無(wú)人駕駛汽車是通過(guò)車載傳感系統(tǒng)感知道路環(huán)境，自動(dòng)規(guī)劃行車路線并控制車輛達(dá)到預(yù)定目標(biāo)的智能汽車。它利用車載傳感器來(lái)感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

 無(wú)人駕駛汽車上主要的傳感器：激光雷達(dá)、攝像、毫米波雷達(dá)、GPS、超聲波雷達(dá)和車輪轉(zhuǎn)角傳感器等。ElonMusk曾經(jīng)在公開場(chǎng)合多次說(shuō)過(guò)，不用激光雷達(dá)只用攝像頭，也能實(shí)現(xiàn)Level4以上的無(wú)人駕駛。但是我個(gè)人覺(jué)得他這么說(shuō)其實(shí)是有商業(yè)化方面的考慮。

特斯拉的汽車已經(jīng)在售，賣出去的車只能更新軟件，肯定不能換硬件，比如全部重新裝上激光雷達(dá)(不然今天特斯拉也不會(huì)說(shuō)現(xiàn)在在產(chǎn)的特斯拉汽車會(huì)換上新的硬件系統(tǒng))。

況且，Google無(wú)人車用的64線Velodyne激光雷達(dá)本身的價(jià)格高達(dá)75000美元，這幾乎和低配版特斯拉在美國(guó)的售價(jià)差不多了。

特斯拉的車要賣的好必須控制成本，Google的無(wú)人車目前還只是處于測(cè)試階段，幾百輛的規(guī)模當(dāng)然可以什么好用用什么，相比于特斯拉幾萬(wàn)的產(chǎn)銷量，花不了多少錢。

今年5月7日，美國(guó)佛羅里達(dá)州的一位特斯拉車主在使用Autopilot時(shí)發(fā)生車禍，最終不幸生亡。由此還導(dǎo)致給特斯拉提供計(jì)算機(jī)視覺(jué)技術(shù)的Mobileye創(chuàng)始人AmnonShashua與ElonMusk之間的口水戰(zhàn)，雙方最終還鬧掰了：Mobileye宣布在與特斯拉合同結(jié)束后不再繼續(xù)合作。

在特斯拉9月11日發(fā)布的Autopilot8.0版本中，特斯拉把毫米波雷達(dá)采集到的數(shù)據(jù)作為了控制系統(tǒng)判斷的主要依據(jù)，而不是之前Mobileye的攝像頭。

說(shuō)起5月份的車禍，其實(shí)在車禍發(fā)生前，特斯拉的毫米波雷達(dá)已經(jīng)感知到有障礙物，但是攝像頭因光線的問(wèn)題，沒(méi)有發(fā)現(xiàn)在藍(lán)天白云背景下的大貨車，最后導(dǎo)致車禍發(fā)生。Musk肯定也知道了攝像頭并不靠譜，所以才在Autopilot的新版本中把毫米波雷達(dá)的數(shù)據(jù)作為主要參考依據(jù)。

綜上所述，Musk說(shuō)「不用激光雷達(dá)只用攝像頭，也能實(shí)現(xiàn)Level4以上的無(wú)人駕駛」更多是出于商業(yè)化方面的考慮。

此舉意在一邊用現(xiàn)有的傳感器收集數(shù)據(jù)，一邊等激光雷達(dá)價(jià)格降下來(lái)。個(gè)人認(rèn)為，如果固態(tài)激光雷達(dá)的價(jià)格真能如宣傳中所說(shuō)下降到100美元到200美元，為了保證汽車行駛的安全性，Musk肯定是會(huì)用的。

一方認(rèn)為：數(shù)據(jù)為王，再牛的智能算法也拼不過(guò)海量的數(shù)據(jù)。而另一方則認(rèn)為：數(shù)據(jù)只是建材，強(qiáng)大的分析能力才能讓它變成摩天大樓，對(duì)效率的追求導(dǎo)致了算法，大數(shù)據(jù)取代不了算法。

日前，Google和特斯拉都公布了各自的測(cè)試?yán)锍虜?shù)。據(jù)外媒報(bào)道，Google宣布自己的無(wú)人駕駛汽車剛剛完成200萬(wàn)英里道路行駛里程。而特斯拉創(chuàng)始人ElonMusk也于幾天后在個(gè)人Twitter上宣布：特斯拉Autopilot發(fā)布后的1年中累計(jì)行駛里程已達(dá)到2.22億英里。

Google和特斯拉兩方的表態(tài)表面上似乎也印證了微博討論中雙方的觀點(diǎn)：數(shù)據(jù)為王VS算法為王。那實(shí)際情況究竟如何?

我們不妨考慮另一個(gè)類似的現(xiàn)象：大多數(shù)人認(rèn)為Google的搜索比微軟的Bing搜索在質(zhì)量上做得略好一點(diǎn)的原因是Google的算法好。

但在前Google工程師吳軍博士看來(lái)，這種看法在2010年之前是對(duì)的，因?yàn)槟菚r(shí)Bing在技術(shù)和工程方面明顯落后于Google。但今天這兩家公司在技術(shù)上已經(jīng)相差無(wú)幾了，Google還能稍稍占優(yōu)，很大程度上靠的是數(shù)據(jù)的力量。

與搜索算法尚不成熟的2000年不同，今天已經(jīng)不存在一個(gè)未知的方法，僅憑它就能將準(zhǔn)確率提高哪怕一個(gè)百分點(diǎn)。Google憑借PageRank算法給搜索結(jié)果帶來(lái)了質(zhì)的變化，而好的搜索結(jié)果能吸引更多的用戶使用Google的搜索引擎，這不知不覺(jué)間給Google提供了大量的點(diǎn)擊數(shù)據(jù)。有了這些數(shù)據(jù)之后，Google可以訓(xùn)練出更精確的“點(diǎn)擊模型”，而點(diǎn)擊模型貢獻(xiàn)了今天搜索排序至少60%到80%的權(quán)重，這將吸引更多的用戶，整個(gè)過(guò)程是一個(gè)典型的不斷自我強(qiáng)化的正反饋過(guò)程。

在Google內(nèi)部，產(chǎn)品經(jīng)理們都遵循這樣一個(gè)規(guī)則：在沒(méi)有數(shù)據(jù)之前，不要給出任何結(jié)論。由此可見，Google的企業(yè)使命已經(jīng)融入了員工的日常工作中。Google正是充分利用了大數(shù)據(jù)的力量，順利成為了對(duì)整張互聯(lián)網(wǎng)舉足輕重的樞紐節(jié)點(diǎn)，非常自然地實(shí)現(xiàn)了對(duì)互聯(lián)網(wǎng)的壟斷。

再舉一個(gè)例子，9月27日Google發(fā)布了新版本的神經(jīng)機(jī)器翻譯系統(tǒng)(GoogleNeuralMachineTranslation，GNMT)，宣稱該系統(tǒng)的翻譯質(zhì)量接近人工筆譯

大多數(shù)網(wǎng)友在實(shí)際測(cè)試過(guò)后，表示眼前一亮。與此同時(shí)，這也引起了某些翻譯工作者的恐慌：「作為翻譯看到這個(gè)新聞的時(shí)候，我理解了18世紀(jì)紡織工人看到蒸汽機(jī)時(shí)的憂慮與恐懼。」而這其實(shí)也是充分利用大數(shù)據(jù)的結(jié)果。

其實(shí)早在2005年，Google的機(jī)器翻譯質(zhì)量就讓全世界從事自然語(yǔ)言處理的人震驚不已了：從來(lái)沒(méi)有從事過(guò)機(jī)器翻譯的Google，在美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究所(NationalInstituteofStandardsandTechnology，NIST)的年度測(cè)評(píng)中遙遙領(lǐng)先。

在阿拉伯語(yǔ)到英語(yǔ)翻譯的封閉測(cè)試集中，Google系統(tǒng)的BLUE評(píng)分為51.31%，領(lǐng)先第二名將近5%，而提高這5個(gè)百分點(diǎn)在過(guò)去需要研究5到10年。

Google究竟是做到的呢?除了Google一貫的行事風(fēng)格——把該領(lǐng)域全世界最好的專家、南加州大學(xué)ISI實(shí)驗(yàn)室的弗朗茲-奧科(FranzOch)博士挖過(guò)來(lái)之外，最關(guān)鍵的還是Google手里握有改進(jìn)機(jī)器翻譯系統(tǒng)所需要的大數(shù)據(jù)。

從奧科2004年加入Google到2005年參加NIST測(cè)試，期間只有一年時(shí)間，如此短的時(shí)間只夠他將在南加大的系統(tǒng)用Google的程序風(fēng)格重新實(shí)現(xiàn)一遍，完全沒(méi)有額外的時(shí)間做新的研究。而從上圖中我們可以看到，Google和南加大系統(tǒng)的水平差了5到10年。

其中的秘密就在于：奧科在Google還是用的在南加大使用過(guò)的方法，但充分利用了Google在數(shù)據(jù)收集和處理方面的優(yōu)勢(shì)，使用了比其他研究機(jī)構(gòu)多上萬(wàn)倍的數(shù)據(jù)，訓(xùn)練出一個(gè)機(jī)器翻譯的六元模型(一般來(lái)講N元模型的N值不超過(guò)3)。當(dāng)奧科使用的數(shù)據(jù)是其他人的上萬(wàn)倍時(shí)，量變的積累導(dǎo)致了質(zhì)變的發(fā)生，而這就是當(dāng)今人工智能領(lǐng)域最權(quán)威的幾位專家之一杰弗里-辛頓(GeoffreyHinton)教授所堅(jiān)持的“多則不同”吧。

值得一提的是，SYSTRAN公司是一家使用語(yǔ)法規(guī)則進(jìn)行翻譯的企業(yè)，在科學(xué)家們還沒(méi)有想到或者有條件利用統(tǒng)計(jì)的方法進(jìn)行機(jī)器翻譯之前，該企業(yè)在機(jī)器翻譯領(lǐng)域是最領(lǐng)先的。但現(xiàn)在與那些采用了數(shù)據(jù)驅(qū)動(dòng)的統(tǒng)計(jì)模型的翻譯系統(tǒng)相比，它的翻譯系統(tǒng)就顯得非常落后了。

經(jīng)過(guò)上述分析，對(duì)本小結(jié)的問(wèn)題終于可以下一個(gè)較安全的結(jié)論：在當(dāng)下的企業(yè)競(jìng)爭(zhēng)中，相比于算法或數(shù)學(xué)模型，數(shù)據(jù)的重要性的確要大得多，即數(shù)據(jù)為王。

因?yàn)榍罢咄蓪W(xué)術(shù)界在幾十年前就已經(jīng)發(fā)現(xiàn)了，所有企業(yè)都可以加以利用，但是多維度的完備數(shù)據(jù)并不是每一個(gè)企業(yè)都擁有的。

今天很多企業(yè)在產(chǎn)品和服務(wù)的競(jìng)爭(zhēng)，某種程度上已經(jīng)是數(shù)據(jù)的競(jìng)爭(zhēng)了，可以說(shuō)沒(méi)有數(shù)據(jù)就沒(méi)有智能。因?yàn)閺睦碚撋现v，只要能夠找到足夠多的具有代表性的數(shù)據(jù)，就可以利用概率統(tǒng)計(jì)結(jié)果找到一個(gè)數(shù)學(xué)模型，使得它和真實(shí)情況非常接近，從而節(jié)省了大量人力成本或給予了用戶更愉悅的體驗(yàn)。

總結(jié)

特斯拉已經(jīng)積累的2.22億英里行駛數(shù)據(jù)，以及未來(lái)將要積累的數(shù)據(jù)，對(duì)于他們研發(fā)Level4以上的無(wú)人駕駛汽車是非常有幫助的，特斯拉可能會(huì)最終會(huì)先Google一步實(shí)現(xiàn)量產(chǎn)。

目前出于商業(yè)化的考慮，已量產(chǎn)的特斯拉用“攝像頭毫米波雷達(dá)超聲波雷達(dá)”作為主要傳感器，但是等到低成本的固態(tài)激光雷達(dá)性能更穩(wěn)妥。我相信Musk肯定是會(huì)裝上去的(有網(wǎng)友已經(jīng)在加州的道路上拍到頭上頂著激光雷達(dá)的特斯拉汽車偷偷在做測(cè)試了)，因?yàn)檫@對(duì)于保證實(shí)現(xiàn)99.9999%的車輛行駛安全性是非常有幫助的。