当前位置:CIO频道技术探讨 → 正文

数字化转型案例:数据公司特斯拉

责任编辑:cres 作者:George Paolini |来源:企业网D1Net  2019-09-29 09:35:44 原创文章 企业网D1Net

特斯拉(Tesla)正在利用人工智能和机器学习构建着世界上最具创新性的神经网络。
 
当向普通投资者提及特斯拉时,常常会有两种完全不同的反应:多头的赞扬或空头的批评。
 
换句话说,它要么将永远改变汽车行业,要么很快就将无处可去。
 
但是,让我们暂时抛开财务、竞争和它一直娱乐性很强的名人首席执行官埃隆·马斯克的恶作剧,从不同的角度来看看这家公司。
 
特斯拉有一个方面一直领先着竞争对手好几英里。这就是其利用数据来构建的世界上最复杂、最尖端的神经网络。
 
当大数据成为下一件大事时
 
硅谷喜欢用时髦的流行语来隐喻下一件大事。
 
例如,数据是“新石油”。它只是在那里等着,是一个未经提炼的资产,随时可以被挖掘、提炼和利用来推动竞争优势。
 
但对大数据的大肆宣传和大肆吹捧已经被技术挑战的本质现实所掩盖,这些挑战主要在于如何将结构化、非结构化和半结构化的东西转化为真正有价值的东西。
 
事实上,我们已经陷入了Gartner的关于大数据的众所周知的 “幻灭低谷”。Hadoop从来没有成为像10年前看起来的那样有希望的大型统一数据平台。
 
与此同时,人工智能和机器学习也越来越受到重视。但是除了大型社交媒体平台(他们渴望优化算法,向你出售更多你不知道自己需要的东西),谁又在这里做了任何有意义的事情?
 
特斯拉利用数据、人工智能和数学建模语言来构建了一个神经网络--一个由传感器、数据、通信、处理器、外围硬件和软件组成的系统,像人类一样共同处理信息、适应和学习--这是该公司真正的亮点。
 
比赛开始了
 
据分析人士称,目前可供自主交通的市场总量已达数万亿。
 
这就是特斯拉、谷歌的Waymo、Uber和所有大型传统汽车制造商都在争先恐后开发这种新车型的原因。
 
事实上,多年来,自动驾驶已经渗透到了我们人类的驾驶习惯当中了。巡航控制、ABS制动、变道引导,甚至包括气囊,都可以被视为实现自动驾驶的步骤,而人类根本不需要参与其中。(特斯拉的自动驾驶模式可以说是迄今为止最复杂的驾驶员辅助系统。)
 
然而,实现完全自主运行仍然是一项艰巨的工作。当面对我们称之为驾驶的不可预知的疯狂世界时,你如何确保一台车轮上的计算机能够思考、反应和做出明智的决定?
 
这将需要数百万小时的编码、定义和算法优化、复杂的3D建模和模拟、轨迹测试,甚至是在现实生活中的测试。
 
至少,如果你使用传统的方法,情况就会是这样。但特斯拉并不是这么做的。它正在做一些相当新奇的事情。
 
随着60万辆汽车的上路,特斯拉把每辆车,每一个传感器,每一个“事件”(即与方向盘、刹车踏板等进行的人机交互。)都看作一个数据点。
 
然后,它获取这些数据,对其进行分析,并利用这些数据来改进算法,创建新的算法,然后再将这些改进通过空中传送给车辆。
 
截至2018年11月,特斯拉已经积累了10亿英里的自动驾驶数据。相比之下,Waymo已经收集了大约1500万英里。
 
专注于颠覆性技术和市场的投资公司ARK的分析师Tasha Keeny说,当你查看特斯拉汽车行驶的总英里数时(无论自动驾驶是否启用),记录的总英里数约为100亿英里。
 
这是一个巨大的图书馆,特斯拉可以利用它来教授它的神经网络新的东西,然后去适应和改进。
 
但是特斯拉和其他汽车之间真正重要的区别是:
 
•特斯拉的数据是从真实世界的英里数中收集的
 
•特斯拉车主不只是开车去上班或办事。他们同时也是训练特斯拉AI/ML的引擎。
 
马斯克说:“当一辆车学会了一些东西时,他们都学会了。”(财富杂志,“特斯拉自动驾驶仪是如何学习的”)
 
这肯定是当今最有效的众包AI/ML培训计划之一。
 
自治日
 
特斯拉是如何实现这些数字并推动系统不断改进的?
 
最近,在特斯拉号称 “自治日” 的投资者活动中,工程副总裁Stuart Bowers*提出了这种方法(可以在 YouTube 上看到; 鲍尔斯的发言是在2:50--3:00)。
 
“要开始这一切,我们首先要了解我们周围的世界,”Bowers说。“我们有8个摄像头,我们还有12个超声波传感器(雷达)、惯性测量单元、GPS,还有一件我们通常会忘记的事情:踏板和转向动作。”
 
Bowers指出,这些传感器中的每一个都会有相互审计的“重叠字段”。通过这种方法,特斯拉能够“非常精确地了解正在发生的事情”。
 
每个新事件、驱动程序和机器之间的每个新交互都会被记录并上传到数据库。然后,它被用来创建3D模拟,特斯拉的软件工程师可以通过研究来改进和完善算法。
 
然后,对整个系统的更新、改变或修改将可以通过空中传输给特斯拉汽车。
 
阴影模式
 
最精彩的部分是:在接受这些变化之前,特斯拉是在“阴影模式”下进行修改的。毫无疑问,这是对模拟测试或标准测试的一个重大改进,因为阴影模式是实时运行的,在真实世界中,是在后台进行“思考”的,这创建了一个连续的反馈循环。
 
简单地说,可以把它想象成你十几岁时的自己,正渴望得到你的驾照,坐在副驾驶座上,爸爸则一边开车一边解释他在做什么。你要密切关注,因为你很快就会坐在那个驾驶座上了。
 
“当我们有我们想尝试的新算法时,我们可以把它们放在车队上,看看它们在现实世界中的情况会如何,”Bowers评论道。
 
“最终,我们可以通过机器学习做越来越多的事情,然后进入一个可控的车队,这对我们来说只是一个早期的访问程序。”
 
特斯拉目前正在测试的一个功能是预测车辆前的行人或骑车人可能会做什么。
 
“我们有能力探测道路上的障碍物,行人就是障碍物,”Bowers说。“我们实际上已经可以看到自行车和人,我们的下一代自动紧急制动系统不仅会为你路上的人停下来,对于那些将会在你的道路上的人来说,它也会停止。”
 
Bowers指出,这项新功能目前正在阴影模式下运行。然后,它将被推广到特斯拉的整个车队中,但将由一组已经报名参加测试的核心车手进行进一步的测试。
 
另一个例子是在高速公路上变换车道。特斯拉现在已经成功地用自动驾驶仪完成了900万次,没有一次事故。Bowers说:“我们每天要做大约100,000件这样的事情。”
 
截至2019年4月,它已经行驶了7000万英里,自动驾驶仪结合GPS系统导航,最终将司机和乘客带到了门口。
 
Bowers认为,最终的结果是我们将“观察所有的神经网络和所有的汽车,把所有的信息汇集在一起,最终为我们周围的世界输出一个真理的来源。”
 
移动即服务
 
追求自主驾驶不是为了卖给你一辆机器人汽车。而是在给你租一个机器人出租车服务。
 
这是一个移动即服务的新兴领域。在我最近的采访中,ARK公司的Tasha Keeny认为,如果你考虑到我们对Uber和Lyft以及传统出租车服务的更多使用,从某种意义上来说,MaaS已经开始了。
 
但是根据她的数据,“租”比买更贵。如今,汽车拥有者的数据约为每英里70美分,比使用服务便宜。但是一旦劳动力不在考虑范围之内,MaaS的价格就会急剧下降到每英里22美分,比自主拥有汽车要便宜得多。
 
请放心,千禧一代以及共享一代,将是这项服务的首选。
 
当我们不再拥有汽车,而是在手机上点击一个应用程序来召唤无人驾驶汽车时,这个转折点就将创造一个价值5万亿美元的市场,Keeny说。
 
这是所有参与自主驾驶公司的登月计划。这就是Uber的投资者仅今年就愿意接受60亿美元损失的原因。这就是Waymo与Avis和自动驾驶公司合作的原因。
 
特斯拉也计划加入这个MaaS游戏。例如,新款特斯拉Model 3s可以租用,但在租赁期结束时你不能购买它。特斯拉准备在不久的将来将它们用于半自治类型的MaaS,以实现向完全自主型MaaS的过渡。
 
这是一个很大的赌注。但奖励是丰厚的。移动即服务的世界正在快速向我们走来。最终的结果将会改变游戏规则。
 
至少从技术角度来看,特斯拉领先了竞争对手整整一圈。
 
大型汽车制造商们正在做他们最擅长的事情:大规模的设计和制造汽车,以降低成本,保持销售汽车的竞争力。
 
但和所有颠覆性公司的情况一样,特斯拉不会遵守这些规则。特斯拉正在建造自己的芯片、硬件、软件(从内核开始),最重要的是,也许还有神经网络,所有这些都是为了提供它自己的MaaS风格。物理车辆的生产只是方程式的一部分。
 
毫无疑问,帮助特斯拉在这种整体系统方法中改变游戏规则的就是它的数据。

关键字:数字化转型

原创文章 企业网D1Net

数字化转型案例:数据公司特斯拉 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2019 京ICP备09108050号-6

^