助力汽車自我思考

——詮釋圖形處理器（GPU）和神經網絡加速器芯片如何為汽車應用提供智能優勢

作者：Imagination Technologies汽車產品部總監Bryce Johnstone

汽車行業是推動人工智能（AI）發展的重要行業之一，這是因為該行業致力于自動駕駛汽車和高級駕駛員輔助系統（ADAS）的泛在利益。

汽車正在變得越來越智能，但是如果汽車行業要實現完全自動駕駛的目標，他們還有很長的路要走。盡管業界還在討論實現全自動化所需的理想技術組合，但是有一點是明確的，那就是人工智能，尤其是神經網絡將發揮重要作用。

神經網絡

神經網絡的作用是執行對于傳統視覺或模式識別系統來說具有挑戰性的任務。通過使每個神經網絡各自不同，并針對特定任務進行設計，它可以更高效、更精確地執行任務。

所有神經網絡的組織模式都是在多個層面上多次處理數據。因此，神經網絡可以在不同的輸入模式下運行十到二十次，而不是用一組特定的參數只運行一次操作。這個想法是，通過所有這些不同的路徑，選擇的數量就會增加。當到了需要做出決策的時候，它已經從輸入中提取了所有的信息。

在路標識別的示例中，第一層可能正在尋找一個標識的角形狀，然后是顏色等各個步驟執行下去，直到它可以非常確信地說這是一個路標并說明其含義。這樣做的好處在于無需對每一個步驟都進行編程，神經網絡將會自己完成，并且隨著時間的推移而不斷學習。該算法知道它需要識別的內容，并將嘗試不同的方法，直到實現目標，并在過程中不斷學習。一旦神經網絡在經過培訓之后，它便可以在實際應用中發揮作用。這意味著工程師不必花費數小時來微調復雜的算法，他們只需向神經網絡展示它需要發現的內容并讓其自學完成。

這些技術已經在車輛中被廣泛用于目標檢測、分類和分析，而駕駛員監測、訪問控制以及語音和手勢識別也可以利用不同類型的神經網絡。此外，將傳統視覺與神經網絡相結合的人工智能方法，可用于行人路徑分析和環繞視圖等應用場景，它將同時依賴于圖形處理器（GPU）和神經網絡加速器（NNA）。

在從傳感器到電子控制單元（ECU）整個鏈路中也可以使用神經網絡，在預處理、中間處理和后處理中使用的各種技術將人工智能引入了其中。