助力汽車自我思考

——詮釋圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器芯片如何為汽車應(yīng)用提供智能優(yōu)勢(shì)

作者：Imagination Technologies汽車產(chǎn)品部總監(jiān)Bryce Johnstone

汽車行業(yè)是推動(dòng)人工智能（AI）發(fā)展的重要行業(yè)之一，這是因?yàn)樵撔袠I(yè)致力于自動(dòng)駕駛汽車和高級(jí)駕駛員輔助系統(tǒng)（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(yè)要實(shí)現(xiàn)完全自動(dòng)駕駛的目標(biāo)，他們還有很長(zhǎng)的路要走。盡管業(yè)界還在討論實(shí)現(xiàn)全自動(dòng)化所需的理想技術(shù)組合，但是有一點(diǎn)是明確的，那就是人工智能，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用。

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對(duì)于傳統(tǒng)視覺或模式識(shí)別系統(tǒng)來說具有挑戰(zhàn)性的任務(wù)。通過使每個(gè)神經(jīng)網(wǎng)絡(luò)各自不同，并針對(duì)特定任務(wù)進(jìn)行設(shè)計(jì)，它可以更高效、更精確地執(zhí)行任務(wù)。

所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個(gè)層面上多次處理數(shù)據(jù)。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次，而不是用一組特定的參數(shù)只運(yùn)行一次操作。這個(gè)想法是，通過所有這些不同的路徑，選擇的數(shù)量就會(huì)增加。當(dāng)?shù)搅诵枰龀鰶Q策的時(shí)候，它已經(jīng)從輸入中提取了所有的信息。

在路標(biāo)識(shí)別的示例中，第一層可能正在尋找一個(gè)標(biāo)識(shí)的角形狀，然后是顏色等各個(gè)步驟執(zhí)行下去，直到它可以非常確信地說這是一個(gè)路標(biāo)并說明其含義。這樣做的好處在于無需對(duì)每一個(gè)步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會(huì)自己完成，并且隨著時(shí)間的推移而不斷學(xué)習(xí)。該算法知道它需要識(shí)別的內(nèi)容，并將嘗試不同的方法，直到實(shí)現(xiàn)目標(biāo)，并在過程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過培訓(xùn)之后，它便可以在實(shí)際應(yīng)用中發(fā)揮作用。這意味著工程師不必花費(fèi)數(shù)小時(shí)來微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成。

這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測(cè)、分類和分析，而駕駛員監(jiān)測(cè)、訪問控制以及語音和手勢(shì)識(shí)別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò)。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能方法，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場(chǎng)景，它將同時(shí)依賴于圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器（NNA）。

在從傳感器到電子控制單元（ECU）整個(gè)鏈路中也可以使用神經(jīng)網(wǎng)絡(luò)，在預(yù)處理、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。