自動駕駛汽車(AV)的發(fā)展并不一定需要人工智能或深度學(xué)習(xí)。簡單地說，不是所有的AV都需要AI驅(qū)動。然而，深度學(xué)習(xí)的快速進(jìn)步和準(zhǔn)確性的提高，吸引了尋求改進(jìn)其高度自動化工具的開發(fā)人員。

　　但是仍然存在一些驗證人工智能驅(qū)動的AV安全性的困難。安全研究人員擔(dān)心深度學(xué)習(xí)的“黑箱”性質(zhì)，這只是眾多棘手問題的一個。目前還不確定AV設(shè)計者是否能夠驗證一個持續(xù)學(xué)習(xí)的AI系統(tǒng)或者功能，一旦部署在車內(nèi)的專用硬件上，其表現(xiàn)是否會與在更強(qiáng)大的計算機(jī)系統(tǒng)上開發(fā)和培訓(xùn)時一樣，這仍是一個未知數(shù)。

　　盡管存在這些問題，自動駕駛AV和安全領(lǐng)域的專家都認(rèn)識到人工智能的發(fā)展是不可避免的。

　　隨著UL 4600規(guī)范草案的發(fā)布，Edge Case Research的首席技術(shù)官Phil Koopman說到：“我們追求的是完全自主?！?/p>

　　UL 4600是目前保險商實驗室正在開發(fā)的用于評估自主產(chǎn)品的安全標(biāo)準(zhǔn)，它既不假設(shè)也不要求在AV中部署深度學(xué)習(xí)。但是，該標(biāo)準(zhǔn)涵蓋了對安全至關(guān)重要的應(yīng)用程序中使用的任何機(jī)器學(xué)習(xí)和其他自治功能的驗證。

　　具備深度學(xué)習(xí)的汽車級軟件工具包

　　在此背景下，NXP半導(dǎo)體公司推出了eIQ自動深度學(xué)習(xí)工具包，使汽車AI應(yīng)用開發(fā)性能提高30倍，并且能使客戶更快開發(fā)AI應(yīng)用。

　　恩智浦半導(dǎo)體汽車人工智能戰(zhàn)略與伙伴關(guān)系主管Ali Osman Ors表示:“迄今開發(fā)的大多數(shù)深度學(xué)習(xí)框架和神經(jīng)網(wǎng)絡(luò)都用于視覺、語音和自然語言等消費(fèi)者應(yīng)用上?！钡鼈儾灰欢ㄊ窃陂_發(fā)與性命攸關(guān)的應(yīng)用程序時考慮的。

　　作為領(lǐng)先的汽車芯片供應(yīng)商，NXP正在進(jìn)一步改進(jìn)其軟件工具包，使之符合汽車軟件性能改進(jìn)和ASPICE能力等級評定。ASPICE是德國汽車制造商為改善軟件開發(fā)過程而制定的一套指導(dǎo)方針。

　　NXP表示， eIQ自動工具集專門為NXP的S32V234處理器設(shè)計，這將幫助AV開發(fā)人員優(yōu)化深度學(xué)習(xí)算法的嵌入式硬件開發(fā)，并加快推向市場的時間。

　　當(dāng)被問及是否有類似的用于深度學(xué)習(xí)的自動評分工具包時，Ors說:“一些汽車原始設(shè)備制造商可能已經(jīng)在內(nèi)部設(shè)計了他們自己的工具。但據(jù)我所知，我還沒有見過其他汽車芯片供應(yīng)商提供像我們這樣的汽車質(zhì)量軟件工具包來進(jìn)行深度學(xué)習(xí)?！?/p>

　　修剪、量化、壓縮

　　如今，我們對嵌入式系統(tǒng)的數(shù)據(jù)準(zhǔn)備和訓(xùn)練(學(xué)習(xí))以及人工智能推理的過程有了很好的理解。

　　據(jù)說AV開發(fā)者在測試車輛行駛在公共道路上時，以每秒4Gb的速度收集數(shù)據(jù)。對如此龐大的數(shù)據(jù)進(jìn)行清理和注釋并將其用于培訓(xùn)數(shù)據(jù)上的代價非常昂貴。在某些情況下，光是數(shù)據(jù)標(biāo)記處理本身

　　的開銷就會大大削弱AV初創(chuàng)公司。

　　但對AV設(shè)計師來說，同樣具有挑戰(zhàn)性的是如何讓優(yōu)化AI模型并將其部署在推理引擎上所涉及的艱巨任務(wù)中去。Ors解釋，NXP的工具加速了神經(jīng)網(wǎng)絡(luò)的“量化、修剪和壓縮”過程。

　　首先，修剪意味著刪除神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中存在的冗余連接，刪除不重要的權(quán)重。當(dāng)然，新的“修剪”模型將會失去準(zhǔn)確性。因此，模型必須在修剪后進(jìn)行微調(diào)，以恢復(fù)其準(zhǔn)確性。

　　接下來，量化創(chuàng)造了一個“高效的計算過程”，它涉及到通過集群或四舍五入來綁定權(quán)重，以便使用更少的內(nèi)存來表示相同數(shù)量的連接。另一種常見的技術(shù)是通過舍入將浮點權(quán)值轉(zhuǎn)換為定點表示。與修剪一樣，模型在量化后必須進(jìn)行微調(diào)。

　　AV設(shè)計師通過運(yùn)行測試數(shù)據(jù)(深度學(xué)習(xí)系統(tǒng)之前沒有見過)來評估轉(zhuǎn)換模型的準(zhǔn)確性，并進(jìn)一步對模型進(jìn)行微調(diào)。

　　分區(qū)負(fù)載

　　除此之外，eIQ Auto對工作負(fù)載進(jìn)行分區(qū)，并為神經(jīng)網(wǎng)絡(luò)的每個部分選擇最優(yōu)計算引擎。它加快了手工制作推理引擎的過程，因為該工具可以幫助AV設(shè)計師找出哪些任務(wù)在CPU、DSP或GPU中運(yùn)行得最好。Ors解釋，由于eIQ Auto必須非常熟悉處理器內(nèi)部的情況，所以它不能用于非NXP設(shè)備。

　　eIQ Auto除了提供模型優(yōu)化和使用工具(腳本、編譯器工具鏈)和運(yùn)行庫(C/ c++、vector DSP、NEON)之外，還提供TensorFlow、ONNX、Caffe、Pytorch等培訓(xùn)框架和模型格式的接口。

　　總之，該工具包幫助客戶快速從開發(fā)環(huán)境轉(zhuǎn)移到滿足嚴(yán)格的汽車標(biāo)準(zhǔn)的AI實現(xiàn)。

　　人工智能在AV中應(yīng)用

　　如今，“視覺”是車內(nèi)最流行的人工智能應(yīng)用，它利用神經(jīng)網(wǎng)絡(luò)對圖像上的物體進(jìn)行分類。視覺還用于司機(jī)和機(jī)艙監(jiān)控、人臉識別和占用率檢測。

　　在汽車領(lǐng)域其他潛在的AI應(yīng)用還有雷達(dá)。

　　未來的雷達(dá)有望使用神經(jīng)網(wǎng)絡(luò)根據(jù)其圖像對道路使用者進(jìn)行分類。然而，Ors指出，人工智能在雷達(dá)中的應(yīng)用仍未得到發(fā)展?！坝捎谑褂美走_(dá)作為傳感器的相關(guān)規(guī)定，以及進(jìn)入門檻會比較高?！八a(bǔ)充說：與CMOS圖像傳感器相比，雷達(dá)也很昂貴。這意味著雷達(dá)數(shù)據(jù),不能輕易獲得，從而限制了可用的數(shù)據(jù)集。

　　人工智能也有望應(yīng)用于數(shù)據(jù)融合，例如雷達(dá)視覺。但是，對于何時融合兩種感官數(shù)據(jù)，業(yè)界還沒有達(dá)成共識?！霸缙谌诤虾屯砥谌诤先栽跔幷撝校監(jiān)rs表示。

　　今天，大多數(shù)測試的AV都配備了耗電硬件，這對于大批量的汽車生產(chǎn)來說并不理想。NXP希望其新的eIQ工具包能夠使客戶“在具有最高安全性和可靠性的嵌入式處理器環(huán)境中”部署強(qiáng)大的神經(jīng)網(wǎng)絡(luò)。