Et av de hengende mysteriene fra Ubers salg av Uber ATG selvkjørende enhet til Aurora er løst.
Raquel Urtasun, AI-pioneren som var sjefforsker ved Uber ATG, har lansert en ny oppstart kalt Waabi som tar det hun beskriver som en "AI-første tilnærming" for å øke hastigheten på kommersiell distribusjon av autonome kjøretøyer, og starte med langdistansebiler. Urtasun, som er den eneste grunnleggeren og administrerende direktøren, har allerede en lang liste med høyt profilerte støttespillere, inkludert separate investeringer fra Uber og Aurora. Waabi har samlet inn 83.5 millioner dollar i en serie A-runde ledet av Khosla Ventures, med ekstra deltakelse fra Uber, 8VC, Radical Ventures, OMERS Ventures, BDC og Aurora Innovation, samt ledende AI-forskere Geoffrey Hinton, Fei-Fei Li, Pieter Abbeel , Sanja Fidler og andre.
Urtasun beskrevet Waabi, som for tiden sysselsetter 40 personer og opererer i Toronto og California, som kulminasjonen av hennes livsverk for å bringe kommersielt levedyktig selvkjørende teknologi til samfunnet. Navnet på selskapet - Waabi betyr "hun har visjon" i Ojibwe og "enkelt" på japansk - antyder hennes tilnærming og ambisjoner.
Autonome kjøretøyoppstart som eksisterer i dag, bruker en kombinasjon av algoritmer for kunstig intelligens og sensorer for å håndtere kjøreoppgavene som mennesker gjør, for eksempel å oppdage og forstå objekter og ta beslutninger basert på den informasjonen for å trygt navigere en ensom vei eller en overfylt motorvei. Utover disse grunnleggende er det en rekke tilnærminger, inkludert innen AI.
De fleste selvkjørende bilutviklere bruker en tradisjonell form for AI. Imidlertid begrenser den tradisjonelle tilnærmingen kraften til AI, sa Urtasun og la til at dkonvolutter må justere programvarestakken manuelt, en kompleks og tidkrevende oppgave. Resultatet, Urtasun, sier: Autonom utvikling av kjøretøyer har avtatt, og de begrensede kommersielle distribusjonene som eksisterer opererer i små og enkle driftsdomener fordi skalering er så kostbart og teknisk utfordrende.
“Jobbet i dette feltet i så mange år, og spesielt bransjen de siste fire årene, ble det mer og mer tydelig underveis at det er behov for en ny tilnærming som er forskjellig fra den tradisjonelle tilnærmingen som de fleste selskaper tar i dag, ”sa Urtasun, som også er professor ved Institutt for informatikk ved University of Toronto og medstifter av Vector Institute for AI.
Noen utviklere bruker dype nevrale nett, en sofistikert form for kunstig intelligensalgoritmer som lar en datamaskin lære ved å bruke en serie tilkoblede nettverk for å identifisere mønstre i data. Imidlertid vegger utviklere vanligvis de dype nettene for å håndtere et bestemt problem og bruker maskinlæring og regelbaserte algoritmer for å knytte seg til det bredere systemet.
Dype nett har sitt eget sett med problemer. Et mangeårig argument er at de ikke kan brukes med noen pålitelighet i autonome kjøretøyer delvis på grunn av "black box" -effekten, der hvordan og hvorfor AI løste en bestemt oppgave er ikke klar. Det er et problem for enhver selvkjørende oppstart som ønsker å kunne bekrefte og validere systemet. Det er også vanskelig å innlemme forkunnskaper om oppgaven som utvikleren prøver å løse, som for eksempel å kjøre bil. Til slutt krever dype nett en enorm mengde data å lære.
Urtasun sier at hun løste disse dvelende problemene rundt dype garn ved å kombinere dem med sannsynlig slutning og kompleks optimalisering, som hun beskriver som en familie av algoritmer. Når det kombineres, kan utvikleren spore beslutningsprosessen til AI-systemet og innlemme forkunnskaper, slik at de ikke trenger å lære AI-systemet alt fra bunnen av. Det siste stykket er en lukket sløyfesimulator som gjør det mulig for Waabi-teamet å teste i skala vanlige kjørescenarier og sikkerhetskritiske kanttilfeller.
Waabi vil fortsatt ha en fysisk bilpark for å teste på offentlige veier. Imidlertid vil simulatoren tillate selskapet å stole mindre på denne formen for testing. "Vi kan til og med forberede oss på nye geografiske områder før vi kjører dit," sa Urtasun. "Det er en stor fordel når det gjelder skaleringskurven."
Urtasuns visjon og hensikt er ikke å ta denne tilnærmingen og forstyrre økosystemet til OEM-er, maskinvare og databehandlere, men å være en spiller innenfor den. Det kan forklare støtten til Aurora, en oppstart som utvikler sin egen selvkjørende stabel som den håper å først distribuere i logistikk som langtransport.
"Dette var øyeblikket for å virkelig gjøre noe annerledes," sa Urtasun. "Feltet trenger et mangfoldig sett med tilnærminger for å løse dette, og det ble veldig klart at dette var veien å gå."
Myntsmart. Beste Bitcoin-Börse i Europa
Kilde: https://techcrunch.com/2021/06/08/ai-pioneer-raquel-urtasun-launches-self-driving-vehicle-startup-with-backing-from-khosla-uber-and-aurora/
