助力汽車自我思考

——詮釋圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器芯片如何為汽車應(yīng)用提供智能優(yōu)勢

作者：Imagination Technologies汽車產(chǎn)品部總監(jiān)Bryce Johnstone

汽車行業(yè)是推動人工智能（AI）發(fā)展的重要行業(yè)之一，這是因?yàn)樵撔袠I(yè)致力于自動駕駛汽車和高級駕駛員輔助系統(tǒng)（ADAS）的泛在利益。

汽車正在變得越來越智能，但是如果汽車行業(yè)要實(shí)現(xiàn)完全自動駕駛的目標(biāo)，他們還有很長的路要走。盡管業(yè)界還在討論實(shí)現(xiàn)全自動化所需的理想技術(shù)組合，但是有一點(diǎn)是明確的，那就是人工智能，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用。

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對于傳統(tǒng)視覺或模式識別系統(tǒng)來說具有挑戰(zhàn)性的任務(wù)。通過使每個神經(jīng)網(wǎng)絡(luò)各自不同，并針對特定任務(wù)進(jìn)行設(shè)計(jì)，它可以更高效、更精確地執(zhí)行任務(wù)。

所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個層面上多次處理數(shù)據(jù)。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次，而不是用一組特定的參數(shù)只運(yùn)行一次操作。這個想法是，通過所有這些不同的路徑，選擇的數(shù)量就會增加。當(dāng)?shù)搅诵枰龀鰶Q策的時候，它已經(jīng)從輸入中提取了所有的信息。

在路標(biāo)識別的示例中，第一層可能正在尋找一個標(biāo)識的角形狀，然后是顏色等各個步驟執(zhí)行下去，直到它可以非常確信地說這是一個路標(biāo)并說明其含義。這樣做的好處在于無需對每一個步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會自己完成，并且隨著時間的推移而不斷學(xué)習(xí)。該算法知道它需要識別的內(nèi)容，并將嘗試不同的方法，直到實(shí)現(xiàn)目標(biāo)，并在過程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過培訓(xùn)之后，它便可以在實(shí)際應(yīng)用中發(fā)揮作用。這意味著工程師不必花費(fèi)數(shù)小時來微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成。

這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測、分類和分析，而駕駛員監(jiān)測、訪問控制以及語音和手勢識別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò)。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能方法，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場景，它將同時依賴于圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器（NNA）。

在從傳感器到電子控制單元（ECU）整個鏈路中也可以使用神經(jīng)網(wǎng)絡(luò)，在預(yù)處理、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。