广告

人工智能对当前和未来汽车行业的影响

2022-02-06 07:53:57 Egil Juliussen 阅读:
本文将探讨人工智能技术如何影响汽车行业。我们会考虑:人工智能为什么能解决问题;人工智能在汽车领域的优势和劣势;在汽车中使用人工智能的独特挑战;汽车电子领域已经在使用人工智能;未来汽车电子领域将依靠人工智能技术。

人工智能(AI)这个词有些用词不当。人工智能既不是人工,也不是智能的。言下之意,人工智能类似于人类智能,但人工智能需要大量的人类训练才能发挥作用,并且在识别、理解、分类物体或场景方面表现出与人类截然不同的逻辑。人工智能通常缺乏任何常识,很容易被愚弄或破坏,并且可能以意想不到和不可预测的方式失败。Ovxednc

换句话说,要谨慎行事。Ovxednc

本文将探讨人工智能技术如何影响汽车行业。我们会考虑:Ovxednc

  • 人工智能为什么能解决问题
  • 人工智能在汽车领域的优势和劣势
  • 在汽车中使用人工智能的独特挑战
  • 汽车电子领域已经在使用人工智能
  • 未来汽车电子领域将依靠人工智能技术

人工智能开发分为三个阶段:构建人工智能模型、使用相关数据训练人工智能模型、使用训练好的模型解决问题(推理阶段)。Ovxednc

大多数人工智能模型都基于多个版本的神经网络和学习网络。示例包括卷积神经网络、生成对抗网络、深度强化学习、联邦学习和迁移学习。每个都有不同的优缺点。一切都在迅速发展。Ovxednc

1总结了人工智能技术的优缺点以及安全注意事项和拟议法规。Ovxednc

Ovxednc

图1:人工智能在汽车领域的总体情况。Ovxednc

人工智能优点

人工智能主要被用于解决复杂的问题。因为汽车行业存在许多难题,人工智能在推动汽车技术发展方面发挥越来越大的作用。部署自动驾驶汽车的前景,主要依赖于新的人工智能技术。基本的共识是,神经网络的进步是引领未来自动驾驶汽车部署成功的方法。Ovxednc

好消息是人工智能,尤其是神经网络技术,正处于研发阶段。这意味着其将取得进步,有望实现突破性创新。随着在全球范围内对人工智能持续大量投资,这是一个不错的选择,人工智能和神经网络将解决许多更复杂的问题,包括汽车行业的挑战。Ovxednc

人工智能缺点

开发和部署人工智能技术的挑战之一是对神经网络的充分训练。一般来说,问题越复杂,神经网络模型就必须越复杂。这意味着大型模型。训练需要大量资源和专业知识来设计和测试人工智能模型,这依赖于大型数据集来校验是否模型像宣传的那样。Ovxednc

更大的训练数据集将会出现,但训练仍然是一项耗时且昂贵的任务。大多数训练数据也必须由人来标记,以使得人工智能模型能够学习并变得熟练。越来越多担心的是偏差正在蔓延到训练数据中。Ovxednc

然后是黑盒问题:仍然很难确定的是,AI模型如何做出决策。这种不确定性对于自动驾驶系统来说仍然是一个大问题。需要更好的解决方案。Ovxednc

另一个问题涉及模型对微小数据变化的敏感性。该漏洞引发了安全问题,包括入侵自动驾驶系统的可能性,以及由此产生的对自动驾驶汽车安全的威胁。Ovxednc

缺乏人工智能专业知识是汽车和其他行业的另一大缺点,技能差距不太可能很快得到弥补。Ovxednc

解决问题的推理阶段也有缺点。大型模型,尤其是自动驾驶汽车模型,需要巨大的计算资源来处理传感器数据及支持复杂的软件。这些资源还需要电力,但这在汽车应用中总是有限的。Ovxednc

新兴技术将会提高性能并降低推理成本。它们包括新的人工智能芯片技术、低成本的激光雷达(LiDAR)和性能更高的传感器。Ovxednc

推理的最大缺点是黑盒问题或人工智能可解释性。人工智能系统仍然无法解释它们是如何做出决策的,从而产生了许多人工智能信任问题。对于汽车应用来说,这是行不通的。Ovxednc

人工智能安全

与其他消费领域相比,汽车人工智能需要更高的安全性。因此,必须更加重视人工智能的安全与研发。因此,乔治城大学的安全和新兴技术中心(CSET)发布了一份开创性的报告,阐述了人工智能的意外后果和潜在影响。Ovxednc

CSET报告确定了三种基本类型的人工智能故障:鲁棒性故障、规范故障和保证故障。鲁棒性故障意味着人工智能系统接收到异常或意外的输入并因此发生故障。在规范故障中,人工智能系统试图实现与设计者意图略有不同的事情,从而导致意想不到的行为或副作用。保证故障意味着人工智能系统在运行过程中无法得到充分的监控或控制。Ovxednc

这份于2021年7月发布的报告,列举了人工智能意外崩溃的示例(作者更喜欢“事故”一词),并建议采取措施降低风险,同时让人工智能工具更值得信赖。Ovxednc

可解释人工智能(XAI)是一种减轻黑盒效应的方法,它可以更好地了解提高模型准确性所需的数据。由美国国防高级研究计划署(Darpa)赞助的可解释人工智能研究,旨在开发机器学习技术,以产生更多可解释的模型,同时保持高水平的学习性能和准确性。可解释人工智能还将使人类用户能够理解、信任和管理人工智能模型。可解释人工智能还可以描述其自身的能力并提供对其未来行为的见解。Ovxednc

人工智能法规

人工智能和通用数据保护条例(GDPR)密切相关。GDPR影响着欧洲和其他地区的人工智能发展。该法规明确涵盖了自动化个人决策和分析。该规定保护消费者免受两者的法律后果。在这种情况下,自动化个人决策包括人工智能平台在没有任何人工干预的情况下所做出的决策。分析是指自动处理个人数据来评估个体。Ovxednc

对于汽车应用,这主要影响内容交付系统和用户界面。Ovxednc

欧盟正在准备一项类似于GDPR的人工智能法规,它可能会产生同样广泛的影响。代表监管人工智能的法律框架的提案草案已在2021年4月发布。Ovxednc

欧盟提案旨在确定高风险人工智能技术及其针对其可能危及公民的交通等关键基础设施的应用。这意味着自动驾驶汽车(AVs)将成为人工智能监管的目标。Ovxednc

根据欧盟倡导的人工智能立法,罚款可能高达3000万欧元,或占在全球收入的6%,以较高者为准。通用数据保护条例(GDPR)规定的最高罚款为2000万欧元,或全球收入的4%。Ovxednc

汽车人工智能

图2总结了人工智能技术在汽车电子上的集成。不包括在汽车制造、供应链管理、质量控制、市场,以及在人工智能领域做出重大贡献的类似功能中所用的人工智能。Ovxednc

Ovxednc

图2:汽车人工智能技术。Ovxednc

神经网络所生成的决策必须是可以理解的。如果不是这样,就很难理解它们是如何工作的并纠正误差或偏差。Ovxednc

神经网络的决策也必须是稳定的——也就是说,尽管视觉数据存在微小差异,但仍保持不变。Ovxednc

这对于自动驾驶汽车尤其重要。对基于人工智能的视觉系统来说,可能看不到停车标志上的小条黑白胶带。这就是一个不可接受的神经网络性能的例子。Ovxednc

自动驾驶汽车应用需要使用更好的技术来了解以前软件驾驶员训练所没有经历过的边缘案例或新的驾驶事件。这仍然是大规模部署自动驾驶汽车系统的关键限制因素。Ovxednc

目前的人工智能应用

语音识别和用户界面一直是汽车领域中最成功的基于人工智能的应用。这些应用利用智能手机和消费电子产品中所使用的人工智能技术,将其部署在信息娱乐和人机交互界面中。Alexa、CarPlay、Android Auto等产品已在大多数新模型和模型更新中引入。Ovxednc

远程诊断是领先的远程信息处理技术应用。例如,添加人工智能技术,可以帮助预测装置故障。Ovxednc

配备了ADAS的汽车已将基于人工智能的视觉系统用于驾驶员监控系统(DMS)。随着人工智能技术的改进,DMS有望实现快速增长。Ovxednc

许多ADAS功能也使用人工智能技术,包括自适应巡航控制和多个版本的停车辅助。L1和L2 ADAS车辆将在新车型中使用越来越多的人工智能技术。Ovxednc

新兴人工智能应用

有限驾驶辅助系统(Limited driving pilot)正在从多个OEM厂商中兴起。它们通常被称为L2+,但该术语不包含在当前标准中。称它们为自动驾驶仪(autopilot)是错误的,因为这会让消费者感到疑惑,暗示其比现在有更多的能力。并且它们已经造成了事故。Ovxednc

L3车辆已经面世多年,但监管限制已对其部署做出了限制。允许L3自动驾驶汽车的法规正在出现,而L3车辆当中使用了大量的人工智能技术。Ovxednc

OTA软件和网络安全这两个功能都通过嵌入式软件客户端以及基于云端的服务和分析软件加入进人工智能技术。Ovxednc

一种新兴的人工智能应用是针对多个自动驾驶汽车用例的自动驾驶汽车开发和测试。估计有5,000辆自动驾驶汽车处于测试或试驾模式,主要在中国和美国,其中包括货物自动驾驶汽车、自动驾驶卡车、自动驾驶出租车和固定路线自动驾驶汽车。Ovxednc

未来人工智能应用

自动驾驶汽车用例是最具价值和困难的人工智能技术应用。其目标是实现一个比最好的人类驾驶员更好的软件驾驶员,而没有人类行为的缺点。Ovxednc

面向人工智能技术改进的软件开发已经成熟。通过创新的人工智能技术来鉴别和修复软件的漏洞可能会在未来十年内发生。Ovxednc

源自人工智能技术的网络安全进步,可能是汽车行业和其他行业最迫切的需求。这些需求正在吸引大量可持续的投资。Ovxednc

底线

人工智能技术已成为汽车行业的主要驱动力。到目前为止,已有两家公司率先在汽车领域采用人工智能技术:英伟达(NVIDIA)和特斯拉(Tesla)。在为创建和使用AI模型提供芯片和软件标准方面,英伟达是明显的领导者。特斯拉则正在稳健地部署人工智能,尤其是在其看好的自动驾驶仪上。Ovxednc

与此同时,更多的公司专注于汽车人工智能。Mobileye是ADAS推动的领导者,而自动驾驶汽车已处于其计划当中;Google-Waymo则率先开发了基于软件的驾驶员。Ovxednc

随着安全问题的增加,人工智能开发人员必须留意警告信号,以免意外后果扼杀创新。Ovxednc

排在首位的是打开限制信任系统部署的人工智能黑盒子。在其他地方,训练数据中的偏差是一个日益严重、难以评估也难以解决的问题。Ovxednc

欧盟正在制定人工智能法规,其他地区也将效仿。Ovxednc

在可预见的未来,人工智能开发人员必须谨慎地构建安全、强大的自动化系统。Ovxednc

(原文刊登于EDN姐妹网站EE Times欧洲版,参考链接:AI's Impact on the Current and Future Automotive Industry,由Franklin Zhao编译。)Ovxednc

本文为《电子技术设计》2022年2月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里Ovxednc

责编:Franklin
本文为电子技术设计原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 因眼睛小车主被辅助驾驶误判“开车睡觉”,小鹏、蔚来回 昨日,汽车博主@常岩CY 发博称自己突然上了热搜,原来就是因自己眼睛小被小鹏汽车自动驾驶误判“开车睡觉”,不住的发出提醒。此外,@常岩CY 称在多款车型上都收到此困扰。无论是红外还是摄像头,只要开始检测眼睛,就会判定过度疲劳。小鹏P7会提示他睡觉,蔚来ET7一开车就认为其疲劳和走神,岚图FREE会在冬天为了让其“别困”而打开冷风……
  • 国际象棋机器人Chessrobot夹断对手手指,意外还是设计缺 据悉,在7月19日的莫斯科国际象棋公开赛期间,一位7岁小男孩疑似因提前走子犯规手,意外被“对手”国际象棋机器人Chessrobot夹住手指,造成指骨骨折,该事件登上了热搜榜。该男孩是莫斯科9岁以下最强的30位棋手之一。
  • “智能家居”未来将可通过呼吸控制操作 凯斯西储大学的研究人员创造了一个简单的原型设备,使用户能够通过改变他们的呼吸模式来控制“智能家居”。这种自供电装置可放入鼻孔,并有可能提高行动不便或无法清晰说话的人的生活质量。如果个人呼吸困难,它也可以编程为医务人员提供自动警报。
  • 核酸采样机器人将取代“大白”?用了哪些技术保证采样准 取棉签、核酸采样、储存核酸采样管、设备消杀……动作精准流畅,今后给你核酸采样的可能不再是“大白”,而是机器人。EDN小编就带大家来看看,目前已被使用的核酸采样机器人有哪些?
  • 一个AI程序就可将手机电池增加30% 一项尖端的人工智能开发可以将智能手机的电池寿命延长 30%。这项应用则是利用 AI 分析正在使用的应用程序的 FPS 变化,并试图找到 CPU 和 GPU 处理器的最佳运行频率以适应变化,同时消耗设备中最少的功率和温度增益……
  • AI视觉芯片如何赋能两轮车出行? 6月29日,在由全球领先的专业电子机构媒体AspenCore和深圳市新一代信息通信产业集群联合主办的“2022国际AIoT生态发展大会-智慧两轮车分论坛”中,嘉楠科技副总裁汤炜伟以《勘智AI视觉芯,赋能智眼两轮行》为主题,向大家分享了嘉楠地芯片设计创新历程,及其RISCV架构AI芯片技术路线图,并以具体案例展示AI视觉芯片如何赋能两轮车出行。
  • 碎片化、成本高是难题,AIoT行业需要哪些改变? 作为AIoT的行业基石,物联网市场到2022年预计将达到 144 亿活跃连接。随着供应限制的缓解和增长的进一步加速,IoT Analytics 最新预测指出,到2025年全球将有大约 270 亿台联网物联网设备。中国物联网链接到2025年也将达到80亿。随着整个AIoT和IoT市场的快速成长与变化,我们将面临哪些风险和挑战?
  • 英特尔张宇:边缘AI有三个阶段,我们还处在山脚 在AspenCore举办的“2022国际AIoT生态发展大会”上,英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士通过视频方式分享了“边缘AI技术发展趋势与展望”主题演讲。
  • 世界上尺寸最大的芯片Wafer Scale Engine-2打破了在单 Cerebras公司售价数百万美元的“全球最大AI芯片”Wafer Scale Engine-2又有新消息,在基于单个Wafer Scale Engine-2芯片的CS-2系统上训练了世界上最大的拥有200亿参数的NLP(自然语言处理)人工智能模型。
  • 婴儿或可帮助解锁下一代人工智能 都柏林圣三一学院的神经科学家及其同事刚刚发布了改进人工智能的新指导原则,他们表示,婴儿可以帮助解锁下一代人工智能(AI)。
  • 日本要利用机器学习实现半导体研究自动化 新型薄半导体材料的开发需要对大量反射高能电子衍射(RHEED)数据进行定量分析,既耗时又需要专业知识。为了解决这个问题,东京理科大学的科学家们确定了可以帮助自动化 RHEED 数据分析的机器学习技术。他们的发现可以极大地加速半导体研究,并为更快、更节能的电子设备铺平道路。
  • 纯视觉自动驾驶更安全?美国交通部发布数据打脸特斯拉 特斯拉的纯视觉自动驾驶到底效果如何?真的如马斯克所说的:“通过摄像头和计算机网络让自动驾驶比人类驾驶更安全”吗?近日美国国家公路交通安全管理局发布了一份新的数据,颇有打脸特斯拉的意味。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了