自適應(yīng)巡航、變道輔助、防撞預(yù)警、盲點監(jiān)測、自動駕駛……這一切種種只是如今新車配備的駕駛輔助功能中的一小部分。隨著技術(shù)的不斷升級,駕駛者們反而越來越不明白自己要怎么用車才是真正的安全。
不少經(jīng)銷商總愛以先進的駕駛輔助技術(shù)作為產(chǎn)品賣點,不斷給購車者們灌輸所謂新理念。手套箱里的用戶手冊越來越厚,用戶也越來越不想讀。隨著汽車技術(shù)的不斷進步,科學(xué)家們開始對駕駛過程中人的元素進行深入剖析,探索司機們在前所未有的駕駛體驗下到底感覺如何。
下面,就是科學(xué)家們整理得出、但在用戶手冊中絕對不會出現(xiàn)的高級駕駛輔助技術(shù)使用指南。
保持警惕
最近一項研究發(fā)現(xiàn),新任車主在買車之后的第一個月最為謹慎,他們會認真了解自己的駕駛輔助系統(tǒng)能做什么、做不了什么。但在一個月之后,司機們就會在相對簡單的路況下東張西望,畢竟開闊的高速公路能有什么突發(fā)情況呢。
這聽起來好像沒什么問題,但其中的關(guān)鍵在于:雖然開闊道路對人類來說非常安全,但有時候反而會給汽車的計算機視覺系統(tǒng)造成接近甚至超越極限的處理壓力。
正因為如此,在11輛使用Autopilot的特斯拉汽車先后撞上閃爍著應(yīng)急燈的警車和消防車后,聯(lián)邦政府決定對這套駕駛輔助系統(tǒng)開展全面調(diào)查。
計算機沒法像人類那樣觀察并理解世界。雖然如今的AI系統(tǒng)已經(jīng)擊敗了世界上最偉大的國際象棋大師,但還是識別不到面前閃爍著警燈的消防車。我們?nèi)祟愑兄鴱姶蠖`活的常識儲備,但汽車卻沒有——它們觀察世界的唯一窗口,就是由視頻片段匯編而成的數(shù)據(jù)。
考慮到這一點,作為司機的我們在使用駕駛輔助系統(tǒng)時到底什么時候可以放松、什么時候該提高警惕?簡單來講,隨時都要提高警惕。
新車中的危險檢測系統(tǒng)專為那些最罕見的情況而設(shè)計,主要功能就是提醒我們關(guān)注那些容易被忽略的危險信號。但對駕駛員開展調(diào)查之后,我們發(fā)現(xiàn)很多人在購車一段時間之后就不再單純把它作為后備工具。最近一項研究表明,在使用特斯拉Autopilot系統(tǒng)時,司機看路的次數(shù)更少、注意力也更多集中在非駕駛區(qū)域。
隨著時間的推移,人們顯然會在無意識的情況下過度依賴后備系統(tǒng)并放松警惕。在最極端的情況下,司機可能直到聽見警報聲才會意識到風(fēng)險就在身邊。這時候人類駕駛員相當(dāng)于放棄了觀察,把所有任務(wù)都交給了駕駛輔助系統(tǒng)。
共享駕駛讓人更加疲勞
事實證明,無論大家自己開車時有多么專注,盯著電腦開車比親自動手其實要難受得多。
乍看一下,這應(yīng)該是種很輕松的體驗,但實際卻出乎意料地讓人心累。因為沒有任何參與感,我們很難把注意力集中在眼前的一切身上——沿著熟悉的路線,一切按預(yù)期進行,久坐凝視會讓大腦很快陷入麻木。這壓根就不是人類所擅長的場景。
面對新聞里司機按下自動駕駛開關(guān)后就睡覺去了的報道,很多朋友會覺得難以置信。但這又是另一種誤解——司機真的是放心去睡了,還是在百無聊賴之中失去了意識呢?
為了找到答案,研究人員為司機配備了大腦與視覺監(jiān)測系統(tǒng),并發(fā)現(xiàn)使用自動駕駛系統(tǒng)的司機更有可能在不得不中進入淺度睡眠。如今繁忙的日程安排本就讓人們精神疲憊,而保持清醒的最好方式就是讓自己動起來、忙起來。但按下一個按鈕,車就能自己前往目的地,這樣的體驗完全可能激發(fā)出大腦深處的困意、在不自覺中給司機帶來風(fēng)險。
不夠直觀的盲區(qū)檢測
后視攝像頭看似能拓寬我們的觀察視野,消除那些恐怖的盲點。但是,在對使用后視攝像頭的司機開展研究之后,我們發(fā)現(xiàn)更多令人不安的事實。在使用后視攝像頭時,司機們往往不再關(guān)注左右后視鏡,但絕大部分倒車刮蹭恰恰就發(fā)生在車體兩側(cè)。例如,孩子們可能突然跑到車側(cè)向司機道別,這種突發(fā)情況就完全不在攝像頭的捕捉范圍之內(nèi)。
除了查看攝像頭之外,我們應(yīng)該保持以往的好習(xí)慣:回頭望望。遺憾的是,大多數(shù)司機并沒能保住這種好習(xí)慣。另一項研究估計,雖然后視攝像頭在很大程度上消除了車后盲區(qū),但相應(yīng)的倒車事故發(fā)生幾率只降低了17%左右。
為駕駛員提供新型培訓(xùn)
駕駛輔助系統(tǒng)無疑是一種強大的工具,有望挽救許多生命。但它需要人們調(diào)整自己對已經(jīng)非常熟悉的駕駛?cè)蝿?wù)的理解方式,更好地適應(yīng)這種新的、具有種種不同特性的駕駛體驗??紤]到單是美國就有2.5億司機,這樣的全民改變無疑將是個艱難的任務(wù)。
我和同事們一直在推動為新車主們提供標(biāo)準(zhǔn)化培訓(xùn),其中就包括如何處理自動駕駛過程中的人為因素。而這里最大的難題,就是為用戶們灌輸某些相當(dāng)違反直覺的使用習(xí)慣。
想象一下,新人們可能在學(xué)習(xí)后才意識到自己根本無法正確辨別安全情況與危險情況間的不同、并不真的知道自己什么時候?qū)儆谄跔顟B(tài),甚至從沒想過自動駕駛的體驗要比親自開車更讓人疲倦。大多數(shù)司機在初次接觸駕駛輔助技術(shù)時肯定不會相信這些“鬼話”,但課程的意義就是用啟發(fā)的方式引導(dǎo)大家對開車這事兒做出更深刻的個人思考。
那么事故率最高的年輕司機群體呢?十多年前,開車曾經(jīng)是高中教育的課程內(nèi)容;但如今,智能手機、移動應(yīng)用與駕駛輔助技術(shù)陸續(xù)出現(xiàn),不斷降低著新手司機的準(zhǔn)入門檻。所以也許現(xiàn)在正是向年輕人們傳授安全駕駛概念的絕佳時機。
總之,在大家按下按鈕、放心把駕駛權(quán)交給汽車之前,請務(wù)必記住這背后承載著巨大的責(zé)任與技術(shù)意義。只要人機妥善配合,才能順利完成一段輕松愜意的駕駛旅程。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。