重點(diǎn)是如何去訓(xùn)練神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元。增強(qiáng)學(xué)習(xí)的應(yīng)用關(guān)系到了應(yīng)用環(huán)境，例如車輛在駕駛環(huán)境中做出了一個行為，這個行為會對駕駛環(huán)境產(chǎn)生影響，此時車輛上將會自行判定這個行為到底是好的還是壞的，比如這個行為是撞上了別的車還是保持了正常的行駛線路。在這個判定之后，系統(tǒng)的算法會收到一個正面或者是負(fù)面得反饋，而這個反饋會進(jìn)一步增強(qiáng)系統(tǒng)得算法。

G：我是否可以理解為增強(qiáng)學(xué)習(xí)可以讓車輛本身自行優(yōu)化自己的算法和決策？

H：這并不是我們的做法。我們的做法是在車輛上面植入一個固定的神經(jīng)網(wǎng)絡(luò)模型（Model），它不會自己做出改變。但是車輛在行駛過程中將會不斷收集數(shù)據(jù)，并把這些數(shù)據(jù)上傳到云端。在云端上，這個神經(jīng)網(wǎng)絡(luò)模型會得到訓(xùn)練和優(yōu)化。在這之后，我們會將優(yōu)化后的模型再去做測試，其中將包括我們挑選的一些特定的路況與駕駛場景。當(dāng)我們確定了優(yōu)化后的新模型能夠應(yīng)對這些場景，并能夠確保其實(shí)際應(yīng)用的安全性之后，我們才會將新的模型部署到車輛上。此時，適配新模型的車輛將會有更好的表現(xiàn)。因此，我們的算法學(xué)習(xí)和優(yōu)化并不是直接在車輛上面完成的，而是會經(jīng)過一個系統(tǒng)性的流程來實(shí)現(xiàn)。

G：在駕駛場景當(dāng)中將有多個 AI ，包括語義識別、人臉識別、車輛控制等。如何將這些 AI 整合在一起？

H：其實(shí)并不需要把它們都整合在一起，因?yàn)槲覀儾⒉皇侵苯影岩粋€人工智能直接賣給用戶。用戶關(guān)注的是最終產(chǎn)品的表現(xiàn)，他們希望車輛能識別他們的聲音，識別他們的身份，希望車輛能夠自己駕駛。而在后臺一共有幾個 AI 在工作，對于用戶來說是不重要的。你剛才提到的這三個 AI 會有一些聯(lián)系，比如當(dāng)你開車到某個路段時，希望能夠進(jìn)入自動駕駛模式，然后通過語音向系統(tǒng)發(fā)出指令。但這其實(shí)只是兩個 AI 系統(tǒng)之間的一個簡單鏈接。

G：既然您是負(fù)責(zé)人工智能相關(guān)的業(yè)務(wù)，那可否透露一下與 NVIDIA 的合作，雙方具體是怎樣的分工？

H：NVIDIA 將負(fù)責(zé)硬件部分，而博世將圍繞這個硬件構(gòu)造全套的自動駕駛系統(tǒng)。

D：NVIDIA 將提供硬件芯片，主要是 GPU。

H：是的，我們使用 NVIDIA 的 GPU 芯片驅(qū)動博世的算法，這樣整套系統(tǒng)才能運(yùn)轉(zhuǎn)。

G：也就是說 NVIDIA 提供硬件，以及基礎(chǔ)的一些驅(qū)動程序，而博世則提供算法？

H：我是這么理解的。

G：那么未來的發(fā)展中，硬件將如何幫助您的團(tuán)隊(duì)優(yōu)化算法？您認(rèn)為硬件和算法哪個將更加重要？

H：我認(rèn)為最重要的其實(shí)是成本控制，有了 NVIDIA 的 GPU，我們現(xiàn)在可以將硬件做得更加小巧和緊湊，同時我們也能夠幫助降低這套硬件的成本。與 NVIDIA 合作的這套小型系統(tǒng)的性能與幾年前我們在卡車上應(yīng)用的大型計(jì)算單元相當(dāng)，這才是重點(diǎn)所在。

D：在 Schmidt 的回答基礎(chǔ)上我還要補(bǔ)充一點(diǎn)：理論上，我們也可以和其它的芯片解決方案供應(yīng)商合作。

G：說起合作，Intel 剛剛收購了 Mobileye，而 Mobileye 的 Shashua 之前一直提倡行業(yè)的聯(lián)合以及數(shù)據(jù)的共享。對這點(diǎn)，您怎么看？（GeekCar 關(guān)于 Intel 收購 Mobileye 的報道文章）

H：對于 Intel 對 Mobileye 的收購，我無法發(fā)表評論。從博世的角度來說，我們與客戶，與供應(yīng)商都有很深的合作。尤其是在數(shù)據(jù)收集層面，我們一直在嘗試通過合作和協(xié)商來盡可能的收集更多數(shù)據(jù)，因?yàn)槿缥覄偛潘f，這個是瓶頸所在。

G：你們也在和自己的合作伙伴分享你們自己的數(shù)據(jù)嗎？

H：這要取決于具體哪個合作伙伴，以及具體的協(xié)商細(xì)節(jié)。例如對方向我們分享了他們的數(shù)據(jù)，則我們也會相應(yīng)分享我們自己的數(shù)據(jù)。每個具體的合作都有所不同。

D：我同意，這取決于合作伙伴以及數(shù)據(jù)本身。博世自身是非常開放的。對于 Intel 收購 Mobileye，從博世集團(tuán)的角度來說，我們認(rèn)為這是十分正常的，且我們很歡迎這樣的整合。不過，他們之間的整合與我們和 Nvidia 的合作有一點(diǎn)不同：我們擁有百年的汽車行業(yè)經(jīng)驗(yàn)，這會給我們帶來優(yōu)勢。Intel 和 Mobileye 更像是芯片技術(shù)與攝像頭識別技術(shù)的整合，他們還不具備我們這樣的汽車行業(yè)經(jīng)驗(yàn)。這點(diǎn)上，我們還是很自信的。

G：那么與硅谷的科技公司，如 Google 和 Uber 比，博世的人工智能有哪些優(yōu)勢呢？

H：我覺得主要有兩點(diǎn)，首先我們公司有著足夠的汽車行業(yè)經(jīng)驗(yàn)，這包括傳感器，軟件以及服務(wù)等領(lǐng)域的專業(yè)知識。這些是硅谷的科技公司沒有的。第二是我們的人工智能技術(shù)在博世涉足的其它行業(yè)也會有廣泛應(yīng)用，除了汽車和出行之外，我們在建筑、能源、工業(yè)制造等領(lǐng)域也都有人工智能的應(yīng)用。從「物聯(lián)網(wǎng)」的趨勢來看，博世很擅長「物」的部分，我們是制造和工業(yè)領(lǐng)域的專家。而現(xiàn)在我們將在此基礎(chǔ)之上進(jìn)一步添加更多的軟件服務(wù)與技術(shù)。

此次專訪之后，博世的公關(guān)負(fù)責(zé)人也告訴了我他們眼中的高級別自動駕駛落地時間：L4 級別為 2025 年。這個時間確實(shí)要比之前老黃預(yù)測的 2019 晚了很多。汽車制造行業(yè)對外發(fā)聲時還是維持了一貫的保守風(fēng)格。

但是，博世對 AI 的發(fā)力其實(shí)代表著一個重要的信號：汽車制造業(yè)的巨頭們（不管是主機(jī)廠還是供應(yīng)商）正在加快自己向軟件服務(wù)公司變化的腳步。把這個信號與 Intel 收購 Mobileye 結(jié)合在一起，你就會發(fā)現(xiàn)，雙方正在以驚人的速度走向整合。這在之前制造業(yè)與科技業(yè)互相不待見的時代是很難想象的。

如果博世最終真的能夠發(fā)展出強(qiáng)大的人工智能以及物聯(lián)網(wǎng)技術(shù)，并用這些技術(shù)將自己涉足的各個工業(yè)及服務(wù)領(lǐng)域聯(lián)系在一起（這其中包括汽車，智能制造，建筑，家電，售后維修等等）。那我們沒準(zhǔn)就真能看到生態(tài)世界了。

賈總，要加油?。?/p>

上一篇：雪佛蘭 Bolt 打折促銷出售；寶馬將加入第 5 賽季 Formule E 比賽 下一篇：寶馬將發(fā)布子品牌; 微軟向豐田授權(quán)車聯(lián)網(wǎng)技術(shù)專利