行为预测到底重要在哪？

在行驶过程中，自动驾驶汽车恐怕要一直回答这个问题——「我周边的车辆、行人与自行车在未来 5 秒内会做什么？」

这个问题的学名叫「行为预测」。

行为预测到底重要在哪？

自动驾驶公司 Pronto CEO Anthony Levandowski 讲述了自己的看法：他认为自动驾驶原型车在「预测」能力上的短板是阻碍其奔向 Level 4/5 的绊脚石。

在 Medium 上发布的一篇博文中，Levandowski 写道：

「现在没人能实现 Level 4/5 是因为如今的软件还不太行，它无法预测未来。在这方面，软件跟人类直觉差远了，而行为预测又恰恰是道路安全最重要的因素。」

在 TechCrunch 的采访中，Levandowski 又重申了这一观点：

「如果你想分析测试车每次『脱离』背后的故事，找到真正的原因，最终结果都是软件故障。即使是较为成熟的公司也难以避免，因为在复杂环境下，车辆很容易出现误解或沟通问题。眼下我们的问题不是能否找到更好的传感器，而是如何解决预测这个大问题。」

另一位持有相同观点的是 Chris Urmson。2013-2016 年他是 Waymo 的实际掌舵人，现在则是自动驾驶公司 Aurora 的 CEO。

在最近的一次采访中，Urmson 告诉麻省理工助理教授 Lex Fridman：

「如果我有魔杖，会用魔力提升系统哪部分，好加速自动驾驶技术落地呢？当然是车辆的感知预测能力。也就是说，如果明天你能给我一个完美模型，告诉车辆刚才发生了什么，现在什么正在发生和未来五秒将发生什么，情况将大不相同。」

数据越多其准确度就越高？

Waymo 和特斯拉这样的头部公司正试图用深度学习来解决行为预测问题，即用数据集训练深度神经网络。

对深度神经网络来说，数据越多其准确度就越高，因此各家公司都开启了疯狂「投喂数据」模式。

特斯拉 AI 主管 Andrej Karpathy 就在今年 3 月的 Autonomy Day 上讲述了特斯拉是如何玩转深度学习的：

在类似目标探测的深度学习应用中，许多公司都会遭遇瓶颈，因为他们需要花钱请人手动给图片或视频加标签。

拿目标探测举例，灌入神经网络的数据可能是视频中包含了行人的一帧画面，而各家公司想要的输出是自动打上「行人」这个标签。

当然，训练神经网络也同样是一个劳动密集型工作。

想通过训练得到这样的效果，就得给神经网络持续输入成千上万张类似图片，并且在画面中标出哪些是行人，而这个打标签的过程全靠人手工完成。

有了行为预测，再加上过去 5 秒对周边车辆动向的输入数据，输出端可能就会给出未来 5 秒对周边环境变化的预测。

这 10 秒钟的记录会成为你手上的输入-输出对，是训练深度神经网络的上好「养料」。至于人工打标签，则完全没有必要。

采用行为预测这种方法后，你甚至不用上传视频，车辆能直接保存一段周边环境的抽象记录，而在自动驾驶系统看来，这段抽象记录其实与人工打上的标签并无二致。

在行为预测上，特斯拉的优势就在于那每天奔忙在路上的 50 多万辆电动车——这样车辆搭载 Autopilot 的第二代和第三代硬件。

也就是说，特斯拉用车上搭载的 8 颗摄像头、前置雷达、神经网络计算机搞定了车辆行驶途中的数据记录，这些数据还能通过 Wi-Fi 回传给特斯拉。

想象一下，如果这 50 万辆车回传的都是抽象记录而非原始视频，特斯拉的行为预测训练数据库得有多强？

当然，车辆获得的数据也不会一股脑都塞给车队，筛选是个必要的过程。

举例来说，将行为预测神经网络犯的错当训练数据就非常有意义，而这个纠错的过程是个进步的捷径，比投喂各种随机数据有效多了。

简而言之，数据在精不在量。

从「长尾理论」的角度来看，即使做出错误行为预测的几率很低，比如每 100 万英里一次，特斯拉的车队每个月行驶 10 亿英里也能拿到 1000 个「反面典型」。虽然这 1000 条数据量不大，但绝对价值连城。

算力的提升可助推神经网络的性能

虽然整个行业都如打鸡血一般，但谁也不敢肯定全自动驾驶到底什么时候才能实现，也许明年就能成，也许十多年后才能落地。

不过，华尔街巨鳄们相信，一旦全自动驾驶普及，自动驾驶打车行业会大行其道，最终孕育出一个年营收破万亿的超级市场。

如此巨大的诱惑之下，大家都打破头要深耕深度学习、神经网络和行为预测。

ARK Invest 的金融模型预计，如果特斯拉如 Musk 所言，明年实现全自动驾驶，从长期来看特斯拉股价涨上 20 倍都没问题。

即使一分进账都没有，通用旗下自动驾驶部门 Cruise 估值依然高达 190 亿美元。

去年 8 月，摩根士丹利更是大胆给了 Waymo 1750 亿美元的超高估值。