2014 年，數次敗戰於智慧硬體的 Amazon 終於發布了 Echo 智慧音箱，這款在 Lab 126 研發權重排名靠後的產品，剛開始面對市場戰戰兢兢，僅採用了邀請購買來試水市場。當時估計沒人想到這款產品竟然出奇地贏下了口碑！於是 Amazon Echo 開始在美國市場大肆推廣，連廣告都做進了超級杯！最近 Echo 開始在歐洲全面發售。Echo 得益於 Amazon 的線上和線下通路，其銷量往上竄，成為了智慧硬體迄今為止在口碑和銷量上都比較成功的產品。Google 顯然坐不住了，2016 年 5 月份的 I/O 開發者大會上，Google 的產品副總裁 Mario Queiroz 以黑色 T 恤和牛仔褲的經典 IT 造型，向大家介紹了 Google Home 智慧音箱。台灣時間 2016 年 10 月 5 日，Google 秋季發表會正式推出了 Google Home 智慧音箱。從 10 月 5 日開始，Google 要與 Amazon Echo 一較高下的 Google Home，可以從 Google...
從人類的視角出發，一張圖片是由物件和背景構成，不過對電腦而言，圖片是由不同顏色的像素構成，很難判斷出哪些是背景、哪些是物體，以及這些物體是什麼。不過，Facebook 人工智慧研究團隊（FAIR）克服這些挑戰，於本月 26 日開源 3 款人工智慧影像辨識工具，成功教電腦如何用人類視角辨識圖像。辨識三步驟：確認是否有物體、描繪物體輪廓、辨識物體Facebook 利用機器學習，讓演算法學習人類的神經網路如何認知物體和環境。例如，讓演算法接收多張綿羊圖片，並且告訴演算法這是綿羊，之後電腦便可以自行辨識出圖片中的綿羊。▲ 右圖為電腦辨識圖片的視角，一張圖片由不同顏色的像素組成。（Source：Facebook）這 3 款人工智慧工具分別為 DeepMask、SharpMask 和 MultiPathNet： DeepMask：辨識圖片裡是否有物體存在 SharpMask：更細緻地描繪出這些物體的輪廓 MultiPathNet：辨識這些物體是什麼 例如，DeepMask 雖然可以找出圖片中有狗和綿羊，卻無法區分兩者，需要仰賴 MultiPathNet 辨識物體；結合這 3 款工具後即為一套影像辨識系統，可以讓電腦在「像素」階段如人類般理解圖像。 ▲ 這套系統已可成功辨識影像，紅線部分為機器未判斷出來的物體。（Source：Facebook）未來目標為影音圖像自動辨識Facebook 在部落格指出，透過影像辨識系統，未來不用特地在圖片上標記物體，也可以用文字搜尋到特定圖片。這項技術對視障者也相當實用，例如，只要用手指輕觸圖片，該系統便可告知圖片中包含哪些物體，讓視障者「看」見影像。此外，這項技術也可加強擴增實境（AR）的應用，例如，偵測出圖片中的三明治含有多少卡路里，或是運動員是否處於良好的健康狀態，以及讓使用者模擬家具放在房間的樣子、試穿虛擬衣服等商業應用。▲ 影像自動辨識技術可加強擴增實境的應用。（Source：Facebook）下一步，Facebook 希望能讓這套工具辨識影片中的物體，不過物體在影片中不斷移動，辨識難度更高。可想見，這項技術將有助於Live直播影片的推廣，可更容易向使用者推薦符合興趣的影片。 Google 也開源人工智慧工具 TensorFlow根據《The Verge》報導，除了 Facebook，Google 也已將類似的人工智慧工具用於圖片搜尋、email 的自動回覆功能、以及搜尋字詞「自動完成」功能，並開源這套人工智慧演算法 TensorFlow。 Segmenting and refining images with SharpMask Facebook is giving away the software it uses to understand objects in photos Facebook opens...
Facebook於 26 日宣布「趨勢話題（Trending Topic）」撤掉人工編輯，不過還不到 3 天，完全依靠演算法篩選熱門新聞的趨勢話題，讓一則關於美國福斯新聞主播梅根‧凱利（Megyn Kelly）的假新聞登上版面。篩選機制仰賴討論數量該則假新聞出自外媒《End The Fed》，內文引述不知名消息來源「Conservative101」，稱梅根‧凱利其實是美國民主黨總統候選人希拉蕊‧柯林頓的秘密支持者，因此遭保守派的福斯新聞解聘。 Megyn Kelly is trending on Facebook for an article that has no basis in reality. pic.twitter.com/31f4ERnzHI — Kyle Blaine (@kyletblaine) 2016年8月29日《TechCrunch》指出，對人工編輯而言，避免這項錯誤非常容易，但 Facebook 篩選趨勢話題的演算法，仰賴該話題相關文章和貼文數量，相對來說較容易讓假消息、騙點擊標題的新聞登上版面。Facebook 在新聞登上趨勢話題幾小時後便下架該則新聞，並對此解釋，由於該則新聞達到演算法顯示新聞的條件，即相關文章和貼文達到一定數量，才被判斷為真實新聞。他們目前正努力讓審查機制更準確，可篩選出假新聞和有疑慮的消息來源。 日前剛裁撤人工編輯團隊今年 5 月，Facebook 前員工向《Quartz》披露，負責篩選趨勢話題的編輯帶有偏見，刻意打壓特定政治立場。在負責主管、Facebook執行長馬克·祖克柏（Mark Zuckergerg）紛紛跳出來滅火後，Facebook 於本月 26 日宣布裁撤趨勢話題的人工編輯團隊，《Quartz》估計約有 15 至 18 人遭資遣。裁撤人工編輯前，Facebook 先以演算法蒐集熱門話題，編輯再負責審查新聞並寫摘要。裁撤編輯團隊後，剩演算法自行運作，根據使用者個人喜好、地點和話題熱門度推薦新聞，唯一人力只剩下調整演算法的工程師。為了讓趨勢話題可以涵蓋更多新聞、觸及到更多人，以及減少外界對人工編輯帶有偏見的疑慮，Facebook 讓熱門趨勢審核機制完全自動化，卻在短短 3 天內出包。《TechCrunch》報導指出，大多數 Facebook 使用者並非新聞工作者，僅有少數人會檢視新聞正確性，也因此，雖然演算法可以找出社群網站中的熱門話題，但多數人推薦的新聞、並不一定是品質高的新聞。Facebook 要讓「趨勢話題」成為有幫助的新聞管道，或許還有一段距離。 After replacing human editors...
中國入口搜尋網站巨擘百度（Baidu Inc.）決心要在人工智慧（AI）佔有一席之地，剛剛在北京舉行的百度世界大會（Baidu World）上，宣布要跟繪圖晶片巨擘 Nvidia Corp. 聯手開發無人駕駛汽車平台，另外還將發表跟亞馬遜（Amazon.com Inc.）聲控揚聲器「Echo」極為類似的家用電子裝置。華爾街日報、VentureBeat、TechCrunch 等多家外電報導，百度執行長李彥宏（Robin Li）1 日在大會上表示，AI 是下一個網路產業大事件，過去覺得不可能的事，現在都能透過 AI 達成，他希望大家能對 AI 和整個中國經濟重新去思考。AI 已成為蘋果（Apple Inc.）、Google 等科技巨擘競相開發的焦點，大廠們相信，只要研究出能讓消費者高度黏著的個人助理和應用程式，就能掌控人們和數位分身的互動介面，這麼一來定能從中獲取巨大利潤。為了進一步拓展 AI，百度 1 日宣布跟揚聲器製造商 Harman International Industries Inc. 合組同盟，共同開發智慧裝置，把 AI 整合到 Harman 的聲控揚聲器內，用戶只要說說話，Harman 揚聲器就能代為執行任務、上網購物並進行網路搜尋。一名發言人指出，百度整合至 Harman Kardon 的 AI 技術包括英文、中文的自動語音辨識系統（ASR）、喚醒裝置詞句（on-device wake word）、自然語言處理（natural language understanding，NLU）、文字轉語音（text-to-speech，TSS）、聲紋解鎖（voiceprint）、推薦系統和對話系統。百度 1 日還宣布跟 Nvidia 合作開發具備 AI 的無人駕駛汽車平台，其作業系統將以演算法為基礎，整合高解析度的雲端地圖，還能偵測不同路況並做出適當反應。Nvidia 執行長黃仁勳在大會上表示，目前全世界還沒有一家公司有能力整合這項系統，將之部署至數百萬輛自駕車，Nvidia、百度計劃把雙方的 AI 專長相互結合，實現這個願景。百度才剛在本周稍早獲得美國主管機關許可，將在加州測試旗下自駕車。百度自駕車早已開始在中國測試，公司宣稱要在 5 年內大量生產。（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）
美國影集《矽谷》（Silicon Valley）中虛構的公司 Pied Piper 開發了一款利用人工智慧的壓縮技術，Google 似乎在其中找到了靈感。根據 Quartz 報導，Google 的研究者開發出了一款利用人工智慧進行圖片壓縮的技術，讓其在大小與品質之間找到最佳平衡點。壓縮是現在社群媒體內容分享的基礎，不管是影片還是圖像，只有讓文件盡可能小才有可能讓內容分享更加順暢，但在這個過程中的品質損失顯然是我們不想看到的，更何況現在的螢幕解析度還在不斷提升。Google 這項技術的原理是什麼？根據論文，Google 首先需要讓人工智慧系統進行有效學習。為此，他們使用了 600 萬張隨機壓縮的 1,280×720 圖片，並分別把每張圖分成若干 32×32 像素的小塊。之後，人工智慧會在其中挑選出 100 個壓縮率最不理想的小塊進行學習。（Source：Digital Trends）經過對這最難壓縮的 100 個小塊進行學習，Google 希望可以提升人工智慧壓縮最複雜數據的能力，進而讓人工智慧在壓縮普通圖片時更加游刃有餘。經過大量學習之後，類神經網路透過複雜的運算可以將圖像解構，將圖像分成若干小塊，並且針對每塊的實際情況「對症下藥」，採取量身定制的壓縮方案，而不是使用統一方法壓縮整個圖像。由此，人工智慧可以在壓縮前預先估計採用不同方案後的壓縮效果，經過一系列複雜的計算選出最佳方法。（Source：Digital Trends）由此一來，它既有效縮減了文件大小，也沒有讓質量打折過多，而且論文顯示，這項技術目前已經在標準測試上優於 JPEG 格式。但是這項技術也有它不完美的地方。首先，圖像品質是個很主觀的方面，機器顯然不會用人類那樣的審美去判定何種壓縮方法最優，而Google 的研究者也坦言，技術上的度量方法與人類審美完全是兩回事。圖像壓縮技術對 Google 來說尤其重要。Google 的照片雲端儲存服務已經提供了不限量的儲存空間，因此 Google 需要盡可能將圖片大小降低，並且不損傷用戶的實際體驗，這項技術剛好可以應用到其中。 Google Photos Is Your New Essential Picture App （本文由 愛范兒 授權轉載；首圖來源：Wired）
Facebook 執行長祖克柏（Mark Zuckerberg）今年初所訂定的個人目標，計畫開發簡單的 AI 助手，來幫自己打理家庭與工作的事務。日前在羅馬舉行的座談活動上，他公開表示將在 9 月向世人介紹這位 AI 助手。祖克柏每年都會訂定新的個人計畫，今年的目標則是開發簡單的人工智慧（Artificial Intelligence，AI）助手，幫助自己打理家庭與工作的事務，想像如同是電影《鋼鐵人》中的「賈維斯」（J.A.R.V.I.S.）。預期這位 AI 助手將具備學習與識別能力，例如它能辨識祖克柏的聲音或周遭朋友的長相，當祖克柏不在女兒 Max 身邊時，它也要能隨時讓這位父親知道女兒的狀況；至於在工作方面，祖克柏希望它能以虛擬實境（Virtual Reality，VR）方式將數據資料視覺化，協助自己作出決策、引領公司。上個月底祖克柏在義大利羅馬市政廳舉行 Q&A with Mark 座談活動，公開表示這位 AI 助手計畫在 9 月與大家見面。他表示將能透過 AI 助手來控制家中的大門、燈光、溫度等，例如進門不再需要鑰匙開鎖或輸入密碼，AI 助手可辨識他的臉孔並讓他自動進入。他還打趣地說道，AI 助手只認得他的聲音，同住一個屋簷下的妻子可就苦惱了，當然他會設定權限給妻子使用的。祖克柏曾在 4 月的 F8 2016 開發者大會上，公開 Facebook 未來 10 年的發展方向，他認為人工智慧可在 10 年內超越人類的期待，這個也是 Facebook 的重點發展項目之一。目前 AI 助手確切的發表時間與型式尚未公開，值得期待祖克柏要為世人帶來什麼樣的服務。參考來源： Highlights from Q&A with Mark Mark Zuckerberg built an...
塞車是城市化進程中最大的問題之一，壅塞的交通除了給生活帶來不便，還容易引發人們焦躁和憤怒的情緒，而如今，自動駕駛汽車成為了我們緩解塞車現象的一種新方法。YouTube 上一名教育娛樂影片製作者 CGP Grey，因其 5 分鐘高語速加有趣圖文的短片解釋一個小概念而出名。最近他以一條名為「解決塞車的簡單方法」短片，為大家詳細介紹了關於塞車和自動駕駛汽車的小知識。▲ 完整動畫解說，附有詳盡的中文字幕為什麼會塞車？塞車有很多原因形成，排除路面施工等一些突發或特殊情況，有以下幾點可以解釋：1、紅綠燈是造成交通擁擠的最主要原因。等待紅燈排隊的車輛有一個各自加速的過程，因為沒有同時加速，所以車與車之間就存在間隔。實際上降低了所有車通過紅綠燈的效率。2、司機開車分心也是非常重要的因素。尤其是現在「手機依賴症」在社會中蔓延。在等待紅燈變色時玩玩手機，而轉為綠燈時就很容易發現不了，當後面的車龍喇叭狂響才能回過神來。3、幽靈塞車現像是交通堵塞一種非常常見的現象。在擁擠的道路上，很可能僅僅由於某個駕駛急煞車、突然變換車道或者超車，造成短暫的停頓，就會在這輛車的後方引發一連串的堵塞。就像是道路撞上幽靈一樣發生了塞車，哪怕第一輛車停下來後只需要 2 秒鐘就能啟動，可是到最後一輛汽車啟動時，所需的時間可能就要幾十分鐘了。如此令人頭疼的塞車現象，究竟怎樣才能緩解？ 自動駕駛汽車可大大緩解塞車情況據 Popular mechanics 報導，根據數學專家 Benjamin Seibold 對交通狀況的數值模擬，幽靈堵塞現像是因為整個道路上，不同車輛的加速不同步。當一條路排滿車的時候，即使行駛速度有一點點的波動，也會被逐漸放大，「波浪式」地影響到整個車隊的行駛。2015 年，Seibold 和他的團隊研究了自動駕駛汽車對減輕交通壓力（比如幽靈堵塞現象）的影響。他透過電腦模擬，來展示自動駕駛汽車是如何避免幽靈塞車現象的：即使車流中有很少的自動駕駛汽車，也能透過調節自身的行駛速度，來避免整個車流陷入壅塞。只要有 2% 的自動駕駛汽車，就能減少 50% 走走停停的情況。自動駕駛汽車的優勢就在於，能夠感知前方路況的變化。Seibold 表示，自動駕駛汽車所預留的車間距更大，加速和減速都是經過一系列計算來決定的。自動駕駛汽車在車流比較密的時候，會保留一定的車距，減少突然剎車的次數，從而減少對後方車輛的影響。自動駕駛汽車的未來我們沒有人工智慧那樣快速的反應或註意力，我們也很難保持均速駕駛，而機器可以。雖然在現有研究的實驗裡，自動駕駛汽車有著美好的前景，但是大多數人對於這種願景能否實現仍抱持懷疑的態度。同時，自動駕駛汽車對於交通壅塞僅發揮緩解作用，解決這一問題還要靠很多方面的努力，包括城市規劃、民眾素質、公共交通體系等。畢竟自動駕駛汽車還在初始階段，還有很多不可知和不可測的事，如果要讓自動駕駛全覆蓋，使每輛車保持均速或是車距穩定，還需要相同配置的車輛，但這是不可能實現的。因此看來，自動駕駛取代手動駕駛的未來暫時離我們還很遙遠，暫時只能忍忍塞車了。（本文由 愛范兒 授權轉載；首圖來源：Flickr/lorenz.markus97 CC BY 2.0）
應邀參加 SEMICON Taiwan 2016 國際半導體展展前記者會的台積電物聯網業務開發處資深處長王耀東表示，針對未來 5 年帶動晶圓代工成長的主要動能，其主要領域將會是在智慧手機、高性能運算、物聯網、以及車用電子等 4大領域上。而且以 2015 年台積電的營收為基礎，至 2020 年時，台積電的營運成長將會有 50% 來自於智慧手機的貢獻，有 25% 來自高性能運算，剩下的 25% 來則自物聯網與車用電子。王耀東進一步解釋到，在智慧手機方面，其成長的方向來自於本身手機數量上的成長，以及晶片價值上的成長。因此，台積電預估，未來手機出貨量的成長將中間個位數百分點，而在中高階手機晶片價值的成長，則是呈現雙位數字，另在低階智慧手機晶片的價值則呈現持平狀態。而這些晶片的價值增加，來自於手機在新應用上的加入。包括雙鏡頭、安全身分認證感測、虛擬實境及擴增實境等新功能加入，以及未來通訊功能延伸到 4G+ ，甚至是 5G 上的發展。 而在高性能運算部分，王耀東則指出，隨著全球工業化的加劇，透過矽晶片來分析大量數據的需求越加明顯，資料中心與網路基礎設施建構的需求驅動晶片需求的持續成長。在當前許多 IC 與 IT 企業組成策略聯盟，聯合發展相互連接的規格，藉偕同運算來大幅增加伺服器的效能。至於，雲端運算的需求，加上深度學習與人工智慧的應用，也都將可促進高性能運算晶片需求的成長。物聯網與車用電子部分，包括處理器、無線通訊技術、以及各種創新感測器在物聯網應用上的快速崛起，使得包括穿戴是裝置、虛擬實境、智慧城市、工業 4.0 上等等的應用得以被實現。未來持續發展所提供的協助與應用。而在汽車電子部分，則是包括在先進駕駛輔助系統中，需要藉由高效能處理器與感測器，帶入邏輯製程與嵌入式記憶體需求，使得智慧駕駛的功能會來得已被採用。10 奈米、7 奈米如火如荼展開因此，台積電對於未來自是大領域中，都已經做好相關的規劃。未來透過先進製程的發展，進一步提供產業高效能晶片的需求。王耀東指出，台積電先進製程進展方面，在 10 奈米製程上，依照計畫將在 2016 年底前將進入量產，目前已有 3 個客戶完成設計，年底預期將有更多客戶完成。而 2017 年第 1 季 10 米製程進入量產之後，隨即可開始貢獻營收。至於，在 7 奈米製程進展方面，台積電目前預計 2018 年第 1 季量產，預計將領先競爭對手，而且會是最早投入量產的 7 奈米製程。而針對更先進的 5 奈米製程上，台積電自 2016...
今年 6 月底，特斯拉自動駕駛汽車發生了一起致命意外，一時間無人駕駛的安全性成為關注焦點，一直以來，雖然各個自動駕駛開發企業都在不斷地公開自動汽車的道路測試數據，但是自動駕駛的安全性問題一直是業內外爭論的關鍵點，也是自動駕駛汽車能否順利上路和順利獲得乘客、用戶使用的關鍵。7 日 Uber 更是收購了才成立了 8 個月的明星自動卡車公司 Otto，並且在這幾天陸續有 Uber 的自動駕駛汽車上路了。自動駕駛的安全問題其實可以歸結到兩大問題，一個是網路安全問題，和所有智慧裝置一樣，智慧汽車也必然會存在被入侵、然後被操控的風險，並且一旦被入侵控制了，後果遠比任何一個目前的智慧設備被入侵了要嚴重。而另一個完全問題則是智慧化水平是否足夠的問題，對道路的規劃、定位、目標的識別、判斷等智慧化水平是否足夠，一旦智慧化水平不夠，該辨識的行人辨識錯了，該前進的路線規劃錯了等，後果也是無法設想。 網路安全問題無人駕駛或者說自動駕駛汽車在網路安全方便的問題可以說無可避免，就像所有的智慧裝置，只要裝置擁有 IP 地址，透過 IP 可以入侵到汽車，從而控制汽車的引擎和剎車系統。以這輛吉普（Jeep Cherokee）為例，車輛透過 IP 連接到克萊斯勒的網絡中心。克萊斯勒在被駭客發現漏洞入侵之前發布了軟體更新修補了系統的漏洞。主要的問題是，開發系統的軟體工程師大多沒有考慮安全性的問題。還有另外一個真實的例子，克萊斯勒花了巨額把自動汽車返廠修復漏洞。因為一旦其中一輛汽車被入侵了，同樣的方法幾乎可以入侵所有的汽車，所以，相比起這樣的安全危機，花費的巨額也是必須的。如果是一個智慧電冰箱，那麼冰箱被入侵了可能只是食物變質了、冰塊融化了，但是如果是汽車被入侵了，就會產生致命的交通事故。在最新一次的國際駭客大會上，有駭客揚言已具備足夠能力遠程控制裝置自動駕駛系統的熱門電動車型，讓車輛根據駭客自己的意願進行操作（如轉向），以及改變雷達探測距離數值（等探測到都已撞上了）。不想遇到網路安全問題，最先想到的當然是隔離網路，所以出於安全考慮，汽車的關鍵系統如引擎和剎車系統都最好與網路隔絕，但是，實際情況中，因為考慮到成本問題，所以一些聯網的娛樂系統會和汽車的關鍵系統會連在同一台分析電腦上，進而導致所有系統都是聯網的。如果實在是要聯網的話，為了防止被惡意入侵控制，所以會限制必須透過有線連接才可以對系統做控制修改。除此之外，為了確保系統的安全性，在網路授權、代碼保護和使用第三方技術供應商的審核上都是需要嚴格把關的。舉個例子，一般第三方的技術提供方都會提供對應的測試代碼（Sample Code），而這些代碼都是沒有考慮任何安全問題的情況下使用的，所以，出於安全考慮，盡量不要直接使用測試代碼。再比如，不同的系統之間採用不同的網路授權，也是目前常用的提高安全性的做法。 智慧化的錯誤判斷問題除了網路安全的問題外，最引人注目的無人駕駛的安全性問題，莫過於智慧化判斷的準確度問題，今年 6 月底特斯拉自動駕駛汽車發生的致命意外，經過調查後發現，其中一個原因是汽車把前面一個白色的車廂判斷為是天空，如圖，這個在人工智慧領域備受關注的「人工智慧安全性」的問題，如何才能得出安全的人工智慧，從而避免類似的事故不再發生。從軟體演算法層面，目前全球範圍內，致力於實現安全的人工高智慧（Safe AI）的組織中，最出名的莫過於 OpenAI，他們致力於讓人工智慧不要犯致命的錯誤。在人類的眼裡，可能圖像中一些細微的變化不會影響我們去判斷一個事物，但是在機器的眼裡，可能就會完全看成是兩個事物（fooling samples），進而做出不同的應對行為，這種情況特別容易出現在透過深度學習訓練目標以及在單眼鏡頭下的影像數據。特斯拉的事故不僅暴露了自動駕駛技術目前在軟體演算法上的弱點，同時也暴露了在硬體技術的不足。從硬體設備層面，像 Model S 採用的單眼鏡頭對於立體及大面積平面物體的辨識存在錯誤、毫米波雷達存在辨識區間限制、以及在極端情況下對於綜合情景的取捨及冗餘判斷等問題。所以，事故對自動駕駛領域的硬體及演算法產生促進，對於雙目 / 廣角鏡頭、毫米波雷達、雷射雷達的綜合採用將可望迎來破冰。特別是對於之前成本較高的雷射雷達 + 多鏡頭方案會帶來推動作用。另外，特斯拉的事故如果採取的是多探測器冗餘判斷模式，完全可以避免。所以，出於安全性考慮，NHTSA（美國高速公路安全管理局）也有可能會在硬體配置及系統要求上，敦促相關部門研擬較高的門檻及規定，這對於行業而言，意味著單車附加值的提升。雖然，自動駕駛安全隱憂仍然存在著，也不可避免的存在風險問題，但是，有一點可以確定的是，對比起目前 94% 的交通事故是人為原因造成的，自動駕駛的持續研究和發展必然對人類的人身安全有重要的意義。（本文由 雷鋒網 授權轉載；首圖來源：達志影像）延伸閱讀： Uber 收購無人駕駛卡車新創公司 Otto 連出車禍，Tesla 改口稱 Autopilot 只是輔助駕駛而非自動 Tesla 車主靠自動駕駛功能救回一命，能否消除自駕車安全疑慮？ Tesla 自動駕駛模式亞洲首撞，對障礙物視而不見
近日，《華爾街日報》稱日本是最適合使用自動駕駛巴士的國家。由於日本班車用戶在不斷減少，使得只有三分之一的公司才能盈利，政府不得不進行大幅補貼。軟銀稱他們旗下 SB Drive 集團正在研發的自動駕駛巴士可降低一半的巴士營運費用，最早可在 2019 年上路。自動駕駛巴士與自動駕駛車不同，它有固定的路線，因此無需不斷監測和分析全新的未知路況，機器智慧等級相比之下較低。 今年 4 月，軟銀和 ASM（Advanced Smart Mobility）成立 SB Drive 集團。ASM 是由豐田汽車前工程師創辦的自動駕駛研發公司，軟銀在今年為其註資 5,000 億日圓，佔 40% 的股份。軟銀透過自身的高速通訊技術與 ASM 的自動駕駛技術團隊合作，進行障礙物感知、加速與減速、方向盤操控等核心技術的研發。目前，SB Drive 的試驗車已經在封閉道路上行駛，明年將正式開始城市實地道路測試。而在最近的測試中，SB Drive 集團首席執行長親自登上試驗車輛完成了 30 分鐘的測試。除軟銀外，現在已有多家公司涉足自動駕駛巴士。賓士的 Future Bus 已開始長距離測試，此外他們還投資 2 億歐元打造一套城市巴士系統，讓巴士連入城市網絡，與紅綠燈和城市其他基礎設施互相打通；法國 EasyMile 已開發出了一輛能夠搭載 15 人的巴士 Arma；中國的宇通集團 2015 年也順利完成了自動駕駛城際公車的測試，測試路段全長 32.6 公里。軟銀收購 ARM 後，讓孫正義的 30 年內公司全面擁抱人工智慧和聯網設備的夢想離現實更近一步，而自動駕駛巴士也正是孫正義極為看重的部分。（本文由 雷鋒網 授權轉載；首圖來源：達志影像）