10 月 28 日至 29 日,，由杭州未來(lái)科技城（海創(chuàng)園）管委會(huì)指導(dǎo),，DeepTech 主辦的世界科技青年論壇暨 “35 歲以下科技創(chuàng)新 35 人”（TR35）全球-亞太區(qū)線(xiàn)下發(fā)布儀式,，在杭州未來(lái)科技城成功舉辦,。

在 TR35 全球-亞太區(qū)線(xiàn)下發(fā)布儀式現(xiàn)場(chǎng)，一眾頂尖科學(xué)家,、青年科技人才,、科技創(chuàng)業(yè)人士對(duì)世界科技前沿技術(shù)和熱點(diǎn)問(wèn)題進(jìn)行了探討、交流,。

阿里巴巴集團(tuán)副總裁,、達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室負(fù)責(zé)人王剛以《無(wú)人駕駛從技術(shù)到產(chǎn)品再?gòu)漠a(chǎn)品到技術(shù)》為主題，分享了他對(duì)無(wú)人駕駛的看法,。一般來(lái)說(shuō),，人們對(duì)技術(shù)到產(chǎn)品的流程非常熟悉，但是從產(chǎn)品到技術(shù)卻不是很了解,，此次分享,，王剛便為大家詳細(xì)闡述了其中的邏輯區(qū)別。

圖 | 阿里巴巴集團(tuán)副總裁,、達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室負(fù)責(zé)人王剛

瞄準(zhǔn)末端無(wú)人駕駛,，服務(wù) “最后三公里” 需求

在大家的普遍認(rèn)知里，無(wú)人駕駛或許離我們還很遙遠(yuǎn),，但事實(shí)上,，末端無(wú)人駕駛市場(chǎng)卻大有可為。

王剛指出,，阿里達(dá)摩院致力于解決 “最后三公里” 的包裹配送需求,，瞄準(zhǔn)的市場(chǎng)正是末端無(wú)人駕駛，并在規(guī)?；彤a(chǎn)品化方面取得極大進(jìn)展,。目前，達(dá)摩院已經(jīng)在全國(guó) 22 個(gè)省和 71 個(gè)城市開(kāi)展了常態(tài)化物流服務(wù),，累計(jì)服務(wù)接近 200 多個(gè)大學(xué)校園和社區(qū),，配送單量超過(guò)一百萬(wàn)單。

當(dāng)然,，相比于快遞市場(chǎng)或者對(duì)物流市場(chǎng)來(lái)講,，這樣的數(shù)字并不值一提，但就無(wú)人駕駛領(lǐng)域而言,，這個(gè)數(shù)字已經(jīng)實(shí)現(xiàn)了一個(gè)極大的突破,，客觀(guān)上也佐證了達(dá)摩院的產(chǎn)品化能力。目前,，該產(chǎn)品已輻射了全國(guó)大部分地取,，東北到哈爾濱、南到廣州,、西到成都,，產(chǎn)品穩(wěn)定性值得肯定。

話(huà)題回歸到無(wú)人駕駛,，王剛指出,，目前我們針對(duì)的只是末端 “最后三公里” 的場(chǎng)景，而作為無(wú)人駕駛領(lǐng)域的從業(yè)者,，其實(shí)每個(gè)人最想解決的是 “所有場(chǎng)景里都能夠自動(dòng)駕駛” 的難題,。

王剛表示，“我覺(jué)得前面做的一切事情,，包括產(chǎn)品化和規(guī)?；际菐椭覀儚募夹g(shù)路徑上實(shí)現(xiàn)目標(biāo),，所以我們做末端三公里并不只是一個(gè)業(yè)務(wù)決策,，更多的是技術(shù)決策?！?/p>

從數(shù)據(jù)里找規(guī)律,，重新定義無(wú)人駕駛技術(shù)路徑

縱觀(guān)過(guò)去幾十年人工智能的發(fā)展，幾乎所有成功的經(jīng)驗(yàn)都是基于統(tǒng)計(jì)學(xué)習(xí),。而統(tǒng)計(jì)學(xué)習(xí)的本質(zhì)就是從數(shù)據(jù)里面找到規(guī)律,，如果沒(méi)有數(shù)據(jù)，再聰明的科學(xué)家也很難找到辦法讓機(jī)器變得更聰明。

在王剛看來(lái),，數(shù)據(jù)驅(qū)動(dòng)無(wú)疑是解決無(wú)人駕駛目前問(wèn)題的最佳技術(shù)路徑之一,。

基于這樣的認(rèn)識(shí)和了解，王剛提出,，在當(dāng)前條件下無(wú)人駕駛需要解決兩個(gè)問(wèn)題：一是如何獲取海量數(shù)據(jù),；二是如何利用數(shù)據(jù)。

那么我們?cè)撊绾潍@取海量數(shù)據(jù)呢,？

據(jù)王剛介紹,，其在三年前確定業(yè)務(wù)和技術(shù)方向的時(shí)候，就考慮過(guò)是否學(xué)習(xí)谷歌依靠測(cè)試車(chē)解決 robot taxi 問(wèn)題,。但由于交通場(chǎng)景的復(fù)雜性,，測(cè)試數(shù)據(jù)和場(chǎng)景都顯得過(guò)于片面，最終放棄了這個(gè)想法,。

接下來(lái),，王剛想到先通過(guò)垂直場(chǎng)景解決業(yè)務(wù)問(wèn)題，再利用其產(chǎn)生的價(jià)值去推動(dòng)汽車(chē)規(guī)?；?，從而推動(dòng)更多車(chē)輛的部署，當(dāng)有更多車(chē)輛部署的時(shí)候,，數(shù)據(jù)的采集就變成了一件自然而然的事,，進(jìn)而推進(jìn)技術(shù)發(fā)展。

“時(shí)至今日,，經(jīng)過(guò)不斷的技術(shù)研發(fā)和產(chǎn)品化,、規(guī)模化的實(shí)驗(yàn),，我們初步看到了曙光,，在未來(lái)幾年的技術(shù)發(fā)展里，我們會(huì)從傳統(tǒng)的路測(cè)驅(qū)動(dòng)走向產(chǎn)品驅(qū)動(dòng),，即從產(chǎn)品再到技術(shù),。” 王剛表示,。

阿里達(dá)摩院計(jì)劃在兩到三年內(nèi)部署一萬(wàn)輛車(chē)的規(guī)模,，覆蓋中國(guó)所有的大學(xué)還有大型的園區(qū)、社區(qū),，并將今天的累計(jì)一百萬(wàn)訂單發(fā)展成每天配送一百萬(wàn)訂單,。王剛表示，這一百萬(wàn)訂單的背后會(huì)積累非常多有意思,，對(duì)技術(shù)帶來(lái)非常大改變的數(shù)據(jù),。比如末端場(chǎng)景中經(jīng)常出現(xiàn)的行人,、非機(jī)動(dòng)車(chē)等，相比更容易檢測(cè),、預(yù)測(cè)的卡車(chē)和轎車(chē),，這類(lèi)交通參與者才是無(wú)人駕駛里面最頭痛的問(wèn)題。

而在達(dá)摩院構(gòu)建的場(chǎng)景下,，一輛車(chē)日均可檢測(cè) 4000 萬(wàn)個(gè)障礙物,，每天與行人和非機(jī)動(dòng)車(chē)進(jìn)行超過(guò) 5000 次的交互,。隨著更多的車(chē)輛被部署后,，其產(chǎn)生的數(shù)據(jù)將是難以想象的。

獲取數(shù)據(jù)之后,，最重要的節(jié)點(diǎn)就是掌握利用數(shù)據(jù)的方法,。

王剛表示，“數(shù)據(jù)是一個(gè)石油,，但是怎么樣提煉出來(lái)是另外一個(gè)同樣重要的問(wèn)題,。” 而實(shí)現(xiàn)這樣的人工智能無(wú)外乎三個(gè)方向,。

第一個(gè)方向是學(xué)習(xí)人腦,。不過(guò)王剛也表示，人腦是非常復(fù)雜的結(jié)構(gòu),，很難做到徹底了解,，因此不宜在這個(gè)方向投入太多的資源。第二個(gè)方向是自動(dòng)化學(xué)習(xí),，即通過(guò)仿真虛擬化場(chǎng)景提高人工智能能力,，而不過(guò)度依賴(lài)人工的經(jīng)驗(yàn)和能力。第三個(gè)方向是小樣本學(xué)習(xí)能力,，同樣受人的啟發(fā),。

達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室在自動(dòng)化學(xué)習(xí)上做了很多努力，且擁有了獨(dú)屬于自身的差異化競(jìng)爭(zhēng)優(yōu)勢(shì),，分別表現(xiàn)在硬件和工程上,。王剛說(shuō)道，“比如我們做了無(wú)人駕駛?cè)溌返淖詣?dòng)化學(xué)習(xí),，包括最困難的決策規(guī)劃,、控制以及定位，而不僅僅是常見(jiàn)的感知和圖象識(shí)別,，這就是我們工程上的差異化,。”

將智能仿真和強(qiáng)化學(xué)習(xí)相結(jié)合

那么如何將智能仿真和強(qiáng)化學(xué)習(xí)結(jié)合在一起呢,？

王剛表示,，谷歌作為世界上最好的 AI 公司之一,，其實(shí)已經(jīng)做了類(lèi)似的探索，那就是阿爾法圍棋（AlphaGo）,。作為第一個(gè)戰(zhàn)勝?lài)迨澜绻谲姷娜斯ぶ悄軝C(jī)器人,，AlphaGo 由谷歌旗下 DeepMind 公司戴密斯·哈薩比斯（Demis Hassabis）領(lǐng)銜的團(tuán)隊(duì)開(kāi)發(fā)，其主要工作原理正是 “深度學(xué)習(xí)”,。

但之所以這樣的方法沒(méi)有大規(guī)模應(yīng)用在機(jī)器人和無(wú)人駕駛領(lǐng)域,，在于其中仍有迫切需要解決的問(wèn)題。

首先是如何仿真場(chǎng)景,，因?yàn)樵趪孱I(lǐng)域,，仿真是非常容易的，把棋盤(pán)畫(huà)出來(lái)就可以了,，而無(wú)人駕駛卻需要構(gòu)造交通場(chǎng)景,，這就需要工程上的投入。

其次,，從算法上來(lái)講 AlphaGo 是離散空間,，而無(wú)人駕駛場(chǎng)景卻是連續(xù)空間，所以達(dá)摩院也研發(fā)出了基于連續(xù)空間的蒙特卡洛樹(shù)搜索算法,，從而讓該方法在連續(xù)空間里同樣得以實(shí)現(xiàn),。

在王剛看來(lái)，積累數(shù)據(jù)和用好數(shù)據(jù)都是為了去更好地解決自動(dòng)駕駛問(wèn)題,。他表示,，“目前我們已經(jīng)基本解決了末端的低速問(wèn)題，不僅能滿(mǎn)足業(yè)務(wù)需求,，還極大地降低了成本,。在未來(lái)，我和團(tuán)隊(duì)將圍繞更泛化的場(chǎng)景做進(jìn)一步的研發(fā),，并基于當(dāng)前的經(jīng)驗(yàn)以及數(shù)據(jù)去攻克更大的挑戰(zhàn),。”