2018年8月2日星期四

AutoX创始人肖健雄:我们的无人驾驶要让天下没有难开的店

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI

注意,X教授正在带来无人驾驶新维度的思考。

无人车的商业落地模式,或许你早已耳濡目染。

无论是开风气之先的Waymo,还是一众国内L4自动驾驶公司,想要实现的无非就是"无人车+滴滴"。

于是当前最主流的模式,在于"车技"打磨、车队运营,以及商业化落地。

也有运货为核心的,但更多是让AI替代卡车司机。

而把无人驾驶新零售放在一起,喊出让天下没有难开的店,估计只有Professor X一个。

创业2年

"Professor X"何许人也?

无人车业内早已熟悉,他是机器视觉和机器人领域知名学者,普林斯顿大学助理教授肖健雄。

他之前的学术履历,足够光鲜:

  • 香港科技大学本硕,从那时起就开始三维重建和街景分析研究;
  • 其后博士学于MIT,期间拿到2012年Google Research 最佳论文奖。
  • 博士毕业后受聘普林斯顿大学计算机系,出任助理教授,搭建起计算机视觉和机器人实验室,专注于三维计算机视觉在机器人领域的应用,并在2014、2015年连获Google Research Awards。

但这都是2016年以前的事了。

2016年秋天,Professor X在AI浪潮中心动而身动,身动化为行动,告别学术界,投身工业界,成为自动驾驶公司AutoX的创始人。

AutoX是一家主打L4、L5级无人驾驶的公司,并且因为Professor X的履历背景,选择了视觉感知为核心的方案。

这遭来一些误解。

"我们不排斥激光雷达"

最主要的误解,外界渐渐传成了AutoX不使用激光雷达,纯摄像头的感知方案。

于是Professor X各种场合都要费一番口舌。

他说,摄像头为主,并不是排斥激光雷达,而是摄像头一来便宜、更符合快速落地商用的要求,二来摄像头在分辨率方面性能更好,让居民区落地的无人驾驶安全性更有保障

不过,从今往后,Professor X需要专门解释的机会,可能要越来越少了。

因为他要拿产品出来说话了。

3款产品

AutoX规划在列的有3款产品。

一款轿车产品,他们称为快车,主要用来运人和运货,有点Uber和Uber送餐的意味,主要落地在美国,2018年年内就会公布具体方案。

在这款改装轿车的方案上,AutoX目前选择了1个禾赛40线激光雷达,以及一套环视摄像头方案,整套自动驾驶方案(不含车)下来成本差不多3.5-4万美元。

第二款是小车,主打物流配送场景,可以送外卖、送快递,会落地在国内,最近已在美团无人配送开放平台亮相。

Professor X说,这款小车完全由AutoX设计并"生产",他们在常州建立了工厂,现在可以月产10辆,全套方案(含车)造价成本在1万美元左右。

在传感器方案上,小车有一个16线速腾聚创激光雷达,前后各2个单目摄像头,再配备6个超声波雷达。

Professor X透露,今年就能在美团送外卖和中通送快递中看到,目前在深圳的一些半封闭园区也已开始试水。

第三款是大车,长得像面包车,是Professor X所说的"无人驾驶+新零售"中最典型的应用,不光能送货也还可以卖货,可以看作是一个移动的无人零售货架。

这款车的规划会比前两款更长远一些,不光也算是"快车"+"小车"的叠加,既有高速行驶的要求,也有低速驾驶的场景。

Professor X认为,通过上述3款产品,至少能变革整个零售的服务方式。

  • 第一种,用户网上下单,用无人车把外卖和购买的货品送货上门;
  • 第二种,直接把整个车带着无人货架开过来,用户在家门口现场购买;
  • 第三种,通过无人驾驶接驳,送你到店消费。

所以在Professor X看来,AutoX的一切方案,都在做一个本地的无人驾驶技术为核心的运力服务平台,简称为LBSS。

如果你问Professor X,这与其他无人驾驶公司有何不同?

他会说这是一种互联网思维、服务思维出发的无人驾驶落地思路,他的最终愿景是:让天下没有难开的店。

量产落地

当然,不谈量产和落地的无人驾驶,都是耍流氓。

AutoX在这方面也有明确规划,而且还结合了中美不同的国情。

中国,主要产品是小车和轿车,选择与大B企业合作,或者直接向大B企业交付服务如美团、中通等,AutoX仅以技术运维角色出现,应用于拥有路权或能短期就能开展的场景。

按照Professor X的预测,一旦真正运转起来,一年就能回本,第二年就能开始盈利。

而美国,政策法规目前更清晰健全,路况也相对简单,主推轿车和大车,会自己运营整个平台,不久也会公布一些商家合作方。

总之,Professor X透露,创业将至2年节点,也到了"看货"的时刻,他自己总结说,虽然2年100人的团队规模进展,不算快,但不断吸收的都是厉害角色,声势会越来越大。

资本方面,AutoX有丹华资本(张首晟)提供的种子轮,也有上汽参与的A轮,目前B轮进行中。

最后,最令Professor X自豪的,莫过于AutoX的整个技术方案,他反复强调:这是一套面向量产的原创性方案。

如果你感兴趣,可直接移步Professor X之前的专栏文章:《无人车量产的4大技术储备》



via 量子位 - 知乎专栏 https://ift.tt/2O7qrRZ
RSS Feed

RSS5

IFTTT

AutoX创始人肖健雄:我们的无人驾驶要让天下没有难开的店

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI

注意,X教授正在带来无人驾驶新维度的思考。

无人车的商业落地模式,或许你早已耳濡目染。

无论是开风气之先的Waymo,还是一众国内L4自动驾驶公司,想要实现的无非就是"无人车+滴滴"。

于是当前最主流的模式,在于"车技"打磨、车队运营,以及商业化落地。

也有运货为核心的,但更多是让AI替代卡车司机。

而把无人驾驶新零售放在一起,喊出让天下没有难开的店,估计只有Professor X一个。

创业2年

"Professor X"何许人也?

无人车业内早已熟悉,他是机器视觉和机器人领域知名学者,普林斯顿大学助理教授肖健雄。

他之前的学术履历,足够光鲜:

  • 香港科技大学本硕,从那时起就开始三维重建和街景分析研究;
  • 其后博士学于MIT,期间拿到2012年Google Research 最佳论文奖。
  • 博士毕业后受聘普林斯顿大学计算机系,出任助理教授,搭建起计算机视觉和机器人实验室,专注于三维计算机视觉在机器人领域的应用,并在2014、2015年连获Google Research Awards。

但这都是2016年以前的事了。

2016年秋天,Professor X在AI浪潮中心动而身动,身动化为行动,告别学术界,投身工业界,成为自动驾驶公司AutoX的创始人。

AutoX是一家主打L4、L5级无人驾驶的公司,并且因为Professor X的履历背景,选择了视觉感知为核心的方案。

这遭来一些误解。

"我们不排斥激光雷达"

最主要的误解,外界渐渐传成了AutoX不使用激光雷达,纯摄像头的感知方案。

于是Professor X各种场合都要费一番口舌。

他说,摄像头为主,并不是排斥激光雷达,而是摄像头一来便宜、更符合快速落地商用的要求,二来摄像头在分辨率方面性能更好,让居民区落地的无人驾驶安全性更有保障

不过,从今往后,Professor X需要专门解释的机会,可能要越来越少了。

因为他要拿产品出来说话了。

3款产品

AutoX规划在列的有3款产品。

一款轿车产品,他们称为快车,主要用来运人和运货,有点Uber和Uber送餐的意味,主要落地在美国,2018年年内就会公布具体方案。

在这款改装轿车的方案上,AutoX目前选择了1个禾赛40线激光雷达,以及一套环视摄像头方案,整套自动驾驶方案(不含车)下来成本差不多3.5-4万美元。

第二款是小车,主打物流配送场景,可以送外卖、送快递,会落地在国内,最近已在美团无人配送开放平台亮相。

Professor X说,这款小车完全由AutoX设计并"生产",他们在常州建立了工厂,现在可以月产10辆,全套方案(含车)造价成本在1万美元左右。

在传感器方案上,小车有一个16线速腾聚创激光雷达,前后各2个单目摄像头,再配备6个超声波雷达。

Professor X透露,今年就能在美团送外卖和中通送快递中看到,目前在深圳的一些半封闭园区也已开始试水。

第三款是大车,长得像面包车,是Professor X所说的"无人驾驶+新零售"中最典型的应用,不光能送货也还可以卖货,可以看作是一个移动的无人零售货架。

这款车的规划会比前两款更长远一些,不光也算是"快车"+"小车"的叠加,既有高速行驶的要求,也有低速驾驶的场景。

Professor X认为,通过上述3款产品,至少能变革整个零售的服务方式。

  • 第一种,用户网上下单,用无人车把外卖和购买的货品送货上门;
  • 第二种,直接把整个车带着无人货架开过来,用户在家门口现场购买;
  • 第三种,通过无人驾驶接驳,送你到店消费。

所以在Professor X看来,AutoX的一切方案,都在做一个本地的无人驾驶技术为核心的运力服务平台,简称为LBSS。

如果你问Professor X,这与其他无人驾驶公司有何不同?

他会说这是一种互联网思维、服务思维出发的无人驾驶落地思路,他的最终愿景是:让天下没有难开的店。

量产落地

当然,不谈量产和落地的无人驾驶,都是耍流氓。

AutoX在这方面也有明确规划,而且还结合了中美不同的国情。

中国,主要产品是小车和轿车,选择与大B企业合作,或者直接向大B企业交付服务如美团、中通等,AutoX仅以技术运维角色出现,应用于拥有路权或能短期就能开展的场景。

按照Professor X的预测,一旦真正运转起来,一年就能回本,第二年就能开始盈利。

而美国,政策法规目前更清晰健全,路况也相对简单,主推轿车和大车,会自己运营整个平台,不久也会公布一些商家合作方。

总之,Professor X透露,创业将至2年节点,也到了"看货"的时刻,他自己总结说,虽然2年100人的团队规模进展,不算快,但不断吸收的都是厉害角色,声势会越来越大。

资本方面,AutoX有丹华资本(张首晟)提供的种子轮,也有上汽参与的A轮,目前B轮进行中。

最后,最令Professor X自豪的,莫过于AutoX的整个技术方案,他反复强调:这是一套面向量产的原创性方案。

如果你感兴趣,可直接移步Professor X之前的专栏文章:《无人车量产的4大技术储备》



via 量子位 - 知乎专栏 https://ift.tt/2O7qrRZ
RSS Feed

RSS5

IFTTT

手机照片脑补成超大画幅,这个GAN想象力惊人|Keras实现

夏乙 伊瓢 发自 凹非寺 量子位 报道 | 公众号 QbitAI

斯坦福两名学生Mark Sabini和Gili Rusak,在CS230的期末作业里把图像补到了取景框外边。

就像这样:

原本像手机拍摄的照片一样小的一幅画,一下子变成了开阔的大图。

机器根据它天才的"脑补力",将白天和傍晚的竖幅海景图脑补出左右两侧的样子还原出了方形海景图照片。看上去除了左右两侧有种照片被水泡了的模糊感之外,就是完整的一张照片。

Keras实现

最近,印度班加罗尔一位小哥Bendangnuksung(简称Bendang)看中了这种算法,决定把它发扬光大。于是,他根据论文中的训练方法,打造了一个超低门槛的Keras实现,还把可处理的分辨率从128×128提升到了256×256。

一经推出,在Reddit上引起轰动。

大家纷纷表示过于厉害了:

你该不会是用训练集做的测试吧?牛逼,喜欢这种很实用的东西。效果太好了,简直不像是真的。除了能看出原图和生成内容的边界之外,其他简直完美。

甚至还开脑洞想出了应用场景:

4:3画幅的电影可以无暇延伸成21:9的了!还可以把旧电影放大成4k画面!如果我把我的半个脸给它,能给我恢复过来么?

但是也有不少网友指出了一个小问题:这个模型的训练和测试过程很不规范,Bendang展示的效果图,是训练数据中就包含的。

Bendang解释说这个Keras实现,是用海滩数据集训练的,整个数据集一共就350张图,(你们就理解一下嘛)。

然后,他也给出了一张真正的测试效果:

效果勉勉强强。

有了Keras实现,这么cool的想法确实好上手很多,不过在训练和测试这件事上,大家不要学印度小哥。

训练过程

在论文中,这个模型的用到的训练集相当大,有超过3万张图片。不过每张图片只是128×128的小图。

首先,按照这个要求准备数据库,找到36500张128×128的照片,保留100张做测试集。

处理好的数据,通过这样一个DCGAN构架训练。

后面测试集的结果如下,第一排是输入的窄图,第二排是输出效果,第三排则是这张图的原图。

比较一下第二排和第三排看出,结果还不错,除了部分图片有一些明显的边缘之外,还是可以看出图像的连续性的。另外,还有五倍宽度版:

彩蛋

这篇论文获得了CS230作业中的Outstanding Posters。在CS230的作业中,还有很多十分有趣的研究,比如说,Final Project Prize Winners第一名的作业,照着卫星图画地图。

而且,量子位悄悄LinkedIn了一下几位拿到了第一名作者,貌似都是华人/华裔学霸(亮点自寻)。

传送门

Keras实现:https://ift.tt/2vfyDaZ

相关论文:

Painting Outside the Box: Image Outpainting with GANsMark Sabini and Gili Rusak

海报:https://ift.tt/2LNzACk

论文:https://ift.tt/2vuhJ8J

原作者的代码:https://ift.tt/2LISPNn

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 https://ift.tt/2vuh7jr
RSS Feed

RSS5

IFTTT

手机照片脑补成超大画幅,这个GAN想象力惊人|Keras实现

夏乙 伊瓢 发自 凹非寺 量子位 报道 | 公众号 QbitAI

斯坦福两名学生Mark Sabini和Gili Rusak,在CS230的期末作业里把图像补到了取景框外边。

就像这样:

原本像手机拍摄的照片一样小的一幅画,一下子变成了开阔的大图。

机器根据它天才的"脑补力",将白天和傍晚的竖幅海景图脑补出左右两侧的样子还原出了方形海景图照片。看上去除了左右两侧有种照片被水泡了的模糊感之外,就是完整的一张照片。

Keras实现

最近,印度班加罗尔一位小哥Bendangnuksung(简称Bendang)看中了这种算法,决定把它发扬光大。于是,他根据论文中的训练方法,打造了一个超低门槛的Keras实现,还把可处理的分辨率从128×128提升到了256×256。

一经推出,在Reddit上引起轰动。

大家纷纷表示过于厉害了:

你该不会是用训练集做的测试吧?牛逼,喜欢这种很实用的东西。效果太好了,简直不像是真的。除了能看出原图和生成内容的边界之外,其他简直完美。

甚至还开脑洞想出了应用场景:

4:3画幅的电影可以无暇延伸成21:9的了!还可以把旧电影放大成4k画面!如果我把我的半个脸给它,能给我恢复过来么?

但是也有不少网友指出了一个小问题:这个模型的训练和测试过程很不规范,Bendang展示的效果图,是训练数据中就包含的。

Bendang解释说这个Keras实现,是用海滩数据集训练的,整个数据集一共就350张图,(你们就理解一下嘛)。

然后,他也给出了一张真正的测试效果:

效果勉勉强强。

有了Keras实现,这么cool的想法确实好上手很多,不过在训练和测试这件事上,大家不要学印度小哥。

训练过程

在论文中,这个模型的用到的训练集相当大,有超过3万张图片。不过每张图片只是128×128的小图。

首先,按照这个要求准备数据库,找到36500张128×128的照片,保留100张做测试集。

处理好的数据,通过这样一个DCGAN构架训练。

后面测试集的结果如下,第一排是输入的窄图,第二排是输出效果,第三排则是这张图的原图。

比较一下第二排和第三排看出,结果还不错,除了部分图片有一些明显的边缘之外,还是可以看出图像的连续性的。另外,还有五倍宽度版:

彩蛋

这篇论文获得了CS230作业中的Outstanding Posters。在CS230的作业中,还有很多十分有趣的研究,比如说,Final Project Prize Winners第一名的作业,照着卫星图画地图。

而且,量子位悄悄LinkedIn了一下几位拿到了第一名作者,貌似都是华人/华裔学霸(亮点自寻)。

传送门

Keras实现:https://ift.tt/2vfyDaZ

相关论文:

Painting Outside the Box: Image Outpainting with GANsMark Sabini and Gili Rusak

海报:https://ift.tt/2LNzACk

论文:https://ift.tt/2vuhJ8J

原作者的代码:https://ift.tt/2LISPNn

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 https://ift.tt/2vuh7jr
RSS Feed

RSS5

IFTTT

这一次,吴恩达决定投身农业

这份协议的签订标志着中联重科进入人工智能技术领域,成为国内首家 AI 农业装备制造企业。双方将致力于共同研发基于人工智能(AI)技术的新产品,打造顶尖人工智能技术团队,以使中联重科成为以人工智能驱动的领先装备制造企业。

据介绍,吴恩达是在今年 4 月起来到长沙开始和中联重科谈合作的,到签约用了三个多月的时间。今天,中联重科董事长詹纯新与 Landing.AI 创始人吴恩达共同出席了签约仪式。

AI 与制造业的联合

Landing.ai 是吴恩达于 2017 年 12 月成立的一家立足于解决 AI 转型问题的公司,其主要业务面向为制造业提供技术支持。公司不仅为各家制造业公司提供基于人工智能的解决方案,同时也承担员工职业培训的任务。

吴恩达拥有领导顶尖科技公司成功转型为人工智能公司的经验。他曾帮助谷歌、百度两家科技巨头进行人工智能转型。他在百度任职期间,曾带领 1300 名工程师以及科学家组成人工智能团队,负责驱动公司的全球人工智能战略以及基础架构。在此之前,他还曾主导创建了「Google Brain」,引领谷歌将深度学习等 AI 技术应用于消费产品中。

另一方面,中联重科则是一家技术驱动型装备制造企业,自 1992 年成立以来,公司以自主创新加融合发展的模式,开发了诸多引领全球行业发展的技术和产品,如曾掀起了全球混凝土行业新材料革命的碳纤维材料技术,以及吊装精度控制在 2 毫米之内的超大型 3200 吨履带起重机等。近年来,中联重科开始进军智能制造领域。该公司称,在双方此次合作的农业机械领域中,旗下的农机产品已经初步实现了自动驾驶、自动收割,智能烘干等功能,并建有数据中心,为人工智能技术应用奠定了基础。

中联重科位于长沙的厂房

中联重科董事长詹纯新表示,用新技术改造装备制造,由传统而新兴,由传统而智能,由传统而灵动,新科技正无穷的魅力,新技术正无尽的活力,中联重科对拥抱新技术充满期待。

此次双方的合作主要包括技术合作与人才培养两大方向。技术合作上,Landing.AI 将为中联重科农业机械和其他领域提供人工智能技术的战略,双方将共同开发数款基于人工智能技术的农业机械产品。人才培养方面,Landing.AI 将帮助中联重科招聘、培训,为其建立一支专业的人工智能技术团队,让中联重科持续运用人工智能技术服务企业的发展。

吴恩达非常期待与中联重科开展「人工智能(AI)+农业」的合作,他表示:「詹纯新董事长具有卓越的战略眼光,并且中联重科已经建立了相关的基础数据库。现在,很多企业正在利用人工智能转型,但我认为中联重科农业机械走在了前列。」

中联重科已推出了首款有自动驾驶功能的农机车头

率先打造国内 AI 农业装备

随着大数据和物联网的发展,人工智能正在逐渐进入世界的各个角落,各个行业都期待着拥抱 AI 技术。但是 AI 领域的发展沿袭了数字经济在我国的发展惯性,是从消费市场开始的。如何让实体经济与 AI 技术碰出商业价值这一重大命题,传统行业虽早已开始探索,但一直缺乏革命性的发展。

中联重科此次与人工智能公司 Landing.AI 签署战略合作协议,迈出了业内第一步,前者将成为首家国内 AI 农业装备制造企业,为自身转型升级注入了 AI 技术新动能。

全球农业产业正处于「技术革命」的风口浪尖。「我们深刻地感受到,人工智能将为农业的未来带来革命性的变化,因此,我们先行一步选择与全球顶尖团队合作,」中联重科中央研究院副院长陈拥军介绍道。

陈拥军表示,人工智能技术终端场景应用还处在发展的初期,但这个过程一旦开始,发展的速度会很快。

据《中国人工智能发展报告 2018》报告显示,2017 年中国人工智能市场规模达到 237 亿元,同比增长 67%,预计 2018 年我国人工智能市场增速将达 75%。业内人士分析称,随着 AI 等新兴技术的成熟,新一轮数字化正揭开序幕,到 2030 年有望为中国实体经济带来 7 万亿美元的巨大商业价值。可以说,未来 10 年将是人工智能的时代。

面对蓝海市场的前景,中联重科倍感信心。「我们相信,通过与 Landing.AI 的合作将保持中联重科在行业的领先地位。人工智能技术将成为公司未来发展的重要『加速器』」。

引领传统行业进入 AI 时代

在发布会上,吴恩达一直在强调帮助传统企业转型的重要性:「今天,我们都认为谷歌、Facebook 是世界上最成功的公司。我曾经帮助谷歌打造了 Google Brain;几年前,我也帮助百度成功转型成为了 AI 企业。我相信,与中联重科的合作也可以帮助它成为一家成功的 AI 公司。」

在发布会上,吴恩达、詹纯新和陈拥军还就一些大家关心的问题进行了回答:

Q1:中联重科与 Landing.ai 本次的合作为何选择了农业机械方面?

詹纯新:这个选择是吴恩达教授和我在长时间的交流以后,进行了认真的研究和思考后得出的。吴恩达教授希望将合作能够定位在农业机械方面。农业是一个关系到国计民生的行业,粮食的安全关系到社会的稳定。而近年来农业机械化的发展需要人工智能。

中联重科一直致力于助推中国农业机械登上全球价值链高端,我们非常看好此次合作的发展前景,相信最终会为用户带来由人工智能驱动的产品和服务。

吴恩达:中国目前有土地流转和兼并的大趋势——有很多过去的小块农田变成了大片农田,这意味着机械作业越来越有优势。由人工智能(AI)技术驱动的农业,将会帮助减轻农民的劳动强度,同时也使整个作业过程更加环保。这样人们将更容易获取更安全、更健康的食物。

Q2:人工智能引入农机之后,对未来的展望?

吴恩达:我们已经谈论了具体的几个项目,但是今天还不便公布。

我的爷爷在上个星期听闻了我们要进行农业机械的项目之后非常高兴。他是在香港长大的,曾经是一位种植水稻的农民,他曾经告诉过我:做农民是非常辛苦的。我们的事业会让中国的农民工作更加有效。所以,我对这次合作感到非常的兴奋。詹总也是非常有愿景的企业家,中联重科已经完成了一个非常大的数据平台。

詹纯新:我们有一个大数据平台,我们有了智能收割、无人驾驶等基础的 AI 研究。吴恩达选择与我们合作,也是看到了新技术的希望,而且我们也有了一些基础人才。我们希望未来能让国家的农业进入大数据时代。我们还想利用人工智能等新技术能够处理农业所需的气象、收成等数据,预测粮食收成。最终做到藏粮于地,藏粮于民。

吴恩达:中联重科已经有了很好的技术团队,建立起了具有很高声望的品牌。

当我们谈论到全世界最好的 AI 公司——几年前我帮助建立了谷歌大脑,在这之后我也在百度带领了 AI 团队,帮助百度进行了 AI 转型。此次合作中,我希望能够帮助中联重科成功地转型成为一家 AI 公司。

全世界最好的 AI 公司目前都有几十个很有价值的 AI 项目。我们希望在未来,中联重科能够有能力发展出很多很有价值的 AI 项目。

中联重科的工程机械在全国是非常领先的。在智能控制方面,我们有了非常丰富的经验。我们的技术将来会引入人工智能技术,更加自动化,利用机器学习减少人工,尽量减少人的干预。

Q3:AI 落地在农业机械上,目前看来最大的困难是什么?

吴恩达:很难说什么是最大的困难,我们一直在与合作伙伴选择最有价值的项目。我们专注于人工智能技术,我非常感谢我们的合作伙伴让我们了解了制造业,在这个过程中,我的团队学到了很多。我们甚至深入了田间地头。

陈拥军:自动驾驶行业和农业机械领域作对比。在汽车行业中,自动驾驶的速度比较快,要快速响应路上的人和车,摄取的数据量很大。而农业上的自动驾驶,工作速度基本在 10km/h 左右,速度会很慢,但是实现的机理是一样的。相对而言,在农业机械中,实现的成本低一些。

Q4:除了农业机械,本次合作对于中联重科的未来发展有什么影响?

詹纯新:吴恩达在工业中的人工智能上非常有经验。几个月前,Landing.ai 与富士康的合作基本面向智能制造。未来,他们还会帮助我们在人工智能战略上,培养一批优质专业团队,并传授人工智能技术。这些对中联重科整体成为先进的 AI 公司非常有意义。

Q5:在开展针对工人的人工智能职业培训上,请问您是如何思考的,这方面的内容是如何开展的?

吴恩达:我们在 Landing.ai、Deeplearning.ai 上的很多内容都是线上的。另一方面,我们也有很多对内的培训的过程,这些内容是无法在线上完成的。技术培训需要很多人的参与,在这次合作中,我们与中联重科的工程人员经常在各类项目上进行不定期的培训。我们培训工程师,不是生产线上的工人。

Q6:Landing.ai 目前主要注重于中国还是美国?

吴恩达:中国和美国都有很多在人工智能领域里非常优秀的企业。但是,如果做 AI+ 制造,有更多工厂的国家机会会比较多。目前我们的项目在世界各地都有,我们在制造业上已和中国、韩国、日本、欧洲的几个国家以及拉丁美洲的一些国家都有了合作。

延展阅读

吴恩达人工智能创业三部曲:

]]> 原文: https://ift.tt/2OySSsO
RSS Feed

机器知心

IFTTT

DeepSeek + Pi 王炸组合跑赢 Claude Code?-InfoQ每周精要No.935

「每周精要」 ...