Редактор «Гиктаймс»
668,4
рейтинг
17 декабря 2015 в 02:56

Знаменитый хакер Geohot собрал беспилотный автомобиль у себя в гараже



Американский хакер Джордж Хоц, более известный под ником Geohot, прославился, когда выпустил первый в истории джейлбрейк для iPhone. Семнадцатилетний школьник взломал iPhone в 2007 году, а спустя три года стал автором джейлбрейка Sony PlayStation 3.

Сейчас у Джорджа новый мега-проект: самодельный беспилотный автомобиль. Парень отверг предложение о работе в Tesla с многомиллионным бонусом. Он всё делает самостоятельно.

Что самое удивительное — у него получается. После переделки седан Acura ILX вполне сносно ездит по шоссе, не хуже автопилота Tesla. И это при том, что Geohot начал работу над проектом в октябре.

Хоц показал автопилот в действии журналисту Bloomberg на шоссе Interstate 280 в окрестностях Сан-Франциско. Когда он включил автопилот на входе в S-поворот на скорости 100 км/ч, журналист только тихо молился.

Вот как выглядит салон автомобиля.



Мы видим 21,5-дюймовый дисплей в портретном режиме (в Tesla дисплей всего 17 дюймов). Компьютер работает под управлением Ubuntu Linux, как Tesla, и выводит на экран техническую информацию о работе автопилота, данные с камер и лидара.

Непосредственно системный блок центрального компьютера располагается в отделении для перчаток.

Работу над автопилотом Geohot начал с того, что подал онлайновую заявку, чтобы зарегистрироваться как авторизованный сервисный центр Honda. Заявку одобрили — и он получил доступ к справочным руководствам и схемам для Acura. После этого он начал подключаться к автомобильным системам. Вскоре отделение для перчаток в автомобиле заполнилось: мини-компьютер Intel NUC, пара модулей GPS, маршрутизатор.

«Бардачок» крупным планом.



Возле ручника Хоц добавил джойстик для более удобного управления. Кнопка на джойстике активирует систему автопилота.

На крыше автомобиля установлен лидар.



Система слежения состоит из шести дешёвых видеокамер стоимостью около $13 — примерно такие же устанавливают в смартфоны.

Последние годы Geohot провёл меняя разные работы, которые не приносили интеллектуального удовлетворения его гению — Google, SpaceX, Facebook, ничего интересного. В Facebook умнейшие разработчики заняты проблемой, как заставить пользователей кликать по рекламе. «Меня пугает, что Facebook делает с ИИ, — говорит Geohot. — Они используют технологии машинного обучения, чтобы склонить людей проводить больше времени на Facebook».

Ради развлечения Geohot участвовал в разных хакерских конкурсах. Например, на Pwnium он взломал ноутбук Chromebook и получил приз $150 000. Ещё $50 000 принесла найденная 0day-уязвимость в браузере Firefox на конкурсе Pwn2Own. На хакерском конкурсе в Южной Корее для команд из четырёх человек Geohot выступал в одиночку и занял первое место ($30 000).

К 2012 году конкурсы ему надоели и Джордж увлёкся искусственным интеллектом и нейросетями. Он прочитал всю литературу и самые последние научные работы на эту тему. Сейчас он говорит, что знает абсолютно всё в данной области.

Теперь Geohot основал собственную компанию comma.ai. Его цель — составить конкуренцию фирме Mobileye, разработчику систем помощи при вождении (driving assistance). Именно эта фирма помогла разработать автопилот в автомобилях Tesla, а также в других автомобилях. Заработанные на конкурсах деньги он потратил на покупку «Акуры» и оборудование для самодельного автопилота.

Любительский проект привлёк внимание Илона Маска. Bloomberg пишет, что тот предложил хакеру работу над фирменным автопилотом и бонус в несколько миллионов долларов. Джордж отказался.

Geohot объясняет, что его автопилот фундаментально отличается от присутствующих на рынке. Он не полагается на набор запрограммированных правил. Система представляет собой самообучаемую нейросеть, которая «наблюдает» за действиями водителя. В реальности, программное обеспечение занимает всего лишь около 2000 строк кода. Нейросеть уже отлично ездит по шоссе, перестраивается из полосы в полосу, тормозит и разгоняется по мере наобходимости, отлично вписывается в повороты и не требует участия водителя на протяжении многих и многих километров. Например, если автопилот видит велосипедиста, то освобождает ему немножечко полосы, потому что Geohot так делал в прошлом.

То ли в шутку, то ли всерьёз Джордж говорит, что собирается несколько месяцев таксовать через Uber, чтобы дать системе достаточно информации.

Проблема в том, что при таком обучении система переймёт и человеческие ошибки, но если работать с несколькими водителями, то ошибки специфических стилей вождения сведутся на нет.



Пока что работа над системой только началась, никаких планов коммерциализации нет. Но в долгосрочной перспективе, если проект завершится успехом, то Geohot хотел бы продать систему автопроизводителям или продавать комплекты для апгрейда автомобилей в розницу по цене в районе $1000.

В ближайшие месяцы Джордж обещает отснять видеофильм. Там он продемонстрирует, как его система превосходит автопилот Tesla Model S.

… Сидя на грязном диване в своём гараже, Джордж Хоц философствует об искусственном интеллекте и будущем человечества: «Рабство исчезло не потому что все вдруг стали нравственными, — говорит он. — Причина, по которой исчезло рабство, лежит в промышленной революции, она сделала невостребованным физический труд. Последние 150 лет фундаментом экономики был человеческий ум. Мы сейчас на грани новой промышленной революции. Весь интернет в настоящее время равен по вычислительной мощи примерно десяти человеческим мозгам, но так будет не всегда».

«Через 10 лет значительная часть человеческой рабочей силы станет ненужной. Через 25 лет ИИ сможет делать практически всё, что умеет человек. Последней рабочей профессией будут программисты ИИ».

В будущем люди будут рады погрузиться в виртуальную реальность: «Это уже происходит сейчас, — говорит Geohot. — Люди едут на работу, сидят перед своим компьютером целый день, а потом сидят перед своим компьютером дома». Через 20 лет сидеть перед компьютером станет гораздо веселее, когда виртуальные миры превзойдут по размеру всё, что есть на настоящей Земле: «У нас будет лучший мир. Мы сможем по-настоящему жить в обществе разума».

Хакер работает над автопилотом, потому что видит его как первый шаг в этой революции. Транспорт — та область, где ИИ способен оказать существенное влияние и освободить от работы максимальное количество людей. Geohot надеется затем адаптировать технологию для супермаркетов, чтобы ИИ заменил кассиров.

Им движет чисто хакерская философия «Мне не нужны деньги, — говорит он. Мне нужна власть. Не над людьми, а над природой и судьбой технологии. Я просто хочу знать, как это всё работает».

Анатолий Ализар @alizar
карма
682,6
рейтинг 668,4
Редактор «Гиктаймс»
Реклама помогает поддерживать и развивать наши сервисы

Подробнее
Реклама

Самое читаемое

Комментарии (76)

  • +14
    Я на месте этого парня всерьез опасался, что за ним придет Сара Коннор.
    • +15
      Не, технари слишком умны чтобы угробить мир. Если кто и устроит пышные похороны цивилизации — это скорее политики, банкиры, религиозники.
      • +6
        Скорее «эффективные менеджеры».
      • +2
        Но, видимо, недостаточно умны, чтобы не допустить похороны от рук политиков или банкиров.
        • 0
          Не достаточно влиятельны.
          • 0
            В мире достаточно технарей, с огромным влиянием, начиная с того же Гейтса. Но мой комментарий вообще как раз о том, что раз они настолько умны, то можно было бы догадаться, что им нужно еще и влияние.
            • 0
              Гейтс не технарь, а менеджер!
              • 0
                Простите, мы тогда разные вещи под этим словом понимаем.

                Гейтс — технарь по тому, с чего он начинал, само собой сейчас он уже не копается в железках и не пишет код новой версии Windows. Если вы почитаете его блог — то он и не менеджер уже давно (разе что в куда более широком смысле этого слова).

                Я под словом «технарь» подразумеваю людей с подобным складом ума в первую очередь. А непосрдественно программистов, сисадминов итд — уже во вторую, а то и третью. (кодеры и прочие «технари», те, что не высокого уровня — технарями могут и не быть вовсе).
      • +1
        Ага, при этом некоторые технари мизантропы, ненавидящие людей. Да и в целом, им свойственны те же когнитивные искажения, что и всем остальным. Просто они порой сочетаются с огроменнейшим высокомерием, не дающим признать даже возможность того, что они могут ошибаться.
        • +1
          — Слышал, гуманитарии, нас, технарей — за людей не считают?
          — Да что с них убогих взять... Они и считать-то не умеют.
        • +1
          Учитывая, что основная форма мизантропии проявляется в неприязни человеческих ошибок, и в первую очередь своих собственных(а не тупо в человеконенавистничестве), ваш комент одновременно про мизантропов и непризнавание своих ошибок выглядит довольно противоречиво.

          Ну и есть подозрение, что вы пересмотрели бондиан )))
          В реальности если действительно крутые технари и замкнуты, то обычно по причине банальной занятости саморазвитием — тупо нет времени на социальные связи. К мизантропии, как таковой, это отношения обычно не имеет.
          • –1
            Я не смотрю бондианы уже давно. О человеконенавистничестве говорю только судя по постам и комментариям в социальных сетях, например, ЖЖ и facebook. Еще раньше было ФИДО. Тех надо убить, эти бесполезны. А уж когда начинаются разговоры о политике, то тут никакой разницы с дядей Васей — сантехником из ЖЭКа. «Эти плохие, бомбу на них», «Нет, это те плохие, их отравить».

            Почитайте ЖЖ, например, технарей, кто переехал жить в США. Или лучше не читайте — врагу не посоветуешь, самое меньшее, что появляется после прочтения таких постов — изжога. Сплошные лозунги и параноийя, как в СССР, только с обратным знаком.

            По поводу занятости саморазвитием — это иллюзия. Для того, чтобы поддерживать социальные связи не надо особенно много сил и времени. Попробуйте и удивитесь. :)

            Вообще, я писал комментарий не для того, чтобы кого-то критиковать. Просто думать, что мир станет лучше, если им будут управлять технари — иллюзия. Вообще, мое мнение, что делить мир на технарей и прочие группы/касты — неправильно. Мне кажется, что более правильное направление — не делить, а объединять. Не делить «этот хороший и я его буду любить и уважать, а этот — плохой, его буду унижать и подавлять», а относиться ко всем как минимум с уважением. Мы все здесь вместе.
            • +1
              >> По поводу занятости саморазвитием — это иллюзия. Для того, чтобы поддерживать социальные связи не надо особенно много сил и времени. Попробуйте и удивитесь. :)
              Да я вроде и так поддерживаю )
              Но моменты в жизни разные бывают, да. Иногда и орать приходится неоднократно, ибо не все вообще в жизни имеют моменты крайней занятости чем-либо, потому самостоятельно просто не способны понять, что происходит — они просто не знают, как это. И объяснить на словах нельзя. Но наорать, как крайняя мера, как правило помогает )

              Что касается сил и времени для поддержания этих связей, нужна еще и мотивация. У чела, который «уходит в себя»(читай «в проект целиком») на некоторое, даже продолжительное, время, как правило, нет проблем «заморозить» эти самые соцсвязи на это время, после чего продолжить общаться с друзьями в прежнем режиме. Другой вопрос, что друзья, даж если им объяснить, что он занят, все-равно начинают доколупывать, просто «потому что так принято», фактически наплевав на его просьбы(неоднократные) отвалить на некоторое время. Вот это понимание, что «ты обязан просто потому, что так принято, а не по логически-адекватным причинам», зачастую вызывает чувство омерзения именно к самой постановке вопроса. Это крайне нелогично, особенно для технаря. Отсюда в результате и появляется это самое затворничество. Это вовсе не ненависть к другим людям, но тем не менее — мизантропия в чистом виде.

              Последний абзац данной статьи про «Я просто хочу знать, как это всё работает», неявно затрагивает и эту тему. Без полного погружения в ЭТО, «производительность» такого изучения темы будет крайне низка. Когда у человека планов на сутки больше, чем он может физически успеть, ему не до поддержки соцсвязей. Формально он может немного что-то для этого делать, но очень вяло и избегая лишних затрат времени как можно больше(чего оппонентам на других концах соцсвязей может быть морально недостаточно). И аргументы(это я на всяк пожарный упомяну) про «неправильное планирование собственного времени» здесь не прокатят — он работает не на дядю и не ради денег. А соответственно те, кто работает только на дядю и/или ради денег, вообще не могут судить о «планировании времени» применительно к таким людям, ибо одна и та же фраза у данных категорий людей часто означает разные, даже не тождественные, вещи.

              >> Почитайте ЖЖ, например, технарей, кто переехал жить в США.
              Вы все еще про технарей, не признающих собственных ошибок? Так ведь только по этой причине это уже априори хреновые технари. Даже если они в паре-тройке тем имеют достаточно глубокие познания )
              Поэтому я их даже не рассматриваю. Крайне маловероятно, что среди таких встретятся люди, способные реально изменить мир.
            • 0
              По поводу занятости саморазвитием — это иллюзия. Для того, чтобы поддерживать социальные связи не надо особенно много сил и времени. Попробуйте и удивитесь. :)

              Не могу воспроизвести. Либо я не умею их поддерживать, а учиться лень и неохота.
    • 0
      Жаль, не могу плюсануть ;-)))
  • +11
    Ждём сорсы на гитхабе?
  • +5
    «Cистема представляет собой самообучаемую нейросеть, которая «наблюдает» за действиями водителя.». Специалисты по нейросетям, поправте меня если я ошибаюсь, но нейросеть по сути черный ящик. Причем без гарантий. То есть с таким подходом можно научить автопилот основным действиям, может даже почти всем нужным, но именно что почти. То есть никогда нельзя быть на 99% уверенным что автопилот умеет конкретно обрабатывать нужную ситуацию и то он правильно распознал ситуацию (водитель заторомозил перед кошкой или взрослым, затормозит ли автопилот перед взрослым, не создаст аварии из-за целофанового пакета или птички?).

    Ну и не получится выпустить патч для изменения логики автопилота например при изменении ПДД или при выявлении новой ситуации. Когда ошибку совершает водитель — ну виноват конкретный водитель, когда ошибку совершит автопилот — виновата компания производитель и она должна срочно исправить эту ошибку, нет пару месяцев времени обучать автопилот этой ситуации и потом проверять все ли он усвоил и не усвоил ли лишнего в процессе этого обучения, когда миллионы машин по миру ездят с ошибкой.

    Парень конечно гений в программировании, и наработки и опыт много где пригодились бы, но говорить что он за 2 месяца создал полноценный автопилот в одиночку — нельзя. Это не автопилот, это расширенный круиз-контроль.
    • +6
      Можно тренировать нейросеть не в каждой конкретной машине, а на фабрике, и распространять ее в готовой прошивке. При изменении правил ее нужно дообучить силами производителя машин и опять же распространить как патч.
      Что же касается уверенности, то тесты-тесты-тесты-тесты. Как, собственно, и с любым другим ПО :)
      • +1
        Ну я и не предлагал обучать на каждой машине. Проблема в том что любое другое ПО обладает достаточно жесткой логикой на каждом из уровней абстракции. Известны планируемые входящие данные, ситуации, поведение, планируемый результат (условно). В «обычном» автопилоте хотя-бы четко ясен какие ситуации обработали и как. понятно что тестировать. тестирование в реальности уже скорее для того чтобы обнаружить новые ситуации а не ПО проверить на правильность. Тут же толком неясно чему нейросеть обучилась и как, насколько корректно она обрабатывает нестандартные ситуации. Держать полосу и поворачивать это одно, а принимать решения уровня «улететь в кювет или сбить человека вышедшего на дорогу» совершенно другое, сомневаюсь что нейросети на это способны в принципе. Кроме этого выполняется далеко не одна достаточно четкая задача как с обработкой изображений например, как в нейросети при таком подходе (просто ездить и этим обучать) отсечь негативный опыт? как оптимизировать результат? как масштабировать на разные ситуации одного и того же сценария? заносы делать на гололеде в потоке машин раз за разом?

        Ну и имхо, он ни за несколько месяцев ни за несколько лет не сможет в одиночку набрать опыта для обработки всех ситуаций. и небольшая команда не сможет. тут тысячи человеко/лет нужны чтобы просто охватить большинство ситуаций при таком подходе. Если конечно информация " Он не полагается на набор запрограммированных правил. Система представляет собой самообучаемую нейросеть, которая «наблюдает» за действиями водителя. В реальности, программное обеспечение занимает всего лишь около 2000 строк кода." это правда, а не из области «ученый изнасиловал журналиста».
        • 0
          Люди же как-то учатся вождению за несколько десятков уроков. Конечно, этому предшествует десятки лет обучения в обычной жизни, но даже несколько десятков человеко-лет за рулём не проблема — нужно просто несколько десятков профессиональных водителей, которые будут обучать одну нейросеть.
        • 0
          Тут же толком неясно чему нейросеть обучилась и как, насколько корректно она обрабатывает нестандартные ситуации.

          Посмотрите на это с другой стороны. С обычным водителем, который сдаёт экзамен, всё гораздо хуже. Его проверяют 40-60 минут на тесте (в России гораздо меньше). Чему он научился? Как он будет ездить в нестандартной ситуации? Его мозг — такой же чёрный ящик без гарантий. Тем не менее ему дают права, и он считается road safe. Конечно, покупая такую машину, вы ожидаете, что она будет ездить несколько лучше новичка. Поэтому производитель должен будет её обучать/тестировать несколько человеко-лет, в разных ситуациях, с разными инструкторами, на разных дорогах.
          • 0
            > обучать/тестировать несколько человеко-лет

            Сдается мне, большинство типовых ситуаций можно смоделировать, и обучать намного быстрее.
            Емнип, вроде бы писали не так давно, что тот же Гугл работает в сторону предварительного обучения в симуляторах.
          • +2
            Человека на курсах учат только водить машину. Распознавать людей, тротуары и деревья его там не учат, этому его вся предыдущая жизнь учила.
            • 0
              И тем не менее, человек — принципиально такой же чёрный ящик. Когда вы садитесь в такси, то доверяете свою жизнь такому вот чёрному (ну или белому) ящику. Вся предыдущая жизнь — это всего лишь несколько человеко-лет обучения.
              • 0
                Из этих лет очень многое имеет значение в самом младенчестве. Лет 50 назад проводились эксперименты на кошках, новорожденным ещё слепым котятам зашивали веки, через несколько месяцев «расшивали», и котята не могли видеть окружающий мир, несмотря на полностью здоровые глаза. У них просто не сформировались соответствующие нейронные структуры, отвечающие за синтез базовых геометрических фич вроде прямых, границ, и так далее.

                Но это так, к слову.

                А так-то да, все окружающие — черные ящики. Вы когда подходите к переходу вместе с другими людьми, тоже доверяете свою жизнь черным ящикам в известном смысле — а вдруг кто из них сглючит и толкнёт вас под проезжающий автобус? Сколько раз в день мы доверяем свою жизнь другим людям в предположении об их адекватности, лучше и не думать.
        • 0
          В реальности машины будут в основном обучать в виртуальных стимуляциях и лишь тестировать на реальных дорогах. Само обучение и переобучение в виртуале соответственно можно будет делать очень быстро, скажем условно в 100 или 1000 раз быстрее чем в реальности, поэтому в случае кардинального изменения правил или обнаружения бага в обучении, переобучить их можно будет сравнительно быстро.
          Вероятнее всего уже на запуске в коммерческую эксплуатацию автопилоты будут статистически значительно более безопасны чем водители-люди и с набором новой статистики они будут все более и более безопасны, аварии же будет покрывать страховка, вероятно более щедрая, чем у обычных автомобилей.
    • 0
      Вы рассуждаете очень линейно. Если изменяются правила дорожнего движения, то не означает что все автоматически начинают по новому ездить, а соответственно нужно быть осторожным чему машина должна быть научена. Вот у меня из жизни опыт. Есть перекресток двух равнозначных дорог, при том одна позначена главной. И в один момент решили позначить главной другую дорогу. Только за первую неделю 5 аварий. А все из-за того что все месные привыкли ехать по главной без остановки, а когда правила изменили тогда месные продолжили ездить как ездили, а не месные ехали без остановок, так как ехали по главной.
      • 0
        Интересно, какой идиот это сделал?.. По-уму нужно было светофоры поставить, хотя бы временные на пару недель.
    • 0
      Более того, если почитать довольно нашумевшую в своё время статью Intriguing Properties of Neural Networks, где показано, что существуют исключительно незначительные вариации входа, для которых система выдаёт принципиально другой ответ, становится совсем неприятно это в автопилот пихать.
  • +4
    Машины, обучающиеся езде у водителей и, обмениваясь информацией, нивелирующие ошибки и резкость вождения. Странное будущее рисует мое воображение. Что-то в виде Большого Киева с «Охотой на дикие грузовики». И дальше… К миру, где людей нет, а только ездят машины, которые когда-то научились ездить самостоятельно, но не знают — зачем…
    • 0
      Если смотреть в будущее очень отвлеченно, то место автомобилям будет для подъезда к дому и перевозки к ближайшему скоростному транспорту каким будет скорее всего что-то на рельсах.
  • +15
    Парень отверг предложение о работе в Tesla с многомиллионным бонусом. Он всё делает самостоятельно.

    Ну и зря. Это же не закоснелый майкрософт какой-нибудь, это ребята с современным и свободным взглядом на вещи, да ещё и с огромной финансовой поддержкой. Имхо, там бы у него получилось в разы лучше и быстрее реализоваться. Или у него какой-то пунктик про работу на дядю?

    Мы видим 21,5-дюймовый дисплей в портретном режиме (в Tesla дисплей всего 17 дюймов).

    А это сравенние к чему? А если в салон занести телек самсунг на 32", то Теслу и вовсе можно будет публично посрамить? Тут же просто неудобно поставленный боком монитор Делл.

    • +9
      Или у него какой-то пунктик про работу на дядю?

      Мне кажется, что у него пунктик насчет интеллектуальной собственности… смысл работать на Маска, если у парнишки есть нач. капитал на открытие своей фирмы?
      • 0
        Открыть свою фирму почти ничего не стоит. У него главный расход — это покупка оборудования и трата времени для проекта.
        • –1
          Долго он не протянет в гордом одиночестве… а сотрудников нанимать — уже деньги нужны, причем немалые, либо делиться долями компании…
          • +3
            Человек явно работает за интерес. Это для него важнее.
            Если будут другие с таким же интересом, то это не то же самое как «сотрудников нанимать». Многие могут работать за интерес если проект подходящий. А если он просто привык делать всё один, то команда может быть только лишней нагрузкой.
    • +3
      Hotz, though, broke off the talks when he felt that Musk kept changing the terms.

      “I’m a big Elon fan, but I wish he didn’t jerk me around for three months,” he [Hotz] says.

      Судя по оригинальному тексту, Маск три месяца морочил ему голову, меняя условия. Сошлись на том, что Geohot сообщит, когда его система превзойдёт технологии Mobileye, которые используются в Тесла.
  • +1
    Если я правильно понимаю, то у него сейчас всё работает на автострадах. При этом на идеальных: везде есть правильная разметка, светит солнышко. Примерно как и у текущей Тэслы.
    Куда интереснее: дождь, снег, стёртая разметка, езда в городе. Там уже детектирования разметки не достаточно. Нужно детектировать край дороги, колею, пешеходов, знаки, светофоры. При езде по городу нужно интегрировать информацию о скоростных режимах, о том, что помеха справа — приоритетная, о том, что человек перед тобой может остановиться и начать парковаться.
    Именно в этой части нейронные сети обучать слишком долго и сложно. Тут нужно вводить наборы правил, ситуации, способ их детектирования.
    • +3
      Именно в этой части нейронные сети обучать слишком долго и сложно. Тут нужно вводить наборы правил, ситуации, способ их детектирования.

      По моему, так вообще зря новоиспеченные исследователи в области computer vision так доверяют нейронным сетям...«классические» подходы к анализу сцены по прежнему хорошо работают и глупо от них отказываться только ради генеративного выделения фич. Тем более, что у этого чувака машина обвешана достаточным числом датчиков для реконструкции сцены вокруг автомобиля…
      • 0
        что то мне говорит что истина где то в грамотной комбинации этих двух противоположных подходов
        • 0
          Ну да, даже отец сверточных сетей — Ян Лекун последнее время комбинирует классические алгоритмы с сетками. Например его MC-CNN успешно исплоьзеут старый добрый Semi-Global Matching и при этом является лучшим алгоритмом для стерео матчигна.
    • +1
      Надо как в Манитобе — водитель открывает дверцу машины и пытается увидеть разделительную полосу, потому что на километры вокруг пурга сделала мир плоским.

      По Калифорнии различать идеальную отметку не сильно много надо интелекта.
    • 0
      Я сегодня ехал в густом тумане. Видно было только метр перед капотом. Если б не знакомая дорога и обозначение проезжающими фурами второй полосы и разметка которую еле было видно фиг бы куда приехал.
      • 0
        Вот как раз в тумане у ИИ есть несомненное преимущество — датчики, радары, карты.
  • +1
    Интересно, как у его NUC'а мощей хватает обрабатвыать весь поток данных, что идет с 6 камер и лидара… там ведь даже приличной GPU нету…
    • 0
      сдается что у него в багажнике не только стабилизатор лежит, но и комп (ферма?) помощнее.
    • +1
      Ну, NUC NUC'у рознь. Там есть и разогнанные i7 с графическими сопроцессорами (понятно, что Intel'овскими) старших моделях, и 4 usb 3.0 для ввода данных. Так что съесть внутрь он поток скорее всего сможет.
      Но, конечно, для обработки слабовато выглядит всё равно. Не понятно на чём он будет нейронные сети обсчитывать. Нормальные библиотеки для свёрточных только под Куду есть.
      • +1
        Теоретчиески есть форк от caffe и torch под OpenCL и к tensor flow можно привинтить opencl версию eigen… но все равно есть сомнения по производительности. Да и не понятно, настолько, что даже особо публикаций нету, как он скармливает выходы с камер + лидара в сетку без использования какого-то промежуточного процессинга данных.
        Вообще в целом проект выглядит как-то слишком не реалистично, тем более для 2 месяцев работы над проектом.
        • +1
          Вообще в целом проект выглядит как-то слишком не реалистично, тем более для 2 месяцев работы над проектом.

          Я этого парня (Geohot) заочно знаю еще со времен взлома первого iphone. Oн когда чем-то увлечен, работает 24 часа в сутки.
          Я не шучу.
          • +2
            Тут речь идет о фундаментальных исследованиях в областях, где решения на данный момент не существует… и тут эффективность труда не измеряется часами проведенными за компьютером. Нет, конечно может быть он умнее исследователей из индустрии, но таки есть сомнения, а пруфов их развенчивающих нету…
            • +2
              Именно в этом все и дело… его от таких проблем прет так, что он спать не может…
              Узнал я его в далеком 2007. Он тогда нехило заморочился как поломать бесбенд первого йфона.
              Делал он это почти публично… в онлайн режиме в IRC и своем блоге (у меня и лог где-то сохранился).
              Там в ветке нас собралось человек 15. Он реверс делал, и давал кличь чего ему не хватает и что он понимает.
              Выдавая результаты своих проб. А мы помогали чем могли. Кто тех спеки искал, кто советовал. Кто-то денег жертвовал.
              Вот так, он за 48 часов взломал (если помните, замыкал два контакта). Чтоб сделать первый джейлбреак.
              Там было два йфона и небольшой фонд денег… Первый разлоченный телефон, он сменял на спортивную машину. На оставшиеся деньги, купил 5 (если не путаю) айфонов и отправил тем кто наиболее активно участвовал в процессе. Был парень из Москвы, который получил айфон от него (если ты это читаешь, то привет… отзовись).
              Надо будет найти лог того IRC и выложить, думаю как исторический факт будет интересно )
              Было весело.
              • +5
                1) Джейлбрейк — это реверс написанного кем-то кода и поиск мест потенциально уязвимых. Да, задача сложная, но уже довольно изученная, и решение сводится к перебору известных паттернов… Причем задача тут не требует огромного багажа знаний помимо собственно программирования.
                2) По поводу автопилотов в общем случае не известно существует ли детерминированное решение. Для неких частных случаев (детектирование разметки, пешеходов, препятствий и тд и тп) есть статьи с вариантами решения, но по личному опыту могу сказать, что работающих «из коробки» алгоритмов не существует. И тут решение таких задач можно поставить в один ряд с опубликованным недавно алгоритмом проферки изоморфизма графов, где чувак имея огромный багаж знаний в области думал 40 лет, прежде чем родить решение. И это не считая собственно алгоритмов принятия решений. А ведь помимо чтения статей (к которым еще неплохо бы прочитать учебники по мат. анализу, геометрии, стереометрии, дифурам, методам оптимизации, теории игр и т.д.) нужно ведь собственно разработкой заниматься.
                3) Как правильно ZlodeiBaal пишет ниже, помимо прочего задача упирается вычислительные возможности ПК и прочие инфраструктурные вопросы. Натренировать нейросеть — это во первых нужно собрать тренировочную базу, что не быстро, во вторых собственно натренировать (что даже при наличии хорошей GPU-фермы не всегда быстро). А когда моделька натренировалась, но не дала ожидаемых результатов, то процесс надо начинать сначала. Плюс попутно нужно заниматься инженерными работами связанными с модернизацией автомобиля.

                И таким образом получается, что либо чувак написал что-то очень простое на уровне использования Хафа для детектирования линий + простой процессинг Depth'ов для определения препятствий, а сидит тут рассказывает про то, как машина перенимает привычки водителя, либо я чего-то в этой жизни совсем не понимаю, как и, например, исследователи из Google, которые не один год делают свой беспилотный автомобиль.
          • +3
            В этих задачах вопрос упирается не в то, что ты найдёшь гениальное решение. А в то, что нужна инфраструктура. Для обучения. Для сбора железа. Для сбора данных. Для отладки на всех уровнях.
            Даже если инфраструктура идеальна, то просто прогнать обучение сети и посмотреть результаты — это уже десятки минут.
            Заказать датчик — нужно потратить пол дня на поиск того, который подойдёт к твоей системе. Купил новый тип камер — откалибруй её, проверь на совместимость, на то, что тот фильтр, что стоит в ней будет совместим с нейронной сетью.

            И всё это не вопрос гениальности. Задачи такого уровня состоят из сотен задач более простого уровня. Которые нужно решать и понимать.
            • 0
              Именно, он это очень хорошо умеет делать, организовывать процесс с максимальной эффективностью.
              См. мой ответ выше…
            • +1
              Напоминаю, что Хотс умеет в реверс-инжиниринг, поэтому часть работы он мог бы получить с меньшими затратами. А засудят ли его — мы увидим потом. На данный момент его задача — привлечь финансирование.
              • 0
                1) Для начала нужно найти что реверсить, можно по пальцам одной руки пересчитать продуктовые решения в области беспилотных автомобилей или ADAS… и большинство решений реализованы в железе на ASIC'ах (у того же MobileEye так).
                2) Чтобы превзойти, отреверсить алгоритм мало, нужно еще суметь его улучшить, а это уже задача для исселдователей, а не технаря, который умеет джейлбрякать айфон…
        • +1
          форк от caffe и torch под OpenCL и к tensor flow можно привинтить opencl версию eigen…

          Любопытно, кстати, а как? Искал где-то с пол года назад, как под OpenCL можно свёрточную сеть обучить и использовать, но ничего не нашёл кроме theano, ради которого было лень в Питоне разбираться.

          Вообще в целом проект выглядит как-то слишком не реалистично, тем более для 2 месяцев работы над проектом.

          Смотря что он сделал. Если сделал детекцию полосы + расстояний до машин спереди-сзади, то сделать реально. Если что-то более сложное — звучит сомнительно.
          • 0
            Любопытно, кстати, а как? Искал где-то с пол года назад, как под OpenCL можно свёрточную сеть обучить и использовать, но ничего не нашёл кроме theano, ради которого было лень в Питоне разбираться.

            Сам я OpenCL версиями не пользовался, но вот есть репозитории вроде даже живые:
            github.com/hughperkins/cltorch
            github.com/amd/OpenCL-caffe
          • 0
            Тот же русский Veles изначально под OpenCL затачивался, и цель у проекта была очень похожа на дообучение, инфраструктуру и т.п. Но по опыту, на обычных архитектурах вроде Intel или Nvidia OpenCL всегда проигрывает на таких задачах проприетарным специализированным технологиям в разы и применять его я бы не стал.
  • +2
    Полагаю такую систему автопилота будет очень сложно сертифицировать, ведь алгоритмы на нейронных сетях не поддаются формализации, доказать их работу, даже не так, гарантировать их работу можно только с некоторой вероятностью!
    • +1
      ну людей же как-то допускают до управления
      • 0
        Ну тогда сертификации не будет, надо будет привезти свою манину в гаи/полицию/дорожный департамент и должна будет инспектору «сдать на права» :)
  • +1
    Последней рабочей профессией будут программисты ИИ

    Не программисты, а тренеры! Большинство алгоритмов уже сейчас унифицированы, а скоро с этим всё будет ещё более.
  • 0
    «Проблема в том, что при таком обучении система переймёт и человеческие ошибки, но если работать с несколькими водителями, то ошибки специфических стилей вождения сведутся на нет.» — можно же перед запуском обучения просматривать записи и выкидывать сомнительные эпизоды.
  • +3
    > Система слежения состоит из шести дешёвых видеокамер стоимостью около $13
    На 3:13 минуте видео-ролика показывают GigE камеру Point Grey. Самая дешёвая GigE камера Point Grey стоит 265$.
    • +1
      Кстати да, стоят у него там неплохие промышленные камеры. Я себе таких хотел пару купить для стереокамеры, но жаба задушила 500+$ отваливать за такие)

      Там и лидар у него явно не от пылесоса стоит)
      • +1
        Лидар — Velodyne PUCK (VLP-16), если быть точным. Стоит всего то 8к$.
    • 0
      Полагаю, о дешевых камерах речь идет о готовом апгрейде машины до автопилота, а для нужд сбора тренировочных данных для самообучения используется качественный контент (банально чтобы не колбасило сильно линии).

      Для готовой нейросети помехи не такая сильная проблема как для обучающих данных (хотя тоже не проблема но повышает их требуемый объем)
      • +1
        Только вот у PointGrey есть:
        1) Хорошее разрешение
        2) Хорошего размера пиксель => высокая светочуствительность + большая глубина резкости
        3) Очень хорошая скорость передачи картинки по USB 3.0.
        4) Отсутствие ИК-фильтра

        Проблема в том, что в большинстве задач CV эти параметры реально критичны. Это не зависит от того, хороший ли у вас нейросетевой алгоритм или нет. От этого зависит будет ли у вас видеть ночью камера и какая будет у неё глубина резкости…
  • 0
    Извините, не верю.

    1) Как уже сказали, NUC даже просто математическую обработку 6+1 потоков данных не потянет

    2) Чтобы работать, а тем более, обучаться в реальном времени, приличных возможностей нейронка должна вертеться на суперкомпьютере, или. как минимум — на специализированных нейропроцессорах с полной параллельностью вычислений. Писал нейронки на С++, так что немножко знаю эту тему — на обычном компьютере в реальном времени удается моделировать только что-либо простейшее.

    3) Возможно, я сильно отстал от жизни, но известные мне архитектуры нейронок просто неспособны, при разумных затратах, выполнять настолько сложную задачу. Сюда ведь входит не только распознавание и описание объектов на видео, но и принятие решений, и передача команд на руль/педали/прочие ручки, а еще и обратная связь через тот же видеопоток для коррекции команд, когда обстановка изменилась не так, как планировалось.

    Статья больше похожа на, извините, развод какой-то.
  • 0
    Заметьте, что нарисовано на оранжевой чашке на фотке :-)
  • 0
    Мда… один на миллион такой, удачи в пути.
  • +1
    Ну всё, ждут нас в будущем робомобили, ускоряющиеся перед пешеходным переходом и с бибиканьем ездящие по тротуарам. Как минимум, в России. А так всё хорошо начиналось!
  • 0
    Убунта — не ОС реального времени)
  • 0
    Может быть стоит открыть вид агрессивных гонок, где реальными автомобилями будут управлять автопилоты. Нейронная сеть на основе поведения обычного водителя на обычной дороге — звучит как то скучно. А вот агрессивный ИИ, который сможет подрезать, и сам уходить от агрессивных действий других участников дорожного движения, это уже интересно. На подиуме будут программисты, которые делали автопилоты =) Ну или хотя бы на RC моделях, чтобы подешевле было.
    • 0
      Плюсую. Игры — один их мощнейших двигателей технологического развития (наряду с порно). Нужен скачок в робототехнике и материаловедении — нужно устроить битвы роботов. Нужен скачок в ИИ — устроить гонки автопилотов. Нужен скачок в биотехнологиях — нужно устроить гипер-олимпийские игры, без ограничений на использование допинг-препаратов и протезов.

Только зарегистрированные пользователи могут оставлять комментарии. Войдите, пожалуйста.