2018年2月6日星期二

Aurora牵手拜腾,将在湾区部署百辆自驾车,意欲打入中国市场

编译 | 王宇欣

来源 | Wired

作者 | Alex Davies


汽车行业两个最有趣的年轻公司——拜腾和 Aurora 正在联手生产一款线条流畅、大屏幕的自动驾驶 SUV,预计 2020 年发布。这将是一款全电动的车型,500 公里的续航能力哪怕与最持久的 Tesla 车型相比也不遑多让。


可以肯定的是,这是一个很大胆的野心,但是设计之初,却并没有这样疯狂。


新晋的中国汽车制造商拜腾上个月在中国国际消费电子展上展出了这款车的原型机。该车搭载了 49 英寸的屏幕,随之亮相的还有一大堆模糊的关键词:连接、共享、变革还有智能。


拜腾 CEO 毕福康表示,「电动汽车的故事已经讲完了。」由于政府激励措施和技术进步的推动,从汽油和柴油向电能转移的过程正在稳步进行。他表示,一个强劲的电池组并不能够在汽车行业中脱颖而出,「我们想要完成第一台真正意义上的智能汽车。」


在汽车行业,与其它技术领域一样,「智能」是一个让人容易理解的术语,用一大块金属和计算机造出一台汽车,承诺这台汽车会使生活变得更轻松,更简单,这就是智能。但是在今天宣布的合作中,毕福康已经开始讲述其愿景中关键部分的细节了。


为了实现自动驾驶,拜腾拉来了一个外援,它刚刚和 Aurora 签订了一笔交易。未来两年,拜腾与 Aurora 将联合开展试点项目,在拜腾的车辆上共同开发自动驾驶技术,并在旧金山湾区部署 100 - 200 辆的自动驾驶汽车进行测试。


此外,双方将进一步探索 Aurora 自动驾驶系统在拜腾量产车中的应用。在验证安全的基础上,拜腾将与 Aurora 合作 L4 乃至更高级别的自动驾驶技术。


与已经在自动驾驶领域摸爬滚打十多年的谷歌相比,Aurora 不过是个新来者,但是多亏了 Aurora 的三位领军人,公司在如今的自动驾驶市场已处于领先地位:Chris Urmson 帮助 Google 推出了自己的自动驾驶车队,并运营了数年时间;Sterling Anderson 过去曾经主导 Tesla 的自动驾驶项目;Drew Bagnell 则掌舵 Uber 自动驾驶项目。


已经宣布与大众和现代合作的 Aurora 并不自己生产车辆,它只是一家单纯的软件供应商。所以,对拜腾来说,Aurora 是一个很好的选择。Aurora 对电动汽车的运行原理并不感兴趣,拜腾也全然不知自动驾驶的门道。二者在拜腾完成车辆设计之前早日合作,拜腾就可以将必要的传感器和计算机无缝集成到车内,这样就不用一股脑把这堆东西放在车顶了。


较晚进入汽车行业反而赋予了拜腾一个优势:无需花费数十年的时间为某一特定类型的客户服务,这样拜腾可以快速适应不断变化的环境。在个人汽车拥有权彻底消亡之前,拜腾计划在小范围内生产个人汽车。这些汽车将会是电动的,并且具有一定程度的自驾功能,毕福康表示。


虽然他还不确定这些汽车应当如何与如今的汽车系统相比,如今的自驾系统仍旧需要司机不间断的监督,并且无法处理诸如在高速公路上停下的消防车这类的突发状况。


毕福康还谈到,拜腾计划把汽车当做一个平台,「为坐在车里的人提供数字内容,还能为广告主投放视听广告。」这些汽车将会是真正的无人驾驶车型,没有方向盘或者脚踏板,整天都可以运行,提供类似出租车的服务。


现有的汽车制造商会因为其传统商业模式的需要而受到限制——销售带有方向盘和油门踏板的普通汽车。所以他们倾向于提供配备稍弱自驾能力的汽车,例如可以在高速路上辅助汽车驾驶的半自动系统。


在这些车企卖向个人买家的汽车中,驾驶员打开自动驾驶功能,但是需要一刻不停地对车辆进行监视。即使具有十年历史的 Tesla,也逃脱不了这个模式。Elon Musk 也在谈共享、自驾汽车的未来,但是这样的未来完全取决于他每年制造和销售数十万辆 Model 3 型汽车的能力。


对于 Aurora 来说,与拜腾的合作可以让它借此机会进入这家年轻的汽车制造商的领地——中国,世界上最大的汽车市场,每年有 26 万人死于交通事故,最近刚刚开始允许在一些道路上进行自动驾驶汽车的测试。


但目前为止,Aurora 还没能迈入这个市场。这次的合作仅针对美国的汽车,要移步中国,Aurora 需要调整自己的软件。中国的大环境,不论是驾驶员还是驾驶情况都与美国大不相同。但是与言而喻,与一家中国汽车制造商建立合作关系是一个很好的方法,可以让 Aurora 在这样潜力巨大的市场中拥有立足之地,毕竟中国这片沃土对本土公司非常偏爱。


在汽车行业这样一个不断变化的领域中,最重要的一个词不是「智能」不是「连接」也不是「联网」,而是「灵活」。

                                      

文章来源:http://ift.tt/2E3W7qJ

]]> 原文: http://ift.tt/2BdzMUX
RSS Feed

机器知心

IFTTT

2018年2月5日星期一

简化深度学习实践流程:新鲜出炉的TensorFlow项目模板来了

林鳞 编译自 GitHub量子位 出品 | 公众号 QbitAI

新的TensorFlow项目模板来了。

昨天,用户mrgemy95在Reddit上发帖,称这是"TensorFlow项目模板架构的最佳实践"。几小时内,帖子热度迅速上升。

此外,mrgemy95还将代码公布在GitHub上,短短几天就收获了200+个star。

量子位带大家去GitHub上探查一下这个模板。

一个简单且精心设计的结构对于任何深度学习项目来说都是必不可少的,所以在TensorFlow项目中经过大量实践后,mrgemy95等人总结出一个集简洁、文件夹结构的最佳实践和良好的OOP(面向对象的程序设计)的TensorFlow项目模板。

如何使用这个模板呢?举个例子,假设你想实现VGG模型,你需要按照以下步骤执行:

在模型文件夹中创建一个从"base_model"分类继承来的VGG分类。

重写"build_model"和"init_saver"这两个函数。

前者是实现VGG模型的地方,后者是定义TensorFlow saver的地方。

在trainer文件夹中创建一个从"base_train"分类继承来的VGG trainer。

重写"train_step"和"train_epoch"这两个函数。

在主文件中创建一个会话,并创建"Model"、"Logger"、"Data_Generator"、"Trainer"对象的实例和配置。

将所有这些对象传递给trainer对象,通过调用"trainer.train()"开始你的训练。

之后,你将在模型和trainer文件夹中创建模板文件和一个简单的示例,它将向你展示如何简单尝试第一个模型。

作者表示,之后会考虑用新的TensorFlow数据集API替换数据加载器部分。

最后,附项目GitHub地址:

Mrgemy95/Tensorflow-Project-Template

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 http://ift.tt/2BZkvUm
RSS Feed

RSS5

IFTTT

简化深度学习实践流程:新鲜出炉的TensorFlow项目模板来了

林鳞 编译自 GitHub量子位 出品 | 公众号 QbitAI

新的TensorFlow项目模板来了。

昨天,用户mrgemy95在Reddit上发帖,称这是"TensorFlow项目模板架构的最佳实践"。几小时内,帖子热度迅速上升。

此外,mrgemy95还将代码公布在GitHub上,短短几天就收获了200+个star。

量子位带大家去GitHub上探查一下这个模板。

一个简单且精心设计的结构对于任何深度学习项目来说都是必不可少的,所以在TensorFlow项目中经过大量实践后,mrgemy95等人总结出一个集简洁、文件夹结构的最佳实践和良好的OOP(面向对象的程序设计)的TensorFlow项目模板。

如何使用这个模板呢?举个例子,假设你想实现VGG模型,你需要按照以下步骤执行:

在模型文件夹中创建一个从"base_model"分类继承来的VGG分类。

重写"build_model"和"init_saver"这两个函数。

前者是实现VGG模型的地方,后者是定义TensorFlow saver的地方。

在trainer文件夹中创建一个从"base_train"分类继承来的VGG trainer。

重写"train_step"和"train_epoch"这两个函数。

在主文件中创建一个会话,并创建"Model"、"Logger"、"Data_Generator"、"Trainer"对象的实例和配置。

将所有这些对象传递给trainer对象,通过调用"trainer.train()"开始你的训练。

之后,你将在模型和trainer文件夹中创建模板文件和一个简单的示例,它将向你展示如何简单尝试第一个模型。

作者表示,之后会考虑用新的TensorFlow数据集API替换数据加载器部分。

最后,附项目GitHub地址:

Mrgemy95/Tensorflow-Project-Template

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 http://ift.tt/2BZkvUm
RSS Feed

RSS5

IFTTT

好未来“AI训练营”助力打造极智人才,布局“科技+教育”全球发展

近日,好未来举办了"赋能教育 极''未来——"AI+教育"学术交流会,好未来CTO黄琰、教育部科技司舒华、斯坦福大学计算机系教授James A. Landay、好未来AI Lab负责人杨松帆、清华大学计算机系教授李国良、阿里巴巴人工智能实验室北京研发中心负责人聂再清等重量级嘉宾齐聚一堂,从人工智能,脑科学等领域,探讨了科技赋能教育的全新趋势和未来方向。

 

会上,教育部科技司舒华表示道,"随着AI等前沿科技的飞速发展,教育界和产业界将迎来更大的融合空间,也将带来更多机遇和挑战。在未来,信息技术将对教育带来革命性影响,教育科学的基础研究和交叉融合,将助力加速教育信息化进程,并用教育信息化不断推动教育现代化发展。"

 

而目前,"AI+教育"最有可能是教育领域的一场革命。

 

"科技+教育"战略国际化升级,好未来持续领跑"AI+教育"

 

交流会上,好未来宣布与斯坦福大学正式达成战略合作,双方将围绕"科技+教育"领域进行课题研究、技术探索和项目合作。好未来CTO黄琰表示,好未来是一家持续探索未来人类学习方式的公司,并希望通过"AI+教育"解决优质教育资源匮乏和教育普惠问题。



 

好未来与斯坦福达成战略合作,举行联合项目签约仪式

 

这是好未来不久前与清华大学计算机系合作成立联合研究中心、共建"智慧课堂"合作后,再一次与世界顶级院校达成"AI+教育"的深度合作。

 

大会中,斯坦福大学计算机系教授、美国计算机协会院士James Landay远程连线发表了演讲。他表示,"斯坦福大学和好未来的匹配度非常高。好未来一直在人工智能等前沿领域展开探索,积累了非常多学生、教师的行为数据,有利于双方形成强大合力,共同推动教育科技产品的落地。未来,双方也将共同探索"AI+教育"的广阔发展空间,力求为教育领域带来革命性改变。"

 

据好未来AI Lab负责人杨松帆介绍,好未来已经在计算机视觉、语音识别、机器学习等前沿方向展开研究。未来,将与斯坦福大学共同在语义识别、人机交互等方面进行大量探索,并将其运用到线上、线下的教学之中。好未来也将携手斯坦福大学,基于大量学生学习数据的积累,打造定制化学习系统,为全球学生提供更好的教育。

 

交流会上,好未来还正式宣布成立国内教培行业首家"脑科学实验室"。好未来CTO黄琰表示,好未来作为一家持续探索未来人类学习方式的公司,希望通过脑科学研究及反馈,帮助学生匹配个性化学习内容、动态调整大脑学习状态,将教学艺术发展为教学科学,实现人工智能和脑科学的协同配合,让科技服务于人,让下一代更加适应未来社会。

 

在数据的驱动下,脑科学和AI的协同发展,将进一步加深好未来在教育领域的渗透程度。

 

目前,好未来有4000名技术、产品和教学研发人员,未来三年内,这一数字将超过1万人,其中包括500人规模的AI和脑科学研发团队。同时,好未来还将在全球范围内建立由顶级科学家和优秀研究院支持的6所联合实验室,并将在2018年成立海外研发中心,共同助力"科技+教育"进步。

 

赋能AI 人才战略  好未来AI Lab打造实战训练营

 

在正在发生的未来里,人工智能将激发出人类在职业领域里,越来越多不可思议的能力。大环境之下,技术水平必须不断提升才能跟得上新应用及新场景的演进节奏。而 AI 的发展一日千里,也将行业人才竞争白热化的进程进一步加快。

 

说到底,AI 的竞争本质上是人才的竞争。交流会上,AI圆桌讨论的嘉宾们也对未来AI人才的培养各抒己见。

 

 

好未来AI Lab负责人杨松帆、清华大学计算机系教授李国良、阿里巴巴人工智能实验室北研中心负责人聂再清及先声教育CTO秦龙展开AI圆桌讨论

 

清华大学计算机系教授李国良表示,"我们如果要应对变化,最好是把自己的基本功打实,能够学一些真的本事。不只是学一下技术,我们要在乎的是整个思维的训练,能力的训练,这样就能适应更多的场合。"

 

阿里巴巴人工智能实验室北京研发中心负责人聂再清提到,AI人才培养涉及三个方面,"需要有一些基本的理论知识,这是每个人都需要学的。第二,还需要动手做一些事情,要不去做实习,要不解决一两个问题,问题是他自己对这个事情要有兴趣,理论和实践怎么联系起来,怎么去学习更多的理论,来解决实际的问题。要形成这么一个兴趣,也是蛮重要的。"

 

这些观点与好未来AI Lab正打造的TAILTAL AI Lab CAMP——AI实战训练营的初衷和整体设计思路不谋而合。作为国内 AI+教育领域的领军企业,好未来在人工智能的人才拓荒上一直坚持努力着。

 

好未来AI Lab负责人杨松帆表示,"优秀的AI人才必备的素质,在掌握机器学习的基本概念的同时,需要具备解决问题的能力,好未来AI Lab希望通过AI实战项目训练营来助力AI人才成长。"

 

如何挖掘和培养有梦想的高潜科技人才,是好未来AI Lab一直思考和探索的AI战略之一,而TAIL CAMP实战训练营正是其给出的一个答案

 

'智'未来   AI训练营助攻科技人才成长

 

TAIL CAMP基于好未来AI Lab"AI+教育"方面的探索,聚焦于图像识别、自然语言处理数据挖掘三个方向,以业务实战经验与经典案例为素材,将毕业时学员能够输出有价值的作品作为主线,编写学习材料并提供学习支持。课程将以一线科学家设计的应用材料学习、导师线上指导答疑、重量级嘉宾直播和实战项目演练四个模块展开。



 

 

TAIL CAMP还特别设立了100位预招学员的名额,提供免学费和GPU计算资源的零成本学习。此外,参与AI实战训练营的学员都有机会获得训练营奖学金,表现突出者更有机会获得好未来AI Lab高薪实习和工作职位,以及加入清华大学、斯坦福大学联合科研项目的机会,与全球高水准人工智能科学家合作,利用前沿AI技术驱动教育变革。

 

目前训练营已经有1700余名学员报名,其中来自卡内基梅隆、帝国理工、清华大学、北京大学等海内外重点高校的报名者超过1000人,硕士生占比超过50%,这一结合行业发展与人才培养的新模式得到了广大技术青年和教育工作者的广泛欢迎,为AI技术社区带来了新鲜的思路与创新的实践。

相信TAIL CAMP,这项由好未来AI Lab发起的高潜科技人才培训计划能够贡献自身力量,为行业持续输入优秀的科技人才,成为科技人才发展的助推力。

 

 

 

 

]]> 原文: http://ift.tt/2BGyCT8
RSS Feed

机器知心

IFTTT