顧維璽
人工智能技術對智慧交通的影響已經(jīng)不容忽視。什么是好的人工智能產(chǎn)品,如何讓人工智能技術更好地應用在智能交通領域,是我們必須關注的重點,解決這一問題核心在于建立“人工智能產(chǎn)品質(zhì)量評估體系”。
中國這一領域的研究處于全球領先行列,目的是為人工智能技術的產(chǎn)業(yè)化應用鋪平道路,“去偽存真”,讓人工智能技術更好地賦能產(chǎn)業(yè)發(fā)展。
目前,這一體系的建立是由中國工業(yè)互聯(lián)網(wǎng)研究院牽頭進行的。中國工業(yè)互聯(lián)網(wǎng)研究院主要工作方向是開展戰(zhàn)略規(guī)劃標準方面的制定,以及在人工智能技術、安全體系建設以及促進國際國內(nèi)合作交流方面開展工作,未來在智慧交通領域這一評估體系也將發(fā)揮重要作用。
智能交通系統(tǒng)中的人工智能技術的質(zhì)量評估體系,目的就是為智慧交通產(chǎn)業(yè)化鋪平道路。
在對于智能交通系統(tǒng)中的人工智能技術的質(zhì)量評估體系的探討中,最主要的是了解人工智能技術的質(zhì)量評估體系在智慧交通中發(fā)揮的作用,以及了解什么是智能交通系統(tǒng),這個系統(tǒng)中使用的人工智能技術有哪些;人工智能技術在市場化過程中帶來的問題;針對這些問題我們?nèi)绾芜M行人工智能技術的質(zhì)量評估以及體系設計。
第一,什么是智能交通系統(tǒng)。智能交通系統(tǒng)作為信息和通信技術應用于公路交通領域的系統(tǒng),包括基礎設施、車輛和用戶,以及交通管理和移動管理,包括運輸方式的其他接口,信息和通信技術是傳統(tǒng)公路交通體系提升為智能交通系統(tǒng)重要驅(qū)動力。
隨著大數(shù)據(jù)、算力、算法不斷迭代演進、系統(tǒng)性提升,人工智能技術無疑是推動信息化革命的重要驅(qū)動力,全面滲透到車聯(lián)網(wǎng)、車路協(xié)同、自動駕駛等各個方面,成為智能交通重要發(fā)展源泉。
人工智能技術在智能交通中的應用到底有哪些呢?可以從人工智能產(chǎn)業(yè)鏈層面進行分析,第一是基礎硬件層,主要提供一些核心硬件,包括芯片、傳感器、數(shù)據(jù)服務,它的核心能力是計算能力,可以通過建設AI的基礎實驗室,搭建云平臺去實現(xiàn)這種能力。
第二是技術層,建立于基礎硬件層之上,主要是提供技術開發(fā)和輸出的能力,包括提供計算機視覺、自然語言處理以及機器學習等基礎算法?;诩夹g層進行應用層的商業(yè)化解決方案,通過細分行業(yè)應用,從而在車路協(xié)同,車聯(lián)網(wǎng)自動方面進行市場開拓。
在技術層面,人工智能技術在智能交通系統(tǒng)中處于基礎應用,在目前業(yè)內(nèi)常見的智能交通的場景中,有數(shù)百種人工智能配套技術,主要包括圖象識別技術、路徑追蹤技術、強化學習,以及因果關系推理,還有異常值檢測等等。
這些技術,第一是圖象識別技術,主要用于車的車牌識別,包括行人的識別,使用一些基礎的分類器,卷積神經(jīng)網(wǎng)絡。卷積神經(jīng)網(wǎng)絡是典型的常用的訓練分類計,運用于圖象最終決策分析,規(guī)劃主要是用于加快訓練器訓練過程收斂速度的一種技巧。
第二是“路徑追蹤”技術主要是用于預測交通流的流向,包括車輛的走向等問題,我們經(jīng)常通過一些時序模型進行分析,包括遞歸神經(jīng)網(wǎng)絡等等。
第三是強化學習,強化學習是非常先進的、難度極大的訓練方法,用在自動駕駛控制里面的訓練方法。與其他的機器學習不同,它是一種強人工智能的學習訓練方法,通過控制理論設計獎勵機制,讓訓練器學會自我學習、自適應學習,需要的數(shù)據(jù)量往往高于傳統(tǒng)的智能學習方法。
第四是因果關系推理,也是一個難度極大的技術問題,主要用于發(fā)生一起交通事故到底是什么樣的因素導致,我們?nèi)プ芬蛩菰?,常用的方法包括信息論的方法、有向信息量、稀疏性群學習方法,解決因果關系推理問題。
表1 人工智能技術市場化問題
最后一個是異常值檢測問題,異常值檢測問題用在交通事故黑客攻擊現(xiàn)象,用于發(fā)現(xiàn)出現(xiàn)頻率非常少,但是極端重要的行為檢測。常用的方法通過多任務政策化約束,以及主成分分析等方法,包括遷移學習、系統(tǒng)優(yōu)化等等。
科學、合理、公正的人工智能技術質(zhì)量評價評估體系將為智慧交通市場化、產(chǎn)業(yè)化提供“錨定點”。
人工智能技術在市場化過程中有哪些問題?從現(xiàn)實的技術流動過程中來看,首先是解決方案供給側(cè),也就是一些互聯(lián)網(wǎng)企業(yè),比如說華為、百度、阿里、騰訊,它們經(jīng)常處于壟斷性地位,推出的AI產(chǎn)品也難免會出現(xiàn)議價過高的情況。
這些問題導致初創(chuàng)的AI團隊難以打入市場,對于解決方案需求側(cè),也就是傳統(tǒng)汽車行業(yè),它們對AI的知識缺乏系統(tǒng)全面認識,對于AI產(chǎn)品難以全方位把控質(zhì)量,市場沒有公開測評標準,沒有辦法評估產(chǎn)品的真正性價比,導致人工智能產(chǎn)品雖然層出不窮,產(chǎn)品質(zhì)量難以評價。
我們統(tǒng)計了2016-2018年自動駕駛道路交通事故統(tǒng)計表,發(fā)現(xiàn)有8起關于自動駕駛的事故,5起由于智能系統(tǒng)問題導致的,從而造成人員傷亡。可見人工智能系統(tǒng)、人工智能技術與人身安全息息相關的,因此我們必須對市場中的人工智能技術建立統(tǒng)一的評估體系。
我們需要建立一套人工智能產(chǎn)品質(zhì)量和評測標準和體系,針對特定的供給側(cè)提出人工智能解決方案進行算法準確性能、泛化性能、運行效率等認證,在產(chǎn)品需求側(cè)(傳統(tǒng)的汽車行業(yè)),可以獲取非常中立、專業(yè)、權威的人工智能產(chǎn)品評估信息、評估報告。對于供給側(cè)先進的互聯(lián)網(wǎng)科技公司,它們可以更科學合理地優(yōu)化算法設計和產(chǎn)品。
到底如何進行科學的合理的公正的人工智能技術質(zhì)量評價評估體系設計呢?第一是AI產(chǎn)品技術的質(zhì)量評測,第二是AI產(chǎn)品技術的性價比評測。
首先來看質(zhì)量評測,針對不同工業(yè)場景、汽車場景、公路場景確定統(tǒng)一的實驗外部變量,形成評價指標或計算指標,完成人工智能的質(zhì)量評測。人工智能技術評價標準可以分為以下幾個方面。
第一個方面是準確性能評測,包括準確度、精準度、召回率以及異常值檢測成功率F1值等指標評測;第二個方面模型泛化內(nèi)能力,用于衡量模型在時間和空間維度的泛化成功率;第三方面可靠性評測,衡量模型是否具有非常好的抗噪能力;第四方面模型訓練運行效率,訓練時間消耗,計算資源消耗,訓練一個模型需要一兩個小時,還是需要一兩個月,才能把這個模型訓練好,訓練過程中需要多少塊GPU和CPU。
就智能汽車過程中的AI技術質(zhì)量設計了一套質(zhì)量評價體系圖表,可以看到我們對車道檢測,圖象檢測,語音識別等,對他們提出了準確度、召回率、精確度、異常值檢測,以及訓練時間和計算資源消耗等指標,通過量化指標評估人工智能技術性能。
第二方面在質(zhì)量評測基礎上進行性價比評測,通過與基準檢驗方案質(zhì)量評測結(jié)果和所需要的價格形成對比,為AI產(chǎn)品需求側(cè)提供非常直觀的性價比評估。
傳統(tǒng)的人工智能技術的開發(fā)流程。首先是原始數(shù)據(jù)采集,使用自動汽車上面的雷達或者傳感器去獲取源數(shù)據(jù),在源數(shù)據(jù)基礎上進行人工特征工程包括數(shù)據(jù)清洗,還有一些特征提取等工作,基于這些特征工程的數(shù)據(jù)分布進行模型設計,選用一些時序方法還是一些傳統(tǒng)的比如說基于數(shù)的模型方法,最后我們進行智能汽車相關任務的預測或者分類,主要是特征工程和模型設計,這兩個過程的質(zhì)量直接決定了人工智能完成情況,對于這兩部分的通用構(gòu)建的基礎數(shù)據(jù)庫和基礎模型庫,特征工程和模型工程作為黑箱,最后形成相關任務的性價比對比。
除了傳統(tǒng)的評估方法,另外一種評估方法就是利用經(jīng)典算法模型去評估,主要方式就是去替代原方案模型設計部分,在保證其他模塊不變情況下,對比智能汽車相關任務完成性能,從而去評測原方案模型設計的模塊性價比。經(jīng)典算法模型評估主要是利用人工智能的各項性能指標進行評判,包括準確度、召回率、精確度、異常值檢測率、泛化成功率、訓練時間、計算資源消耗、建議價格。
最后,我用工信部發(fā)布的新一代人工智能產(chǎn)業(yè)重點任務工作方案來作為總結(jié)。至2020年我國要建立可靠、安全、實施性強的智能網(wǎng)聯(lián)汽車智能化產(chǎn)品,形成產(chǎn)品相關標準,支撐高度自動駕駛。AI評估作為AI技術和傳統(tǒng)的汽車交通業(yè)的一個橋梁,它對合理全面科學建立AI技術和汽車是非常必要、非常重要的一個環(huán)節(jié),促進智能交通全要素、全產(chǎn)業(yè)鏈、全價值鏈全面升級。我也非常希望能夠與更多IT行業(yè),以及汽車行業(yè)加入到評估標準體系建設團體來,一起為人工智能更好更科學更健康的在智能交通領域應用做出貢獻。
(根據(jù)2019世界智能網(wǎng)聯(lián)汽車大會速記整理,未經(jīng)本人確認,有刪節(jié)。)