<p>齊曉娟教授在香港大學(xué)電機(jī)電子工程系工作，同時(shí)也是Deep Vision實(shí)驗(yàn)室的成員。她的研究涵蓋深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和人工智能。在這次與我們的科學(xué)主編 Pavel Toropov博士的訪談中，齊教授談到了自動(dòng)駕駛汽車(chē)和構(gòu)建虛擬世界。</p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/info_imgUrl_php1FUn5d.jpg" alt="" /></p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>您的主要研究方向是什么？</strong></p> <p>&nbsp;</p> <p>計(jì)算機(jī)視覺(jué)和人工智能。簡(jiǎn)單來(lái)說(shuō)，計(jì)算機(jī)視覺(jué)是賦予機(jī)器看見(jiàn)的能力。人類(lèi)可以看到三維世界&mdash;&mdash;物體的形狀、它們之間的關(guān)系以及許多語(yǔ)義。然后這些信息為會(huì)幫助我們?cè)谌S世界中做出決策。</p> <p>&nbsp;</p> <p>為了讓一個(gè)機(jī)器人、一個(gè)機(jī)器在這個(gè)世界上穿梭，它也必須能夠看見(jiàn)。它必須識(shí)別不同的物體，估計(jì)它們的幾何形狀。這有很多應(yīng)用，其中之一就是自動(dòng)駕駛汽車(chē)。為了讓車(chē)輛能夠自動(dòng)駕駛，它必須具備看見(jiàn)前方物體、障礙物、預(yù)測(cè)其他代理的行為并制定安全駕駛計(jì)劃的能力。</p> <p>&nbsp;</p> <p>另一個(gè)應(yīng)用是醫(yī)療。我們開(kāi)發(fā)的人工智慧能自動(dòng)分析醫(yī)學(xué)影像，以便做出更精確的診斷，減少誤診的可能性。</p> <p>&nbsp;</p> <p>另一個(gè)令人興奮的領(lǐng)域是AI服務(wù)于基礎(chǔ)學(xué)科的發(fā)展。我與化學(xué)系有一些合作，我們開(kāi)發(fā)了一種人工智能算法來(lái)提高電子顯微鏡圖像的清晰度和分辨率。這可以幫助生物學(xué)家進(jìn)行發(fā)現(xiàn)。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>自動(dòng)駕駛和人工智慧不是新事物，</strong><strong>您的研究對(duì)這個(gè)領(lǐng)域有何貢獻(xiàn)？</strong><strong>您的優(yōu)勢(shì)是什么？&nbsp;</strong></p> <p>&nbsp;</p> <p>為了測(cè)試自動(dòng)駕駛車(chē)輛是否能夠安全駕駛，我們需要一個(gè)模擬平臺(tái)。我們目前正在做的是構(gòu)建一個(gè)模擬環(huán)境，以便我們可以幫助訓(xùn)練模型并評(píng)估車(chē)輛在真實(shí)環(huán)境中的安全性。你知道（非常受歡迎的電腦游戲）《黑神話悟空》嗎？</p> <p>&nbsp;</p> <p>這個(gè)游戲中的場(chǎng)景看起來(lái)非常真實(shí)，原因是開(kāi)發(fā)者使用激光雷達(dá)掃描了物體，特別是山西省的歷史建筑。他們對(duì)它們進(jìn)行了重建并導(dǎo)入虛擬環(huán)境，即電腦游戲中。</p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/info_imgUrl_phpgtpFLa.jpg" alt="" /></p> <p>&nbsp;</p> <p>這與我正在做的非常相似&mdash;&mdash;使用這些掃描，但不依賴(lài)昂貴的激光雷達(dá)掃描技術(shù)，我們使用數(shù)碼相機(jī)拍攝的圖像，在虛擬空間中重建世界。我們創(chuàng)造了一個(gè)全新的現(xiàn)實(shí)。</p> <p>&nbsp;</p> <p>另一個(gè)優(yōu)勢(shì)是我們正在努力使算法能夠在隨意捕捉的數(shù)據(jù)上運(yùn)行。例如，在《黑神話悟空》中，他們需要專(zhuān)家來(lái)掃描物體并進(jìn)行重建，但我們正在做的是讓任何人，不僅僅是專(zhuān)家，都可以用手機(jī)來(lái)掃描。然后我們可以制作算法來(lái)重建場(chǎng)景。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>所以您重建或構(gòu)建了一個(gè)新的現(xiàn)實(shí)，</strong><strong>一個(gè)虛擬世界，用來(lái)測(cè)試自動(dòng)車(chē)輛和機(jī)器人？</strong></p> <p>&nbsp;</p> <p>是的。我們可以使用激光雷達(dá)或數(shù)碼相機(jī)掃描的城市，并使用算法將現(xiàn)實(shí)世界轉(zhuǎn)化為數(shù)碼空間。此外，我們還創(chuàng)建了可以生成三維物體的模型，例如桌子和椅子，類(lèi)似于現(xiàn)實(shí)中的。在這個(gè)重建或重新創(chuàng)建的數(shù)碼世界中，我們可以訓(xùn)練和測(cè)試我們的算法，看它是否會(huì)犯錯(cuò)。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>在虛擬世界中訓(xùn)練和評(píng)估算法的優(yōu)勢(shì)是什么？&nbsp;</strong></p> <p>&nbsp;</p> <p>我們可以從交互中獲取數(shù)據(jù)&mdash;&mdash;例如，清潔機(jī)器人必須移動(dòng)桌子，在虛擬世界中，這可以用來(lái)訓(xùn)練機(jī)器人，與真實(shí)的物理世界互動(dòng)。在現(xiàn)實(shí)世界中訓(xùn)練是昂貴的，而且不安全&mdash;&mdash;機(jī)器人可能會(huì)破壞物體，傷害人類(lèi)。但在虛擬世界中，我們可以產(chǎn)生無(wú)限量的數(shù)據(jù)和交互。</p> <p>&nbsp;</p> <p>此外，我們可以創(chuàng)建所謂的極端情況并提高安全性。這些是現(xiàn)實(shí)中很少發(fā)生但很關(guān)鍵的情況，例如兩輛車(chē)相撞。我們可以創(chuàng)建這些場(chǎng)景，讓車(chē)輛學(xué)習(xí)該怎么做。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>您有與業(yè)界的合作嗎？&nbsp;</strong></p> <p>&nbsp;</p> <p>我們與香港汽車(chē)科技研發(fā)中心（由香港特別行政區(qū)政府設(shè)立）合作，我們有一個(gè)自動(dòng)駕駛的合作項(xiàng)目。還有滴滴出行。我們與谷歌、騰訊和字節(jié)跳動(dòng)也有很多溝通交流。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>機(jī)器在嘗試看世界時(shí)的主要困難是什么?</strong></p> <p>&nbsp;</p> <p>環(huán)境中數(shù)據(jù)的多樣性和多變性。例如，我們?cè)谶@個(gè)房間裡，現(xiàn)在很亮，但當(dāng)光線變暗或天氣不同時(shí)，這會(huì)給模型帶來(lái)很多挑戰(zhàn)，使機(jī)器難以識(shí)別相同的物體。</p> <p>&nbsp;</p> <p>(汽車(chē)的）攝像頭會(huì)捕捉不同的視頻點(diǎn)，加上不同的光照條件&hellip;&hellip;所有這些變化使這個(gè)問(wèn)題對(duì)機(jī)器來(lái)說(shuō)非常復(fù)雜，盡管對(duì)人類(lèi)來(lái)說(shuō)在不同條件下解釋物體很容易。</p> <p>&nbsp;</p> <p>因此，為了讓機(jī)器正確識(shí)別物體，我們必須將這個(gè)物體納入其訓(xùn)練數(shù)據(jù)中，并且為了強(qiáng)化模型，我們必須有大量的訓(xùn)練數(shù)據(jù)來(lái)涵蓋所有潛在情景。如果有一種情景沒(méi)有被涵蓋，在部署階段會(huì)出現(xiàn)很多錯(cuò)誤。</p> <p>&nbsp;</p> <p>例如，在美國(guó)和歐洲，車(chē)輛的尺寸不同。這也會(huì)造成麻煩。如果模型是在美國(guó)收集的數(shù)據(jù)上訓(xùn)練的，然后應(yīng)用于歐洲，它可能會(huì)出錯(cuò)。這也就是為什么公司會(huì)有基礎(chǔ)模型，設(shè)計(jì)來(lái)處理大量數(shù)據(jù)，假設(shè)這些數(shù)據(jù)可以涵蓋現(xiàn)實(shí)世界的多樣性。Chat GPT是一個(gè)擁有數(shù)千億參數(shù)的巨大模型。它是在幾乎整個(gè)互聯(lián)網(wǎng)數(shù)據(jù)上訓(xùn)練的，但它也會(huì)犯錯(cuò)。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>無(wú)人駕駛汽車(chē)已經(jīng)在中國(guó)大陸上路了，對(duì)嗎？&nbsp;</strong></p> <p>&nbsp;</p> <p>是的。這種汽車(chē)已經(jīng)上路了。百度在中國(guó)已經(jīng)有無(wú)人駕駛汽車(chē)&mdash;&mdash;我與百度有合作。在武漢市，百度有一個(gè)叫做蘿卜快跑的汽車(chē)服務(wù)。沒(méi)有人工駕駛員，但有一個(gè)人類(lèi)遠(yuǎn)程控制員可以在遇到挑戰(zhàn)性情景時(shí)接管。一個(gè)人類(lèi)控制員可以控制很多輛車(chē)。</p> <p>&nbsp;</p> <p><strong>Q：</strong><strong>&nbsp;您認(rèn)為無(wú)人駕駛汽車(chē)會(huì)在什么時(shí)候</strong><strong>像&ldquo;普通&rdquo;汽車(chē)一樣普遍？</strong></p> <p>&nbsp;</p> <p>這即將到來(lái)。我認(rèn)為在未來(lái)幾年內(nèi)會(huì)實(shí)現(xiàn)。主要問(wèn)題是人類(lèi)不能容忍AI模型的任何錯(cuò)誤。如果無(wú)人駕駛汽車(chē)出錯(cuò)，這是一個(gè)大新聞，但人類(lèi)也會(huì)犯錯(cuò)。我們需要接受機(jī)器也會(huì)犯錯(cuò)。人類(lèi)會(huì)，而且他們犯很多錯(cuò)誤！問(wèn)題是&mdash;&mdash;如何讓人們信任機(jī)器？我們需要人機(jī)合作。</p> <p>&nbsp;</p> <p>本文轉(zhuǎn)載自&ldquo;香港大學(xué)&rdquo;公眾號(hào)</p> <div class="qrcode-content-wrapper" contenteditable="false"> <div style="position: absolute; top: 112px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> <div style="position: absolute; top: 1592px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> </div>