不做“沉默的帮凶”:腾讯联合公安部发起反电信网络诈骗宣传月

6月29日,公安部指导的2016年全民反电信网络诈骗宣传月正式启动。公安部刑侦局将联合腾讯守护者计划,开展为期一个月的公益宣传。据悉,此次反电信网络诈骗公益宣传活动是公安部推出的最大规模的专项宣传,旨在通过不同形式的反诈骗宣传、教育,切实提高网民网络安全意识,在遇到电信网络诈骗时,人们不应沉默。形成自我防护能力的同时,积极举报,打击网络诈骗行为。截止到目前,包括陈志朋、蒋劲夫、柳岩、马丽等25位知名明星,京东、58、腾讯电脑管家、腾讯手机管家等100余家企业已加盟此次公益活动。

不做“沉默的帮凶”:腾讯联合公安部发起反电信网络诈骗宣传月

电信网络诈骗无孔不入,“沉默”成诈骗泛滥的帮凶 

近年电信网络诈骗成高发趋势。据了解,2015年全国接到诈骗信息的人数高达4.38亿,占人口总数的32%。诈骗份子分工严密,已经形成了完备周密的黑色产业链,包含病毒开发、隐私窃取、电话拨打、转移资金等。犯罪分子利用社会工程学营造精准的诈骗场景,防不胜防,而且事后发现弥补困难,给人们的网络生活带来了巨大的危害。

而与黑色产业链精细化分工,形成规模经济对比的是,尽管面临着诈骗的威胁,但网民安全意识却依旧薄弱。大部分网民对各类电信网络诈骗手法不了解,安全防范能力不强,无法识别出诈骗分子的诡计。面对如此险峻的局势,反电信网络诈骗公益行动孕育而生,加强反电信网络诈骗安全教育,提升网民安全意识和防范水平刻不容缓。

据腾讯反诈骗实验室调查数据显示,有五成网民在面对诈骗之后选择沉默,而收到诈骗短信之后默默看后不管的更是高达九成。网民的沉默助长了骗子的气焰。腾讯反诈骗专家智库表示:“骗子往往利用人们彼此之间的冷漠,可以肆无忌惮地将同一个诈骗信息传递给几十万人,大撒网捕鱼的手法,让骗子总会得逞。如果收到信息的网民能够及时在腾讯守护者官方微信平台上去举报,就能够阻止该类信息的继续诈骗,不仅增加了骗子的行骗成本,同时也有可能为公安机会抓捕提供线索。” 

“腾讯守护者联合公安部共同发起的反电信网络诈骗公益宣传月活动,就是想呼吁广大网民,在面对诈骗的时候不能漠不关心。反电信网络诈骗,需要全社会力量共同打击,其中也包括了网民的力量。”反电信网络诈骗公益宣传月项目负责人表示,腾讯公司本次联合了包括QQ、微信、腾讯手机管家、腾讯电脑管家、腾讯视频等多个内部平台和产品,发挥腾讯在海量用户优势,不断强化网民的公益理念,为平台保护网民权益提供力量。

不做“沉默的帮凶”:腾讯联合公安部发起反电信网络诈骗宣传月

25位明星、100家企业联合,向电信网络诈骗发出最后通牒

据悉,陈志朋、蒋劲夫、柳岩、马丽等25位知名明星已经加盟反电信网络诈骗公益宣传月活动,并共同参与拍摄了公益片《全民防骗 要你出手》,联手呼吁——反电信网络诈骗,需要你的行动!旨在号召全民主动出手打击网络诈骗,共同维护网络安全。

与此同时,此次公益活动还得到了100余家知名企业的加盟支持,并将结合自身的资源优势,在反电信网络诈骗公益宣传月活动期间,共同向亿万用户发出诈骗预警和公益呼吁。截止到目前,包括京东金融、58同城、搜狗、分期乐、新浪、中国银联、12321、顺丰、乐视、安全联盟等百家企业已加盟,将主动出击应对电信网络诈骗。百家企业将承担起反诈骗的企业社会责任,为网民把防诈骗的第一道关卡。

而为鼓励用户积极参与举报电信网络诈骗,腾讯公司更是为用户提供了包括“纽约双人双飞游”大奖在内的多项奖励。活动期间,用户只要到腾讯守护者官方微信公众号(shzjh0401)或腾讯手机管家对诈骗信息一键举报,即有机会迎取丰厚奖励。而这些举报信息都将成为公安机关侦破诈骗案件的线索及证据。为打击骗子,协助警方破获案件提供有力支持。 

“快速地抓捕骗子,除了警方的全力出击外,还需要网民的出手。从接到骗子的第一条诈骗信息开始,就将骗子进行标记或识别,大大助力维护网络安全。这一场数据的竞赛,需要大家的参与,就不会输给骗子。”原公安部反诈骗刑侦专家金大志表示,网民的力量将是打击新型网络犯罪的有力手段。 

据悉,腾讯拥有全国最大的黑产数据库,这些数据将会结合腾讯丰富的大数据运营经验提供给各地警方,为打击犯罪提供有力的技术支持。在打击网络犯罪的战役中,腾讯守护者不断与全国警方加强合作,战功卓越。腾讯守护者曾协助警方侦破“贵州1229特大电信诈骗案”、“1222特大跨国电信诈骗案”、“Apple ID钓鱼盗号系列案件”等电信诈骗案件,协助完成电信诈骗案件合计涉案金额已达5亿元。

腾讯公司董事会主席兼首席执行官马化腾也表示,传统手段已无法抑制新型网络犯罪,需要全行业联合、共同构建生态安全体系,打击信息诈骗,腾讯守护者作为反电信网络诈骗的行业标杆品牌责无旁贷。


雷锋网

史蒂芬•霍金接受知名主持人拉里•金采访:警惕各国政府展开“人工智能军备竞赛”

英国物理学家史蒂芬•霍金认为,人工智能的潜在威胁绝不仅仅是像电影《终结者》里描绘的那种梦魇,他认为,人工智能正在走向错误的轨迹。

在接受拉里•金采访时,霍金说道:

政府看上去正在进行一场人工智能军备竞赛,利用智能技术设计飞机和武器。而那些真正需要人工智能技术帮助的地方,比如在医疗健康领域,反而并不能优先拿到直接资金支持。

霍金担心人工智能并不让人感到意外——他从几年前就开始提出类似的担忧了。但是对于人工智能军备竞赛,显然这已经不是短期问题,而是需要引起我们的长期关注了。

当然,人工智能竞赛肯定还会在各个领域里继续,比如微软利用人工智能提升应用程序,还有很多公司都在探索自动驾驶汽车。不过,除了霍金之外,SpaceX创始人埃隆•马斯克,苹果联合创始人史蒂夫•沃兹尼亚克,以及其他数千个科技界人士都在密切关注人工智能在军事领域中的应用。

在接受拉里•金的“Larry King Now”节目线上采访时,霍金承认人工智能可以给人类带来很多好处。他说:

想象一下,人工智能算法可以快速评估科学家的想法,更早监测出癌症,甚至预测股票市场。

但霍金同时也表示,人工智能必须要受到严格监管。

但是,对于未来学家雷•库兹韦尔提出只需几十年就能实现人类思维和机器的融合,霍金并不认同,他说:

我觉得雷•库兹韦尔的想法过于简单化、也过于乐观了。指数级增长不可能一直持续下去。过去也有发生过的类似预测,有些我们无法预测的事情会打断人工智能的发展。我不认为人工智能必然会良性发展。一旦到了某个关键阶段,机器能够实现自我进化,我们就不能预测他们的目标是否会和人类的保持一致。

这就是霍金和库兹韦尔彼此之间的一场隔空辩论。回到2014年,库兹韦尔曾表示霍金本人就是人工智能技术的受益者——比如,语音合成软件,帮助他克服了自己衰弱的神经性变异疾病。同时,他还指出在认识人工智能前景时,人类通常会出于危险考虑而设置一个“道德律令”。

拉里•金的采访安排在了本届Starmus大会上,今年这届科学大会被安排在了加那利群岛,目的是为了庆祝霍金的人生和事业所取得的成就。霍金是世界上存活时间最长,也是最著名的肌萎缩侧索硬化症患者,明年一月,他就75岁了。

下面是本次采访其他一些主要内容:

  • 霍金说,人工智能不是人类所遇到的唯一威胁,人口膨胀和空气污染(包括不断增长的温室气体排放)也是最需要引起人们注意的问题。“现在关注如何避免全球变暖的问题是不是已经太晚了呢?”霍金问道。对于这些问题,他看上去并不乐观。拉里•金询问霍金从六年前的上一次采访至今,有什么事情发生了变化,霍金回答说:“我们人类当然也变得不那么贪婪和愚蠢了。”

  • 霍金最著名的,就是他提出的黑洞理论。最近他又发表了一篇论文,阐述了黑洞不会摧毁所有被它吸入的东西。但最让霍金感到惊讶的是,他发现了一些加速宇宙膨胀的神秘因素,这个因素被称为暗能量,但是霍金表示之所以叫这个名字,是因为它只是一个名字,用来命名我们还不明白东西的而已。

  • 霍金认为,宇宙中最神秘的问题就是关于宇宙本身的意义。他说道:“为什么会有宇宙和所有自然法则的存在?他们有存在的必要吗?在某种意义上,他们肯定有存在的必要,否则我们就不会在这里问这样的问题了。不过,是否还会有其他更深层次的原因吗?”

  • 几年前,霍金曾说过他觉得女人完全就是一个“迷”——虽然有些批评家认为霍金这么说带有一点性别歧视的色彩。拉里•金在采访时有提到了这件事,霍金回答说:“从那时候开始,我已经从女人身上学到了很多东西。”此外,霍金还提醒拉里•金,他已经和七个不同的女人结了八次婚。霍金问道:“经验越多,是不是就越容易成功?”拉里•金回答:“你说的没错,对于这问题,我觉得该回答——是的。”

VIA geekwire

雷锋网

艾伦人工智能研究所(AI2)研究员Peter Clark访谈:云技术如何改变人工智能

艾伦人工智能研究所(AI2)研究员Peter Clark访谈:云技术如何改变人工智能

编者按:Peter Clark是微软创始人保罗•艾伦创立的艾伦人工智能研究所(Allen Institute for Artificial Intelligence,简称AI2)高级研究主管。近日,他接受了GeekWire联合创始人兼主编Todd Bishop的采访。

艾伦人工智能研究所高级研究主管Peter Clark主要负责Project Aristo项目,该项目的目标是开发一个能够解答标准化考试问题的人工智能系统,现阶段,这个人工智能系统已经能够完成四年级的科学学科考试,未来会进一步发展完成更高年级的测验。

在本周Geeks Give Back大会上,Clark做了开场主题演讲,他先介绍了目前人工智能的总体状况,以及自己在AI2的主要工作(注:Geeks Give Back是由GeekWire和美国银行合作举办的一个年度慈善活动,主要赞助华盛顿州立机会奖学金项目),之后回答了观众提问并接受采访,下面就让我们看看他的采访实录吧。

人们一谈到人工智能,传统观念里就会联想到机器人或机器,但基本上,互联网才是世界的大脑。在某种程度上,人工智能给那个“大脑”带来了自我意识。作为一名人工智能研究人员,云计算是如何改变你的工作呢?

如今,云技术给人们的工作带来了革命性地改变。在过去,你需要有笔记本或者台式机才能在上面工作,但现在,绝大多数公司会在云端,使用一个规模较大的计算机分布网络搞定自己的计算问题。所以,在AI2,我们没有投入太多计算机设备。

我们所有的计算工作都是在亚马逊云服务上完成的,甚至可以按照自己的需要来预约、或扩大计算能力。如果有人要处理一百万个视频,那么他们可能会“霸占”一万个处理器,不过一旦处理完成,那些处理器就会被释放出来供其他人使用。这真的是彻底颠覆了人们思考计算的方式。如今,人们越来越少去考虑是否需要拥有足够多的计算设备,反而会更多地考虑购买所有这些设备去处理工作是否划算。

当看到微软小娜、苹果Siri、亚马逊Alexa,以及其他这些人工智能语音助手应用,以你的观点,是否觉得他们的发展方向是对的呢?或者,在十年之内,沿着这个发展方向是否能够实现真正的人工智能呢?

对于上面提到的这些人工智能语音助手应用,我没有特别喜欢的,从这个角度上,我想说的是所有这些系统在某个自己擅长的领域做的都很好。就拿Siri为例吧,你问它的绝大多数事情,它都不知道。但在其他某些方面,它却十分擅长,比如它很懂电影,知道哪些餐厅口味好,甚至对航班信息也略知一二。计算机之所以能够做到这一点,是因为有人煞费苦心地在后台开发了一套模型:首先,这个模型要把所有餐厅里的美食数据收集到一起,它知道你在去餐厅之前需要先做预订,而且每次只能预订一个位子,所有操作时间都是固定、且连续性的,而且所有操作都需要提前做……对于一个具有一般智力的计算机来说,它可能需要成百上千个类似的模型。

我觉得随着时间的推移,上面那些人工智能语音助手应用会越来越强大。但现阶段,我们还没有一个通用方式让计算机能够自动获取所有信息。

你是否觉得那些人工智能助手应用会一直处在我们身体之外,比如嵌入在我们拿的电子设备里?或者,有没有可能这些设备能够真正嵌入到我们人体体内?比如在我们的脖子后面放一个小SD卡插槽?

有时候,让你看到人们在使用智能手机时,会觉得它们就是我们身体的一部分,“低头族”们几乎像是把智能手机24小时黏在了自己身上。我觉得目前能想到距离嵌入人体体内最近的人工智能就是很多健康营养,一些配置了健康传感器的智能手表基本上已经捆绑在了人们的身体上了。举个例子,苹果手表就像是你身体的“一部分”了。它会震动,可以感受到你的体温和你的脉搏,它还会在遇到异常情况时提醒你。在某种程度上,这些可穿戴智能设备已经连接到你的身体上,并给你发送一些有帮助的小信号。类似的例子还有很多,我目前还想不到什么时候能在人体体内插入一个芯片,让这个芯片能够“吸收”所有信息,可能在不久的将来吧。

“吸收”这个词用的很有趣。作为一个《星际迷航》影迷,有没有觉得有哪个机器人或是人工智能电影,让你感到和我们未来世界的场景很接近?

我看过很多科幻电影,首先得先让我彻底想想自己所有看过的所有电影,如果让我评论人工智能电影的话,我会觉得很多都充满了诗意,里面把机器描绘的很温暖,让人产生一种比较模糊的感觉,比如瓦力(Wall-E)或诸如此类的。但我觉得,现实可能和电影有很大不同。当然啦,也有很多描述具有邪恶意图的机器人,比如《终结者》系列电影,不过这类电影也不能代表现实。如果说真的接近真实世界的话,电影《她》(Her)是个不错的例子,除了嵌入的智能程度,这部电影里的人工智能几乎相当于人类智力水平。不过,想要实现电影里的场景,我们可能还要经历几百年时间,还有很长、很长的路要走。

你的意思是,机器人还没有赢?

机器人没有赢。同时我还要提醒的是,最近很多媒体都报道了很多和人工智能有关的负面新闻。外界一直在谈论邪恶机器人会出现,他们会接管我们人类世界,也引起了人们对于未来的恐慌。但我真的觉得未来不会是这样的。我觉得媒体对这些负面新闻炒作的太多了。现阶段,人工智能技术可能比你想象的还要原始的多。我想人们可能受电影影响的太多了,认为很多场景会发生在现实之中。但说老实话,机器人只能做一些非常基本的模型识别,而且人类自己也完全有能力处理那些模型,比如机器翻译,但机器仍然是相当原始的。

我认为,很多电影都危言耸听了,而实际上,人工智能给我们社会带来的进步和效益也是巨大的。人工智能可以避免交通事故,进行医学探索,开发个性化的医学技术,更好地获取信息,所有这些都是对人类有巨大好处的。我想说的是,在AI2,我们这些研究人员对人工智能非常有信心,也是为了人类的共同利益在研究这项技术。利用人工智能,我们可以收获很多有用的东西。

VIA geekwire

雷锋网

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

在美国时间6月27日下午举行的CVPR2016大会上,作为仅有的三个受邀公开演讲的嘉宾之一的Mobileye的联合创始人及CTO Amnon Shashua发表了其基于自动驾驶主题的演讲。Mobileye占据了ADAS市场90%的市场份额,连Tesla也搭载了其开发的系统。Amnon Shashua作为著名的希伯来大学的计算机科学教授,在无人驾驶和人工智能领域也是积累了丰富的经验。雷锋网听译了Amnon Shashua在CVPR上进行的公开演讲,选取了其中的重点部分发布出来同大家分享。让我们一起看看这位ADAS领域的领袖级人物对自动驾驶、深度学习、汽车市场等都有怎样的理解。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

演讲中的Amnon Shashua

Amnon Shashua:

大家好,我想起了不久前我们公司只有500人的时候,参加了CVPR会议,我们那时已经把取得的成就视为了一个巨大的成功。而现在我们已经有3600人了,真是让我感慨万分。我今天要讲的是从Mobileye出发,谈谈现在的自动驾驶,这也是你们在PPT的左下角看到Mobileye的logo的原因。今天的演讲不是那种告诉大家怎么做到这件事的演讲,我更倾向于跟大家聊聊,要完成这样一件事我们该做什么。我总是跟我的学生说,世界上的研究其实有80%是在寻找到底该做什么的过程,一旦找到了,剩下的那20%你不做也总有人会去做完的。知道该向什么方向努力才是最重要的事。

我会跟大家讲讲自动驾驶、机器学习等等这些东西和他们已经造成或即将造成的冲击和震撼。

为什么要发展自动驾驶?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我们为什么觉得自动驾驶是必要的呢?在这里我会讲两个方面的原因。其中一个是很明显的,如果你是一个新入行的,想知道为什么要发展自动驾驶汽车的从业人员,那你去谷歌就能搜到这些信息。比如:我们的汽车有96%的时间是闲置的,只有4%的时间在使用,利用率非常低。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

并且车上各式各样的传感器可以让乘客获得更多定制化服务。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

不过我也可以在这里跟大家说一些不那么明显的原因。现在科技界普遍有一个共识:未来将由人工智能和机器人驱动,只是最后的社会和商业结构尚不清楚。

很多公司做出了很不错的聊天机器人,但是实际上我们还不知道它们能用来做什么,这些东西真的值得投入那么多钱去研发吗?又比如看看波士顿动力,他们做出了很多很厉害的机器人,我是说,真的很厉害,但实际上我们确实还不清楚它们能用来做什么。我们确实还不知道AI和机器人在我们未来的社会结构中会扮演一个什么样的角色。

但是看看汽车,汽车绝对是一个非常适合用来发展AI的平台。因为它需要有各种各样的传感器和计算平台、要让它能够自动驾驶,它需要在驾驶方面有接近人类的认知能力。所以我们需要帮助车辆驾驶的传感器,也需要能理解乘客在做什么,想做什么的传感器。这些都需要AI的帮助。而通过获取这些信息我们也能开发出新的服务乘客的方式。所以汽车很适合用来发展成熟的AI技术和相关的商业模式,一旦我们在这个领域将AI发展成熟了,我们就可以把它应用到其他领域去。

支撑自动驾驶的三个支柱

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我认为自动驾驶系统的完善需要三个方面技术的支持。它们分别是:

传感技术(Sensing):传感器得到环境数据,将其传达到计算设备,再由其中的环境模型决定车辆行为,这是目前定义最明晰和成熟的一个领域。

地图绘制(Mapping):自动驾驶汽车需要建立非常精确的地图,方便应对路况。这个领域的定义就没有传感技术那么明晰了。

驾驶策略/路线规划(Driving policy):机器不是路上唯一的个体。就像人类需要去驾校一样,机器也需要学习如何遵守交通规则、何时该走,何时该停,等等,均需要训练和规定。而我们需要将这些翻译成技术信息,让机器能够理解。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

这三项需求必须要同时发展,作为一个整体来考虑,因为如果不这样,就会陷入过度需求(unreasonable demands)的误区。

早年我们曾有一款产品,可以帮车辆测量跟各种障碍物的距离,以避免与其相撞。但是当时行业并不相信他们能做到这一点,又一次我自己去和客户沟通,客户表示我们不可能做到,但实际上我们真的是可以的。我跟他们说,这个产品并不需要精确到这种程度。因为我们自己开车的时候也不可能对物体的距离有多精确的测量。比如说,你开车的时候能精确的看出前面那个东西离你有99.8米吗?不可能,也不需要,我们只要能大概估计出它的距离就可以了。这就是过度需求。只有将这三项放在一起综合考虑,才能避免它的发生。

传感技术

传感器是关于自动驾驶定义最精确的技术

关于传感器的选择和使用有两点比较常见的疑问。第一点是,为什么一定要用相机?(而不是雷达、红外传感器这样的东西来作为主要测量依据)

第一是因为分辨率,相机的分辨率远远高于其他类型的传感器。那为什么分辨率这么重要呢?因为你需要细节,细节越多越好。可能你能通过某些手段减少对细节的需求。但是那解决的就是另外一个问题了。

第二,相机是唯一一个除了物体的“形状”,还能告诉你物体的“外观”的技术。很多信息是只能通过对外观的扫描来读取的,比如路标、红绿灯等。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

一个“环境模型”需要的东西

我们要建立一个完美的环境模型,首先需要多个传感器,精确的判断周围的所有物体,错误率需要降至0%——不过其实这些是ADAS(高级辅助驾驶系统)继续发展就会自然完成的进步,不是什么飞跃性进展。

我们需要对行进路线上可用的驾驶空间做出精确的判断,算法要知道自己能开去哪里,不能开去哪里。——这是一项小的飞跃,但仍与自动驾驶没有太大关系,只要辅助驾驶系统继续发展,要不了几年就能拥有这样的技术。

最难的一点是侦测出所有驾驶路线。需要综合路上所有的信息,计算出自己应该如何驾驶到自己想去的地方,这是最大的挑战,也是最大的飞跃

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

物体侦测

为什么需要多个面向不同方向的相机?

因为在城市中的环境远比高速路上复杂,如下图所示,必须要有足够多的传感器才能收集到能确保顺利和安全行车的信息。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我们可以看到,自动驾驶系统在所有车辆边上都加上了立体边框。为其与车辆的关系标上了不同的颜色

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

位置关系的标记是有必要的,比如如果一辆车停在了你的右边(假设你的国家交通规则是靠右行驶),你需要知道车门随时可能打开,而司机会走出来,所以需要和它保持一定距离。

只是在车上加上边框是不够的,因为城市的环境太复杂了。这个边框必须是3D的,才能给你提供足够的参考数据。所以下次大家如果看见了一个关于怎么在车上加边框的论文,就可以直接跳过去看下一篇了,因为这东西实在是没有什么意义。(笑)

可用空间判断

在说这点之前我想提一下深度学习。

深度学习现在的研究有点绕远路了

深度学习真正的突破会体现在什么地方?我想应该是在特征提取上。

我们不应该再手动去提取特征,不要再考虑什么LDP啊,贪婪算法啊,这样乱七八糟的我们现在需要考虑的问题。算法应该要自动去学会这些才对。

这不是什么很震撼的消息,因为这是常理:我们如果在工作中被指派来解决一些问题,只要我们有足够的时间,我们肯定能发现一种解决它的方法。发现问题的特征,寻找到它的解决方法。现在的深度学习算法可能运算速度比人更快,比人更精确,但它不是什么革命性的东西,不算是什么突破。它现在只能解决那些我们已经深入了解的东西,而真正有用的算法,应该要能解决那些我们现在解决不了的问题。

不过深度神经网络取得的进步仍然很值得高兴,我们也在我们的行车算法中应用了深度学习,它的表现很好,能帮助我们区分环境特征,这是非常重要的。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

这是一个示例,上图中的绿色区域就是算法标记出来的可活动的空间。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

可以看到,算法意识到了台阶上是不能去的地方,而底下都是可以去的。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我们回到开始那张图,看上图的右边。算法意识到了旁边的人行道不是能行驶的区域,虽然它们的材料是一样的。没有任何探测器会告诉你它们的材料有什么区别,但是因为算法能对环境做出判断,所以能知道旁边的路不能开。这就是深度学习网络的功劳。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

除了绿色,我们有很多种表达方式来对应道路上不同的特征。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

当道路潮湿的时候,算法也能分辨出来并做出应对

驾驶路线规划

这是最难的一种技术。

根据整体环境规划车道

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

要让计算机学会计算出合理的驾驶路线,我们首先要给驾驶路线一个精确的定义,人类能轻易理解驾驶的过程和目的,但计算机要做好这一点却不那么容易。

可以看到,这张图的路线里没有车道,但算法却可以正确的画出一个虚拟的“车道”,并且准确预计出它将要去往的方向。

车道整合

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

在这个视频中,尽管周边的几条线表现不稳定,但中间这条紫色的线的位置却一直很稳定

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

这条线就是关键,是很多种算法综合作用才能达到的结果。

车道信息理解

算法还能检测路上有几条车道,并且判断自己正在哪一条上

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

路线上的关键点,如路径交叉、分离点等的标记可以帮助算法理解和决策下一步的行动。算法可以用不同的颜色标记这些点。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

在下面这张图的上半部分,我们甚至可以发现,道路的建造者在道路上做出了错误的标记——将道路分叉点附近的路面应有的虚线画成了实线,但是算法发现并纠正了这个错误,在最终的标记中仍然将其标记为虚线(蓝色)。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

可以看到深度学习算法让最终的识别效果有了显著的改善。

驾驶策略

这一部分是关于我们的车辆如何融入到现有的交通系统中去

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我之前提到过,我们不是道路上唯一的车辆,所以说有必要让机器学习一些驾驶策略。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

感觉(Sensing)和计划(Planning)的含义

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

当我们提到“感觉”时,我们的意思是“知晓我们周围的所有事物”,不管是基于什么形式,声音也好图像也好,告诉我们我们的周围有什么,比如算法知道“我前面这里有一辆车”,这不是一种行为,在这个过程中,“感觉”的个体本身是唯一要考虑的对象。而且结果是非常容易预测的。实现这些的技术有有监督深度学习等技术。

而“计划”指的是对于未来的计划,在过程中自身并不是唯一需要考量的因素,还有很多额外的变量。增强学习就是用来实现这点的技术。

增强学习

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

上图展示了一个增强学习的过程

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

下图是RNN深度学习的一个流程图

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

下面是一个算法的实例:有很多人车辆正在通过一个环岛,下图中红色的车是自动驾驶的车辆,蓝色的车是“有侵略性”的车,意味着当它发现你也想汇入车流进入环岛的时候它们会抢到从你面前过去而不会减速让你进入,而绿色的车是“有礼貌”的车辆。当它发现你想进入车流的时候会减速让你进入,算法一开始并不知道什么样的车是有侵略性的什么样的车是礼貌的,但是通过不断的实验,它能发现这其中的规律,最后在有礼貌的车来的时候汇入车流

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

(他跳过了几张幻灯片,时间不太够了,不过我们还是放出来)

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

地图绘制

现在我想来讲一下地图绘制。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

地图绘制(不同于导航)很重要,但不同于传感有其精确的定义。其定义和手段还不明确和成熟。人类在开车的时候是不需要地图绘制这项技能的。我们可以直接开车走人,有没有地图都可以,导航可以告诉我们我们要去哪和怎么去,但是那不是我们开车的必要条件,没有地图我们一样可以开车。但AI不一样,如果没有这种能力电脑就没法开车。为什么AI会需要一样我们不需要的能力呢?我们能不能造出一种不需要地图绘制,只需导航就能开车的AI呢?注意我们这里说的AI的地图,其细节的精确度要远远高于我们目前经常看的这种。

目前谷歌和很多其他模仿他们的公司正在发展这种精确地图的技术,如果你要用一个地图来导航,你只需要一个精度达到几米的GPS就行了,但是如果你需要用这种精细化的地图来作为控制汽车的依据,那你对位置精确度的要求就要达到10cm的级别,GPS是达不到这种精度的,何况城市中还有像高楼、隧道这样的干扰源。所以你不仅需要绘制一个这么精确的地图,还需要一个与之匹配的精确定位技术,这两者是相辅相成的

地图要做到怎样才能帮助实现自动驾驶?

看起来这其中的联系有点隐晦,但是当我跟你解释清楚之后你就会发现其实很简单。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

地图是自动驾驶中一个非常必要的组成部分,对安全非常重要。如果没有这份地图,算法可能根本无法实现驾驶。

所以首先能明确的是,这份地图的更新必须非常及时,几乎要做到准实时状态,所以维持这份地图的有效性需要非常庞大的数据流量。所以数据没法统一收集,必须从所有装备自动驾驶系统的车辆上共同收集。

因为无人驾驶车的数量将会变得非常多,所以每辆车产生的地图数据必须非常非常小——预计每千米10kb的量,这样无论采用什么方式传输,一天下来大概只会花掉1MB左右的流量在上传和下载数据上,这样的量是可以接受的,不然不仅用户无法承受,服务器也无法负担如此庞大的数据量。而且对下载数据的进一步处理必须在车内的计算设备上本地完成。

整个改造最好不需要添加新的硬件,一切都应该在车上本来就有的硬件上完成。

这样一来的话,我们就只需要在配套的软件上操心,做好软件方面的工作,就能打造出自动驾驶的车辆了

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

把这几项综合起来得到的系统,比较像SLAM系统的一个变种。但比SLAM表现得聪明得多。我们管这个叫道路经验管理系统(REM),是我们正在进行的一项地图绘制计划。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

经过道路的前一辆车还可以给后一辆经过同一道路的车辆提供数据。

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

预计在2020年左右,几乎所有的车都会装备前摄像头并且能为这个计划提供数据。

总结

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

我们大致能给出一个自动驾驶进化的时间表,我们现在处在第一个阶段的正中间,2016年,现在我们能实现的程度就是高速公路自动驾驶,其实这还不应该叫自动驾驶,而应该叫“不安全的辅助驾驶”,说它“不安全”是因为现阶段它还可能会出错。有些人看到一样东西的准确率达到95%的时候,他可能就会有这种东西已经100%准确了的错觉,但不是这样的。现在这个还不能叫自动驾驶。

不过预计在2018-2020年我们估计就能实现在高速公路上的自动驾驶了,这也是我们正在做的项目。虽然还仅限高速公路,不过那时的准确度应该达到非常高的程度了,当你上高速公路之后就可以激活这个系统,然后就可以去看个书,甚至睡个觉之类的。不用担心安全问题,如果汽车需要你醒来,它会提前提醒你,如果你没醒的话,汽车就会自动减速靠边,然后找个地方停下来。

真正的飞跃大概会在2021年到来,按我们的分级方法,那时候的自动驾驶等级大概会在Lv.4到Lv.5之间了,能实现真正的全自动驾驶。那时预计社会将会慢慢接受自动驾驶系统的存在,可能在一段时间内,还是会有司机坐在驾驶座上以防万一算法出错。而这时的自动驾驶系统可能主要在公共交通或出租车等方式、如Uber等之间流行,私家车司机还是会倾向于手动驾车出行。

在2023年,当所有条件都成熟的时候,人们对自动驾驶汽车的应用会更上一层楼,人们可以让车送自己去上班,然后自己回家,派车去接自己的孩子……在私家车之间自动驾驶也会普及开来,随时让自己的车去任何需要的地方。租车等对车的使用方式也将更加成熟。这是个非常美好的未来。今天我的演讲就到这里了,感谢大家的聆听。

今年8月,AmnonShashua也将参与雷锋网举办的人工智能与机器人峰会(CCF-GAIR)。不要错过这个与大神零距离接触的机会!

无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?

雷锋网