智能駕駛需要怎樣的一條安全帶

“更好的數(shù)據(jù)意味著更好的決策”。這句話如今被越來越多智能駕駛領(lǐng)域人士提及和認(rèn)可。

讓汽車具備“智慧”，智能駕駛成為全球許多國家都在關(guān)注的一個(gè)重要課題。而在這一過程中，AI數(shù)據(jù)對于汽車智能駕駛而言至關(guān)重要，它是汽車變得更“聰明”的關(guān)鍵。

然而，關(guān)于智能駕駛引發(fā)的事故我們也已經(jīng)看到太多，這些教訓(xùn)也在告誡我們，我們需要更加安全的智能駕駛，需要更多精準(zhǔn)的數(shù)據(jù)為安全保駕護(hù)航，能夠在汽車感知、規(guī)劃、決策、控制方面進(jìn)行指揮，才是真正的人工智能。

在汽車智能駕駛的過程中，汽車本身需要具備感知、策劃、決策、控制等一些列能力，而數(shù)據(jù)則是培養(yǎng)智能駕駛AI能力的重要因素，數(shù)據(jù)標(biāo)注存在的意義是讓機(jī)器理解并認(rèn)識世界，想要讓汽車本身的算法做到處理更多、更復(fù)雜的場景，背后就需要有海量的真實(shí)道路場景數(shù)據(jù)做支撐。

算力、算法方興未艾：高質(zhì)量數(shù)據(jù)成產(chǎn)業(yè)落地著力點(diǎn)

數(shù)據(jù)、算力、算法是推動人工智能技術(shù)進(jìn)步的“三駕馬車”。如今，在計(jì)算機(jī)視覺、語音識別領(lǐng)域，AI的商業(yè)化落地突破并不明顯，原因就在于算法算力的技術(shù)瓶頸。

從宏觀角度來看，現(xiàn)有算法、算力無法準(zhǔn)確處理復(fù)雜環(huán)境下無限可能的長尾場景，這時(shí)候AI數(shù)據(jù)的覆蓋就顯得更加重要。

我們看到，在現(xiàn)有的算法算力的基礎(chǔ)上，越來越多的AI進(jìn)化方式是通過對大量的原始數(shù)據(jù)進(jìn)行框選、提取、分類，從而將復(fù)雜的原始數(shù)據(jù)標(biāo)簽化，轉(zhuǎn)為機(jī)器學(xué)習(xí)可以識別的精準(zhǔn)數(shù)據(jù)，以提升AI的感知能力。

對于智能駕駛技術(shù)而言，這樣的數(shù)據(jù)精確化顯得更為重要：一方面，現(xiàn)實(shí)交通場景復(fù)雜、安全威脅多，非常重視數(shù)據(jù)分析的效率和敏捷。尤其是國內(nèi)路況的復(fù)雜性和國內(nèi)智能駕駛起步稍晚的現(xiàn)狀，更需要高質(zhì)、更精準(zhǔn)的數(shù)據(jù)來進(jìn)行算法訓(xùn)練。

從安全性上來看，標(biāo)注數(shù)據(jù)質(zhì)量的高低將直接影響智能駕駛的安全性。例如，人像、建筑物、植物、道路、交通標(biāo)志、車輛等數(shù)據(jù)標(biāo)注的準(zhǔn)確性直接決定智能駕駛AI對于路況的判斷，數(shù)據(jù)標(biāo)注偏差或者完成度不高會直接影響行駛安全。

2017年5月17日，美國加利福尼亞州一名車主在開啟了智能駕駛狀態(tài)下撞上前方轉(zhuǎn)彎的卡車不幸身亡。原因是智能駕駛系統(tǒng)沒有辨別出前方白色車輛和天空的區(qū)別，沒有識別出障礙物導(dǎo)致智能剎車沒有及時(shí)制動引發(fā)的事故。

從體驗(yàn)上，首先安全性的保證本身就是最佳的體驗(yàn)，精準(zhǔn)的數(shù)據(jù)是確保AI智能駕駛落地的重要前提。兼?zhèn)鋽?shù)量與質(zhì)量的標(biāo)注數(shù)據(jù)可以很大程度上提升汽車智能駕駛的安全性與實(shí)用性，如何解決數(shù)據(jù)質(zhì)量問題，規(guī)避數(shù)據(jù)錯誤、保障數(shù)據(jù)質(zhì)量已經(jīng)成為智能駕駛領(lǐng)域發(fā)展的頭等大事。

“當(dāng)下，人工智能正加速往應(yīng)用人工智能方向發(fā)展，在算法、算力沒有重大突破的前提下，質(zhì)量高和安全性強(qiáng)的數(shù)據(jù)成為人工智能商業(yè)化落地的關(guān)鍵點(diǎn)?！?a href="http://ttokpm.com/tags/te/" target="_blank">Testin云測CTO陳冠誠在接受媒體采訪時(shí)表示。

從產(chǎn)業(yè)的角度來看，智能駕駛的產(chǎn)業(yè)化落地將成為高精度數(shù)據(jù)標(biāo)注行業(yè)未來發(fā)展方向的一個(gè)重要縮影，高質(zhì)量數(shù)據(jù)在促使自動駕駛產(chǎn)業(yè)化落地的同時(shí)，也成為數(shù)據(jù)產(chǎn)業(yè)商業(yè)化程度不斷深入的著力點(diǎn)。

云測數(shù)據(jù)優(yōu)勢：專業(yè)定制、獨(dú)立安全，方能有的放矢

數(shù)據(jù)是整個(gè)人工智能行業(yè)的燃料，數(shù)據(jù)在智能駕駛領(lǐng)域的重要性不容置疑。絕大部分智能駕駛企業(yè)對數(shù)據(jù)也非常重視，但現(xiàn)實(shí)情況是缺乏獲得大量且高質(zhì)量數(shù)據(jù)的渠道。

據(jù)2018年智研發(fā)布的《2019-2025年中國數(shù)據(jù)標(biāo)注與審核行業(yè)市場專項(xiàng)分析研究及投資前景預(yù)測報(bào)告》顯示，近幾年，數(shù)據(jù)標(biāo)注與審核行業(yè)快速發(fā)展，2018年市場規(guī)模已達(dá)到52.55億元，阿里、騰訊、百度等多家互聯(lián)網(wǎng)巨頭都擁有海量的數(shù)據(jù)標(biāo)注需求。

實(shí)際上，數(shù)據(jù)標(biāo)注是一個(gè)簡單又困難的事情，一方面，在執(zhí)行上的難度相對算法開放要低得多，但另一方面數(shù)據(jù)標(biāo)注本質(zhì)上是要獲得更準(zhǔn)確，更精細(xì)化的數(shù)據(jù)結(jié)果，而場景數(shù)據(jù)缺失、數(shù)據(jù)質(zhì)量良莠不齊，以及隱私安全問題成為數(shù)據(jù)行業(yè)面臨的三大痛點(diǎn)。

為解決這些行業(yè)性問題，國內(nèi)AI數(shù)據(jù)服務(wù)頭部企業(yè)云測數(shù)據(jù)，通過提供定制化的場景化數(shù)據(jù)，來滿足業(yè)內(nèi)高標(biāo)準(zhǔn)的數(shù)據(jù)需求。

以云測數(shù)據(jù)的場景化為例，為了滿足智能駕駛領(lǐng)域不同場景的特殊需求，云測數(shù)據(jù)搭建了自己的場景實(shí)驗(yàn)室，為各種智能駕駛細(xì)分場景模擬無噪的專屬數(shù)據(jù)，通過定制化數(shù)據(jù)采集直擊特定場景化下的數(shù)據(jù)缺失、質(zhì)量良莠不齊等行業(yè)問題。一方面，在場景下的定制化數(shù)據(jù)采集更加精準(zhǔn)、數(shù)據(jù)質(zhì)量更高，另一方面，定制化的數(shù)據(jù)集也與智能駕駛需求端的匹配度更高，從而最大化將數(shù)據(jù)轉(zhuǎn)化為生產(chǎn)力。

對于智能駕駛來講，無噪的專屬數(shù)據(jù)采集完成后，數(shù)據(jù)通過標(biāo)注后或者說加上標(biāo)簽才有意義，才能用于算法的學(xué)習(xí)和訓(xùn)練，最終智能駕駛的應(yīng)用落地。

當(dāng)前的自動駕駛所需數(shù)據(jù)需求，正向著多模態(tài)的方向發(fā)展。所謂多模態(tài)，即是對多維時(shí)間、空間、環(huán)境數(shù)據(jù)的感知與融合。比如當(dāng)前的自動駕駛需要雷達(dá)+攝像頭才能跑的更穩(wěn)，相對應(yīng)的，就需要2D/3D融合標(biāo)注工具。

在標(biāo)注工具方面，云測數(shù)據(jù)自研了一套可以支持圖片、語音、文本等多品類的標(biāo)注平臺，其中的三維標(biāo)注工具，尤其是3D點(diǎn)云的標(biāo)注工具，對雷達(dá)成像的圖像中的機(jī)動車、障礙物、行人等多目標(biāo)進(jìn)行3D標(biāo)注，并通過渲染引擎的優(yōu)化，來保證整個(gè)過程的流暢和快捷，在數(shù)據(jù)質(zhì)量的導(dǎo)向下實(shí)現(xiàn)更優(yōu)的品控和更快的數(shù)據(jù)交付，當(dāng)屬業(yè)內(nèi)領(lǐng)先。對此，數(shù)據(jù)數(shù)據(jù)總經(jīng)理賈宇航表示，“我們希望通過精準(zhǔn)高質(zhì)、獨(dú)立安全的數(shù)據(jù)幫助智能駕駛客戶快速構(gòu)建核心數(shù)據(jù)壁壘?！?/p>

值得一提的是，智能駕駛客戶在選擇數(shù)據(jù)供應(yīng)商時(shí)，獨(dú)立第三方數(shù)據(jù)標(biāo)注公司更具優(yōu)勢。

某業(yè)內(nèi)人士在接受采訪時(shí)表示“考慮到大廠能也有自動駕駛的團(tuán)隊(duì)或業(yè)務(wù)，難免會擔(dān)心自家數(shù)據(jù)被拿去訓(xùn)練別人的模型；再加上要價(jià)不菲，所以合作并不多。如果跟第三方數(shù)據(jù)標(biāo)注公司合作，就不用擔(dān)憂這種問題。他們要價(jià)合理，而且既不會把數(shù)據(jù)外泄，也不會自用?！?/p>

目前云測數(shù)據(jù)在華東、華北、華南設(shè)有數(shù)據(jù)標(biāo)注基地，還有幾個(gè)基地在部署中，并擁有行業(yè)內(nèi)最大規(guī)模的專業(yè)數(shù)據(jù)服務(wù)全職人員，用來構(gòu)建整體 AI 數(shù)據(jù)的生態(tài)。

尾聲：

隨著AI技術(shù)商業(yè)化的持續(xù)深入，算法、算力方興未艾之時(shí)，場景化的數(shù)據(jù)成為推動AI深入長尾應(yīng)用的關(guān)鍵推動力。

作為人工智能領(lǐng)域內(nèi)最值得期待的場景，智能駕駛產(chǎn)業(yè)落地的大門已然開啟。場景化、定制化的高質(zhì)量的數(shù)據(jù)已成為智能駕駛領(lǐng)域最需要的基礎(chǔ)動力之一，而數(shù)據(jù)產(chǎn)業(yè)也將在不斷深入的產(chǎn)業(yè)落地中，為科技的進(jìn)步和發(fā)展貢獻(xiàn)著力量。

責(zé)任編輯：ct