自適應(yīng)巡航、變道輔助、防撞預(yù)警、盲點(diǎn)監(jiān)測(cè)、自動(dòng)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(jí),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(jìn)的駕駛輔助技術(shù)作為產(chǎn)品賣點(diǎn),不斷給購(gòu)車者們灌輸所謂新理念。手套箱里的用戶手冊(cè)越來越厚,用戶也越來越不想讀。隨著汽車技術(shù)的不斷進(jìn)步,科學(xué)家們開始對(duì)駕駛過程中人的元素進(jìn)行深入剖析,探索司機(jī)們?cè)谇八从械鸟{駛體驗(yàn)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(cè)中絕對(duì)不會(huì)出現(xiàn)的高級(jí)駕駛輔助技術(shù)使用指南。
保持警惕
最近一項(xiàng)研究發(fā)現(xiàn),新任車主在買車之后的第一個(gè)月最為謹(jǐn)慎,他們會(huì)認(rèn)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(gè)月之后,司機(jī)們就會(huì)在相對(duì)簡(jiǎn)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(duì)人類來說非常安全,但有時(shí)候反而會(huì)給汽車的計(jì)算機(jī)視覺系統(tǒng)造成接近甚至超越極限的處理壓力。
正因?yàn)槿绱耍?1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(duì)這套駕駛輔助系統(tǒng)開展全面調(diào)查。
計(jì)算機(jī)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(guó)際象棋大師,但還是識(shí)別不到面前閃爍著警燈的消防車。我們?nèi)祟愑兄鴱?qiáng)大而靈活的常識(shí)儲(chǔ)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(diǎn),作為司機(jī)的我們?cè)谑褂民{駛輔助系統(tǒng)時(shí)到底什么時(shí)候可以放松、什么時(shí)候該提高警惕?簡(jiǎn)單來講,隨時(shí)都要提高警惕。
新車中的危險(xiǎn)檢測(cè)系統(tǒng)專為那些最罕見的情況而設(shè)計(jì),主要功能就是提醒我們關(guān)注那些容易被忽略的危險(xiǎn)信號(hào)。但對(duì)駕駛員開展調(diào)查之后,我們發(fā)現(xiàn)很多人在購(gòu)車一段時(shí)間之后就不再單純把它作為后備工具。最近一項(xiàng)研究表明,在使用特斯拉Autopilot系統(tǒng)時(shí),司機(jī)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(shí)間的推移,人們顯然會(huì)在無意識(shí)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(jī)可能直到聽見警報(bào)聲才會(huì)意識(shí)到風(fēng)險(xiǎn)就在身邊。這時(shí)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(shí)證明,無論大家自己開車時(shí)有多么專注,盯著電腦開車比親自動(dòng)手其實(shí)要難受得多。
乍看一下,這應(yīng)該是種很輕松的體驗(yàn),但實(shí)際卻出乎意料地讓人心累。因?yàn)闆]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(jìn)行,久坐凝視會(huì)讓大腦很快陷入麻木。這壓根就不是人類所擅長(zhǎng)的場(chǎng)景。
面對(duì)新聞里司機(jī)按下自動(dòng)駕駛開關(guān)后就睡覺去了的報(bào)道,很多朋友會(huì)覺得難以置信。但這又是另一種誤解——司機(jī)真的是放心去睡了,還是在百無聊賴之中失去了意識(shí)呢?
為了找到答案,研究人員為司機(jī)配備了大腦與視覺監(jiān)測(cè)系統(tǒng),并發(fā)現(xiàn)使用自動(dòng)駕駛系統(tǒng)的司機(jī)更有可能在不得不中進(jìn)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(dòng)起來、忙起來。但按下一個(gè)按鈕,車就能自己前往目的地,這樣的體驗(yàn)完全可能激發(fā)出大腦深處的困意、在不自覺中給司機(jī)帶來風(fēng)險(xiǎn)。
不夠直觀的盲區(qū)檢測(cè)
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(diǎn)。但是,在對(duì)使用后視攝像頭的司機(jī)開展研究之后,我們發(fā)現(xiàn)更多令人不安的事實(shí)。在使用后視攝像頭時(shí),司機(jī)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(jī)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(jī)并沒能保住這種好習(xí)慣。另一項(xiàng)研究估計(jì),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(qiáng)大的工具,有望挽救許多生命。但它需要人們調(diào)整自己對(duì)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(yàn)??紤]到單是美國(guó)就有2.5億司機(jī),這樣的全民改變無疑將是個(gè)艱難的任務(wù)。
我和同事們一直在推動(dòng)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(dòng)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(shí)到自己根本無法正確辨別安全情況與危險(xiǎn)情況間的不同、并不真的知道自己什么時(shí)候?qū)儆谄跔顟B(tài),甚至從沒想過自動(dòng)駕駛的體驗(yàn)要比親自開車更讓人疲倦。大多數(shù)司機(jī)在初次接觸駕駛輔助技術(shù)時(shí)肯定不會(huì)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(duì)開車這事兒做出更深刻的個(gè)人思考。
那么事故率最高的年輕司機(jī)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(jī)、移動(dòng)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(jī)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(shí)機(jī)。
總之,在大家按下按鈕、放心把駕駛權(quán)交給汽車之前,請(qǐng)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(jī)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(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。