厄姆森:他一手打造了谷歌無人車 現在創業一年談感想

　　2018-04-04 09:02:31　來源: 網易智能

　　

　　本文系網易智能工作室（公眾號smartman 163）出品，此篇為AI英雄人物第68期。

　　選自：The Atlantic 編譯：網易智能 參與：惜辰

　　本期嘉賓為無人車公司Aurora的創始人克里斯·厄姆森，作為卡內基梅隆大學高級研究員，厄姆森於2009年加入谷歌，而當時谷歌尚未啟動無人駕駛汽車項目，在他的帶領下，谷歌使用LexusRX450hSUV以及自己開發無人駕駛汽車原型產品，累計行程達到180萬英里（約合290萬千米），直到該項目一躍成為Alphabet旗下子公司Waymo，目前它顯然是無人車領域的領軍公司，儘管厄姆森把Waymo推上了技術高峰，讓它成為有望首家商業化部署無人車的企業，但他沒能陪它走到未來這一步。約翰克拉夫西克（John Krafcik）上任Waymo的CEO后，2016年12月厄姆森離職。

　　在接受記者採訪時，這位前谷歌無人車項目負責人厄姆森(Chris Urmson)談論了自己的歷程、無人車行業的現狀以及未來展望，他指出，無人車裝配的感測器雖價格高昂但會隨著規模生產而大幅下降，厄姆森認為，當你能夠向所有汽車商出售技術，為什麼還要自己經營無人車服務呢？ 無人車技術的推廣將如同這類技術的研發一樣複雜、困難和昂貴，因此首個部署無人車技術的公司不一定是市場的長久贏家。

　　大量創業公司進入無人車領域 大家都有機會！

　　問：當你離開谷歌時，我們都很震驚，可以聊聊為什麼嗎？

　　厄姆森：是時候了，如果在離開的一年前問我，我肯定會說，會無限期地待在谷歌，但那時是離開的時候了，公司聘請了約翰，他們挑中了他來管理Waymo，這對公司而言很不錯，只是我不再適合待下去。

　　問：可是你擁有了這一行業最珍貴的經驗。

　　厄姆森：當離開時，我不知道要做什麼。有很多很酷的事，可以是飛行汽車，也可以是融合了計算機科學和生物技術的事物。過去12年我都致力於無人車，我感覺或許該去其他領域瞧瞧。我花了三四個月時間經歷了這一過程。我見了許多人。幾個月後，我意識到有一個獨特的機會在我面前，我可以創建一家新公司。

　　我找到了幾個很棒的聯合創始人。斯特林曾在特斯拉工作過一段時間。他擁有很好的資歷：他是麻省理工學院博士，在麥肯錫公司度過了幾年，然後在特斯拉工作，併發布產品。他負責研發的是Autopilot自動駕駛技術。

　　我從1999年就認識德魯，現在已經19年了。我們在同一所學校念研究生。他是機器學習領域的專家，在機器學習還不像現在這麼廣為人知時，他就把這一技術應用在機器人領域。我們從未真正合作過，但我們擁有很多共同的朋友。當時他在Uber工作，並打算有所改變。

　　問：你們分別來自谷歌、特斯拉和Uber，對無人車的經驗各不相同，你們如何更好的協作？

　　厄姆森：這實際上是我們的秘密武器的一部分。我們從各自不同的經驗中挑選出最精華的部分。我們創立了一個擁有一定經驗的團隊，並摸索如何把我們的技術以現代方式應用於汽車系統中。我把德魯視為一個機器學習專家，特別是機器人和機器學習方面。因為當你研發機器學習網路時，那裡有著無限的數據。

　　問：你花了這麼長時間幫Waymo起步，為什麼還要創建一家新公司？

　　厄姆森：考慮到無人車技術以及汽車生態系統現在所處的發展階段，我覺得當時是個恰當的時機。我認為，幾年前汽車業還未準備好迎接無人車技術。這一行業已經發展了100多年。他們的供應鏈相當強大。

　　但這是一項新技術。它需要投入全套新人員和新技能。目前汽車行業似乎已準備就緒，部分原因在於這一行業承受著巨大的壓力：環保監管的衝擊、對汽車電氣化的需求、來自Onstar安全信息系統以及Uber、Lyft、滴滴等打車應用的影響。這是真正的信息互聯，汽車迎來了全新的使用方式。隨後而來我們迎來了自動駕駛車輛和駕駛輔助技術。這些技術正同時在汽車行業中會合。這推動了汽車業人士思考：「我們如何應對這種現狀？」

　　對於Aurora，這彷彿是一個機遇。我們把各自的深刻體驗、對這一問題的了解描繪在一張白紙上，然後走出去與汽車公司合作，我們秉持著不干擾他們、與他們合作的精神。我們採取這樣的戰略是因為製造汽車確實非常困難。我們以為造車沒什麼，其實生產汽車有點令人驚嘆。

　　問：所以這就是你和Waymo之間的關鍵戰略差異，你採用的方法在技術上有何不同？

　　厄姆森：如果從三千米的高空看下來，並無區別。我們正使用激光、雷達和相機這些設備，我們正在研發路徑規劃、感知和控制等技術。我們擁有軟體基礎設施。所以，從那個高度看沒什麼區別。你是誰並不重要。重要的是你正使用這些感測器和軟體。但在這個領域中真正重要的是能夠解決這類技術最後10%、最後1%甚至最後0.001%的難題。

　　問：自動駕駛汽車問題的芝諾悖論？

　　厄姆森：你說得對。你可以找幾個研究生，買一輛車，下載ROS機器人軟體平台，或許在六個月內你們就可以坐著一輛自動駕駛汽車繞著停車場轉悠了。當然，挑戰在於細節。這正是在Aurora公司我們所考慮的問題。如果我們要從零開始設計，我們不關注產品的展示效果以及如何儘快讓一輛汽車以自動駕駛狀態開在停車場上。我們想知道如何讓無人車高效而安全地開上馬路。

　　例如，我們正把機器學習技術應用在運動規劃和感知系統中。你設計這類系統的典型方式是讓團隊成員研究感知技術。他們儘可能地展開研究，直到遇到瓶頸。然後把工作移交給運動規劃人員。這些新接手的人員就開始編寫代碼，鑽研哪裡停車或怎麼變道，這還需應對感知系統中的所有警示信號，因為基於目前技術它無法完美地感知現實世界，它會犯錯。或許感知系統認為速度該快一點或慢一點。也許它有時會做出錯誤判斷。運動規劃系統必須對此作出回應。所以運動規劃的研發進度開始落後於感知系統。但是研發者全身心投入，並且進展順利，趕上了感知系統的進度。接著感知系統的研發者說，「我們取得新進展了。」運動規劃方面又遭遇波折，系統在不該奔潰的時候奔潰了。最終出現這樣的困境：反覆出現兩個團隊交互超越的局面。兩者成為彼此的障礙。運動規劃人員不希望感知系統有進展，因為他們剛剛讓這些技術正常運作。但是如果感知系統沒有改善，就無法取得最終的成功。

　　我們設計系統的方式是讓機器學習技術同時應用在這兩個研發任務上。無論感知系統輸出什麼，我們能夠自動地重新調整運動規劃系統以適應新的感知數據，從而讓兩個任務更快地取得進展。這聽起來沒什麼稀奇的，但訣竅在於運動規劃和感知系統之間的介面是什麼，以便支持兩種演演算法之間的合作。

　　問：自谷歌開始研究自動駕駛汽車，機器學習的普遍性已發生巨大的變化，你認為Waymo是否在充分利用這一點？Waymo的工程副總裁德米特里多爾戈夫（Dmitri Dolgov）的回答是，「你認為在這一技術上誰會是全球第一？」

　　厄姆森：這個回答不差。他們是一個非常棒的團隊，他們的工作非常出色。他們顯然遠遠領先其它公司。當你擁有自身的一套架構規則，周邊的一切以此為基礎。你很聰明，你會迭代，你善於改變，但也存在爭議。事實上，我們需要了解我們在機器學習上所做的一切以及雲計算的可用性，並理解問題究竟有多艱巨，這些都有助於我們從最開始就著手解決這些問題。

　　這並不意味著我們將在Waymo之前解決這些問題，但我們能夠更快地取得一定進展。我們將能夠幫助合作夥伴向市場推出安全的、更強大的產品。

　　自動駕駛不等同於輔助駕駛 造車成本將大幅降低

　　問：當你回顧那些問題時，在當時極為棘手的問題，但今天回想起來會讓你覺得：天哪！我們一個月內就解決了？

　　厄姆森：例如，我們把機器學習技術應用在對象追蹤上。進展很快，我們已經能夠獲得正常運行的版本。那真令人興奮。對象追蹤功能可廣泛應用在汽車生態系統和我們生活的世界中。當谷歌開始研發這一功能時，TensorFlow還不存在。

　　問：另一個Waymo式準則是決定不把自動駕駛技術當成輔助駕駛形式，這點你現在怎麼看？

　　厄姆森：我仍堅信這條準則！這並不是說不在汽車中安裝方向盤，或是當車主想開車的時候卻不能開。但我會實現的區別是：汽車不應該要求駕駛座上的人開車。如果你想開車也喜歡開車，就去享受其中的樂趣，去開吧。但如果你不想開車，總不能讓汽車發話，「我現在真的需要你開車」，就讓汽車自主駕駛吧。

　　人們常談論所謂的三級自主駕駛系統（汽車可以自主控制，但人類必須時刻為突發情況做好準備）。設想是這樣的：汽車正在自主駕駛，如果出現車主應該掌控方向盤的情況，汽車就會通知車主。如果車主未回應，汽車仍需要做該做的事，此時，它就相當於性能十分有限的四級自動駕駛系統(汽車可完全自主控制，人類幾乎不需要做任何事情）。要做到這一點，需要極複雜的技術，這時感測器套件將變得非常昂貴。

　　問：你如何評估你們的進度？

　　厄姆森：我們的合作夥伴希望時間節點大概在2020年或2021年。為了實現這個節點，我們正儘可能快地推進工作。在那個時候，預計我們的服務會覆蓋數萬輛自動駕駛汽車，與目前大約數千輛這類汽車相比，這個數據是巨大的。不過這只是剛開始部署，我們想到的是對全球的影響。這只是為Aurora設想的部分計劃，我們需要這麼多年才能讓這一技術正常運作，而打造能夠支持這類技術的汽車也需要大致相同的時間。因此，如果我們能夠找到合適的合作夥伴，並與它們同步開發Aurora技術和汽車，那麼我們就可以完成這些規劃，實現我們所預想的規模化影響，而且速度還快於其他企業。

　　即使Waymo已開發出成熟的技術（假設今天剛研發成功），他們仍需要時間來推廣技術，並且需要密切的汽車合作夥伴關係才能實現這一目標。

　　問：汽車公司會這麼說，「谷歌在一輛汽車上裝配了價值10萬美元的感測器，這很好，但我們談論的是向大眾推廣這類技術。」你們是技術套件開發商，這對你們是否是個關鍵問題吧？

　　厄姆森：從兩個方面考慮，我不支持這種說法。在乘車共享或公共交通的商業模式中，汽車設備的成本並不重要。如果是1萬美元、2萬美元或5萬美元，都會有辦法收回。經濟學將發揮作用。目前存在一種錯誤的等價觀念，即，一輛汽車的設備成本為10萬美元，那麼每輛量產汽車的設備成本也會是這麼多。去瞧瞧任何一輛量產汽車的研發原型，都要耗費高額成本。

　　當他們製造出前50輛時，每輛車的某塊成本大概是25萬和50萬美元之間。經過控制製造過程、工藝設計以及供應鏈管理流程，最終這塊成本可降到大約1.2萬美元。

　　這同樣適用於其他元件。以雷達設備為例。如果原始設備製造商購買100萬件雷達設備，單價可能才50美元。但是最初為了生產第一輛車時，我保證單價會在2萬到5萬美元之間。當人們談論這一點時，必須先考慮「應計成本」。從架子上取下激光設備，看看裡面的部件。如果是光纖激光設備，其中的釔摻雜光纖十分昂貴。但是如果是含激光二極體的激光雷達系統，裡面的元件都不貴。每個激光二極體售價幾美分或幾十美分，每個APD探測器售價幾美分或幾美元。如果大量訂購的話，這些成本會大幅下降。

　　問：對於自動駕駛汽車，人們沒有想到的還有什麼？

　　厄姆森：最難回答的問題是這類技術最終將被如何使用，以及將產生怎樣的深遠影響。智能手機問世已有大約十年的時間。如果十年前針對智能手機問類似的問題，會有怎樣的回答？我認為沒人預測得到Uber或Lyft會出現。

　　當然，去年也出現了許多新的預測，我們還需等待時間的驗證，尤其因為這些預測源自更多進軍這一行業的人。這些參與者遠多於這一行業的發展早期。而早期的參與者大多來自你的「教練樹」，他們中許多人曾參加過DARPA挑戰賽。他們都對這類技術的現有階段、如何運作以及發展領域擁有共識。

　　我認為這蠻有意思。在過去一年半或兩年中，無論勝任與否，更多形形色色的人參與進來了。你說得對，許多早期參與者曾是DARPA挑戰賽的參賽者。當時，那是唯一能找到有經驗的人的地方。現在這一行業吸引到了大量資金。所以投資者會說，這看起來很有趣，讓我們去做吧。這催生了新的創新，我認為這很酷。

　　我在考慮如何打造一家健康的公司，在目前這個競爭極為激烈的招聘市場，我們如何能做到這一點。我們需要更好地理解社會的不平等現象，需要直面自動化趨勢帶來的問題。我們如何權衡利弊？全球每年逾百萬人死於交通事故。自動駕駛汽車有助於減少交通事故以及節約時間。我們如何在不擾亂社會的情況下推廣無人車技術？對社會的影響是我擔心的問題之一。

　　我考慮得還不夠深入，還未得到滿意的答案，但我肯定會想出來的。（完）