162. 网络的重参数化（1/2）

马斯克的主要商业版图是汽车与火箭这样的重工业，其实原本与这个时间点的人工智能关系没有那么大。

不过他个人的确是想法极其前沿又激进的一个人，造普通的车可不是他的风格。

特斯拉不仅要带电，还要带自动驾驶！

不仅如此，面对孟繁岐在视觉算法上的接连突破，他有一个大胆的想法。

那就是希望为自己的特斯拉电车产业打造一个纯计算机视觉系统，而不借助其他技术手段。

这是导致他此次再次来寻找孟繁岐，追求技术突破的主要原因。

個人来说，他其实已经对上次的结果非常满意了，只不过他给自己的目标定的太高，想要完成这还远远不够。

自动驾驶在深度学习发展起来之前就已经有了一些不错的成果，不过那些内容都是基于雷达和传感器居多。

主要通过激光雷达或者其他传感器来检测物体，以及这些物体距离车辆的距离。

不过马斯克觉得，这与人类操作车辆的方式不大一样，太不酷了。

想想人类是怎么开车的？

一个人在驾驶汽车的时候，基本上就是纯视觉的，只靠看就能驾驶。车辆上那些镜，主要就是为了方便人看到周围和后面。

可能偶尔有一些听觉的辅助效果，比如鸣笛，不过不是特别关键。主要还是视觉系统在起到作用。

马斯克称之为第一原理思维，他希望做出的智能系统完全按照人类的逻辑去驾驶车辆，而不是借助传感器，毕竟人类可没有这样的超能力。

但是视觉系统完全是基于大量的相机的，非常依赖高精度的检测算法，这就会带来很多的问题。

如果检测到的东西数据集中没有见过怎么办？那还能检测到吗？

基于激光雷达的传感器办法，不管碰到什么，总是可以检测到粒子和物体，它的原理像不像人类不说，至少不那么容易直接撞上去。

纯依靠视觉的智能系统那可就不好说了，必须先用网络处理图像，然后加以分析。

一旦分析出错，出现了误判，那是必撞无疑，肯定会发生车辆事故，一头创死在上面。

马斯克激进的技术策略和喜好导致了一个问题，那就是人工智能算法要做的事情太多了。

想要完全弃用传感器，那四面八方都得安装车载摄像头才行，才能保证前后左右都看得清楚。

此外，还有一个重要的事情，那就是距离的估计。

对于人类来说，根据一张图片去判断其中距离的远近，实在太过容易，可这对人工智能视觉算法来说，不是一件容易的事情。

以现在的技术条件，需要进行非常复杂的标注，去分析样例图片中各个部位和像素的距离远近。

因为图片毕竟是2D平面的，而自动驾驶是一个需要掌握好空间距离的任务。

通过大量不同角度的平面图片，来重构一个三维的空间，甚至鸟瞰视角的三维空间是必要的。

不过现在这还只是空中楼阁，马斯克再次联系孟繁岐的来意非常简单，就是希望这个作为骨干的神经网络可以再快一点，或者计算量再小一点。

try{ggauto();} catch(ex){}