深度神经网络，大数据，人工智能和自治系统之路
自动驾驶–绿灯，红灯还是黄灯？
特斯拉首席执行官 伊隆·马斯克（Elon Musk）说未来就是现在。他在面向投资者的一次活动上表示，到2020年中，特斯拉的自动驾驶系统将得到改善，以至于驾驶员不必在路上注意。他透露，特斯拉计划明年在美国某些地区推出5级自动出租车，这意味着他们将有能力在任何可能的条件下不受限制地驾驶地球上的任何地方。
这很引人注目，但是在这么短的时间内真的有可能吗？在马斯克演讲后一个月的五月，消费者报告 特斯拉表示，特斯拉更新的自动驾驶仪软件“导航”上的新换道功能远远落后于驾驶员的技能。
七月 故事纽约时报》援引其他汽车制造商高管的话，他们对马斯克今天对自动驾驶现状的看法比马斯克的看法要温和得多。福特首席执行官吉姆?哈克特（Jim Hackett）报道说：“该行业高估了自动驾驶汽车的到来。”
福特并未放弃其计划，事实上，它正在与大众汽车合作，使用初创公司的自动驾驶技术 Argo AI在未来几年内提供拼车服务。Argo AI首席执行官布莱恩·萨利斯基（Bryan Salesky）吹牛说，创造可以在任何地方行驶的无人驾驶汽车是“未来之路”。
使用AI构建AI
马斯克的预测可能是乐观的，但是福特可能会误导真正的自动驾驶需要多长时间。
在九月 研究论文出版了题为“人机协作设计，用于加速自动驾驶的紧凑型深度神经网络的设计 ”。该论文是由滑铁卢AI学院，滑铁卢大学， 达尔文人工智能公司和 奥迪电子冒险。
本文评估了DarwinAI的Generative Synthesis AI辅助设计平台在加速基于低成本GPU的紧凑型深层卷积神经网络的设计中的性能，该网络用于自动驾驶中的对象检测。
该公司表示，GenSynth使用“ AI来构建AI”，以便在保持功能准确性和减少推理时间的同时，大幅减少深度学习神经网络的规模。它促进了“可解释的”深度学习，即了解网络为何做出决策的能力。GenSynth的最终结果是为组织和开发人员启用和加速AI，它基于Waterloo工程学教授Alexander Wong和Mohammad Javad Shafiee发明的技术。
该项目的合作伙伴奥迪指定了白皮书背后的用户设计原型，重点是检测十种不同类型的汽车相关类。其中包括汽车，公共汽车，行人和交通信号灯。
深度学习的新方法
GenSynth技术以人机协作为前提。该案例研究将奥迪工程师的工作与AI的速度 以更快地创建针对特定任务量身定制的更好，更紧凑的网络。
“这是人类与AI的协作，” DarwinAI首席执行官Sheldon Fernandez说。“仍然需要人类的创造力来理解背景，并进行艰苦而重复的工作并将其外包给AI。然后他们可以花时间在创建网络上。”
例如，人们必须在这种情况下进行自我干预：自行车可能会安装在SUV上，而无人驾驶汽车可能会在遇到这种情况时不断停车。费尔南德斯说：“这台机器无法区分骑乘者和骑行者。” 需要人工干预来训练系统以识别两者之间的差异。他说：“ GenSynth使用其他形式的人工智能从根本上探查和理解神经网络。” 然后，它第二次使用AI生成更小，更智能的网络：
“深度学习擅长在数据量会使人不知所措时发现数据之间的相关性。我们对网络建立了非常复杂的理解，并使用AI生成了一个新的神经网络 比原始版本更紧凑，但从功能角度来看同样出色。”
Fernandez说，这是一个非常高的优化水平，也阐明了网络如何得出结论。
它还可以大大加快设计任务。通常，人们选择他们想做的任务（例如翻译语言），然后转到GitHub并选择他们认为会做得很好的公共模型，然后尝试针对该任务自定义它。“这可能需要几个月的时间，”费尔南德斯说。将这样的模型部署到生产中也可能会很昂贵–当最终设计了神经网络时，有时需要对数TB的数据进行测试。
“运行这些测试需要花费大量的GPU时间，并且在云中也存在与之相关的费用。使用较小的模型，测试运行速度更快。”他说。“因此，我们的优化技术可带来真正的经济节省。”
成功与下一步
该研究的发现是，该技术可以创建一个比通常小两倍的神经网络，而不会牺牲任何准确性。
内容为：
“ [Audi]工程师发现，基于Web的平台可快速简便地用于基于原始输入设计原型生成优化的神经网络，因为数据科学家或工程师只需关心要使用的数据集和进行的培训即可。他们以前用来构建输入设计原型的参数。工程师喜欢该平台生成专用的神经网络模型，该模型比输入到GenSynth平台的原始设计原型要小得多且速度更快，同时还能保持建模的准确性。”
迄今为止，DarwinAI已经在航空航天，消费电子，汽车和其他行业进行了许多有偿工作。费尔南德斯说，最终，这项技术可能会进入5级汽车。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！