Интересный вопрос, заданный Проф. Амнон Саушуа в Центре мозга, разума и машин Массачусетского технологического института . Очень интересный разговор, вы должны его послушать и сделать заметки (как я!)
Два великих спикера в этой области - профессор Саушуа и Дженсен Хуанг из Nvidia. Послушайте их разговоры, когда представится возможность ...
Обнаружение объектов - путешествие по переулку памяти
Проф. Шимон Ульман представил Саушуа и рассказал о его дипломной работе , сказав, что он до сих пор не до конца понимает всю математику! Исследования и достижения Саушуа, конечно же, долгие и глубокие! Видео 1995 года с обнаружением объектов было ностальгическим! Мы прошли долгий путь, как позже сказал бы Саушуа в своем выступлении ...
Зондирование - это интересно, но решается в некоторой степени (подробнее позже). Картографирование - это технологическая и логистическая проблема (низкая стоимость и масштабируемость по всему миру), но политика вождения все еще не решена, и именно здесь скрывается большая часть ИИ!
Политика вождения - это переговоры, она культурна и зависит от местоположения! И мы ведем переговоры, двигаясь, а не разговаривая. Итак, ИИ, чтобы успешно управлять автомобилем, должен понимать намерения.
Интересно, что вчера на GTC17 Брин Балкомб (технический директор, Roborace) выразил те же чувства (мой блог о сессии # gtc17 находится здесь).
По словам Mobileye, составление карт будет решено с помощью краудсорсинга. ~ 2 млн автомобилей собирают данные (Mobileye имеет контракт с BMW и VW на поставку карт); ориентиры (~ 20 000 различных элементов, таких как разметка тротуаров, отражатели, столбы и т. д.), дорожки для проезда и т. д. являются строительными блоками для карт HD и для локализации. Он показал, как эта комбинация дает точность
Карты генерируются автоматически. Модуль помощи при работе с картой с фронтальной камерой генерирует данные (~ 10 КБ / км), которые отправляются в облако и собираются в облаке с точностью не более 10 см - в среднем 5 см!
Двойное слияние - интересная задача, которую сложно решить. У 2025AD есть интересная запись в блоге об этом.
Заработок за машины против политики
У него был хороший набор мыслей о ML против RL - как об общем разделении.
Сессия вопросов и ответов была более информативной - обсуждались самые разные темы!
Об обучении с подкреплением
Обучение с учителем с помощью нейронной сети работает очень хорошо. Даже с большим количеством параметров, чем данных, сеть находит локальные минимумы.
Но в случае RL вы будете очень разочарованы, если попытаетесь воссоздать документы RL для всех видов задач (хорошее понимание!). RL - это основа решения политики вождения, но требует большой тонкой настройки.
Одной из интересных областей является GAN. Генеративная модель политики управления человеческими ресурсами, включая плохие водители, может помочь имитационному стимулированию политики роботов. Остерегайтесь, объезжайте простые участки и избегайте вмешательства, чтобы не испортить статистику (например, вмешательство) - это не решение!
Авария Tesla
По-разному, это только вопрос времени, прежде чем этот вопрос будет задан! Авария Tesla выходила за рамки проектных параметров системы - система была сконфигурирована для аварии задней части, но то, что произошло, было Т-образной косточкой. Системы могут определять Т-образную кость, но в системе Tesla не было Т-образной кости (белый грузовик и солнце не имеют отношения - это просто истории). Конечно, это был ужасный развод, и в какой-то момент обе компании заявили, что они больше не будут комментировать - так что никаких комментариев!
Примечание. Еще два выступления Амнона Шашуа, которые стоит посмотреть, - это его Основной доклад на конференции Bosch ConnectedWorld 2017 и Основной доклад CVPR 2016.
