您当前的位置:首页 > 配对 > 生肖配对

苹果落地(苹果落地从牛顿身上学到了什么)

时间:2023-10-03 10:25:07 作者:作茧自缚 来源:网友分享

本文目录一览:

苹果汽车落地时间一拖再拖,L5做不了L3也得等2026年

导读:今年来,众多主机厂与自动驾驶企业已经陆续放弃对高阶自动驾驶短期落地的追求。潜心L5级自动驾驶8年之久苹果也在近期再度“鸽”掉了投资者与消费者的期待。 尽管市场还对低阶自动驾驶的商业落地保留着多年的窗口期,但2026年才有望推出首款产品的苹果汽车,降低自动驾驶预期的同时把目标售价也下调到了低于10万美元。

(文/张家栋 编辑/马媛媛)

日前,有消息称,苹果公司原本为其未来电动汽车提供“革命性”变革的高阶自动驾驶计划遭到缩减,并将该汽车的目标推出日期推迟了大约一年至2026年。

据悉,苹果原本想为其汽车提供L5级自动驾驶功能,这也是在当前行业规范中,等级最高的自动驾驶功能,从应用层面来看,该级别已经接近于完全无人驾驶能力。

由于目前市面上大多数主机厂与自动驾驶厂商的路测合作项目均集中于L3与L4级别自动驾驶,所以苹果认为该技术的提出,将对汽车行业产生颠覆性的影响。

只是,随着苹果在自动驾驶项目落地上的反复横跳,市场究竟还能对这位3C电子巨头开放多久呢?

几经波折

2014年,苹果CEO库克正式批准名为“泰坦”(Project Titan)的自动驾驶汽车项目,并将目标直指L5级自动驾驶。但在8年的发展过程中,泰坦项目却走的并不顺利。

苹果CEO库克 图源:网络

2016年,苹果便针对公司的无人驾驶电动汽车项目进行裁员,并叫停了一部分研发项目。彼时正值特斯拉呈现起势,众多造车新势力开始进入初步的市场试探阶段。

但面对所有新能源企业的营利能力短缺,苹果公司最终选择了大幅缩减汽车业务。这一决定导致当年数百名苹果汽车的员工被辞退,同时,苹果更新了指导方针表示自产汽车将暂不列入计划。

有消息称,当年苹果正将重点从自动汽车的研制转向单纯研发自动驾驶系统。而在泰坦项目中,原计划于2019年推出的一款具有部分自动驾驶功能的电动汽车也就此搁置。

苹果汽车假想图 图源:网络

但今年年初,沉寂已久的苹果宣布其在推进电动汽车的开发项目上有了重大突破,并将研发重点转向全自动驾驶技术。这也印证了多年前苹果在自动驾驶技术上的聚焦策略。

今年2月,有媒体援引苹果知情人士消息称,苹果已经完成了搭载在第一代汽车上的芯片处理器的大部分核心工作,在开发汽车的全自动驾驶系统方面达到了一个关键的里程碑。苹果的汽车芯片是公司内部开发的最先进组件,主要由神经网络处理器组成,可以处理自动驾驶所需的人工智能。

该人士还指出,苹果公司内部目标是在四年内(2025年前)推出其自动驾驶汽车,比先前一些工程师计划的五到七年时间表还要来得快。但该时间表还未被确定,最终将取决于自动驾驶系统开发的进程。如果届时苹果无法实现其目标,可能会推迟发布,或者发布配备辅助驾驶系统的汽车。

目前,苹果已经在一些改装车上使用新的处理器设计和更新的自动驾驶传感器,这些汽车已经在美国加利福尼亚州测试了数年。加州机动车辆管理局表示,该公司目前有69辆雷克萨斯SUV在试验这些技术。

苹果无人驾驶测试车 图源:网络

不过,即便苹果的工程师们加班加点对现有技术进行研发测试,但从最新的消息来看,苹果的高管们将不得不面对现实,即在目前的技术条件下,没有方向盘与踏板的全自动驾驶汽车愿景并不可行。

最新消息表明,苹果已对自动驾驶汽车项目做出了重大调整,新的自动驾驶汽车将包括方向盘和踏板,并仅支持在高速公路上的全自动驾驶功能。目前苹果计划开发的汽车可以让车主在高速公路上执行其他任务,比如看电影或玩游戏。

由于自动驾驶等级的下降,苹果还将此前预估售价超过12万美元的车辆,调整至低于10万美元向市场提供。但由于该车辆仍处于“概念”阶段,所以苹果最新预计车辆将在2025年进行测试,并于2026年正式发布。

降级回滚

纵观近年智能化技术的发展方向,苹果对于自动驾驶技术的“回滚”或许并非偶然。

尽管今年年初,美国国家公路交通安全管理局(NHTSA)发布了一项全新规定:自动驾驶汽车制造商无需再为了满足碰撞标准,为全自动驾驶汽车配备手动驾驶控制系统。意味着车企终于可以抛弃用了近百年的方向盘,向着全自动驾驶大步迈进。

然而,从高阶自动驾驶技术本身的应用层面来看,主机厂与自动驾驶公司们,似乎还并没有为新技术的应用做好准备。

与苹果泰坦项目成立之初相同,众多科技巨头和汽车巨头已经在完全自动驾驶汽车上花费了多年时间,但以目前结果来看,面向高阶自动驾驶的公司们都近乎颗粒无收。

即便是最早将自动驾驶技术推广至市场的特斯拉,也在不断地推迟着自身完全自动驾驶技术的上车时间。而与苹果同期研发高阶自动驾驶的Waymo、Uber等企业,更是因技术受阻选择将自身的自动驾驶部门裁员或是打包出售。

Argo AI测试车 图源:网络

今年以来,已上市的自动驾驶企业如图森未来、Aurora和Embark的股价均大幅跳水80%以上。时至11月,大众与福特共同培育的自动驾驶公司Argo AI被挂牌出售,则预示着当前高阶自动驾驶的研发或正在被汽车行业抛弃。

业内人士认为,要走出持续亏损带来的恶性循环,自动驾驶必须实现可持续的商业化落地。

轻舟智航CEO于骞曾表示,当前技术已可实现90%以上场景的自动驾驶,但剩下10%的长尾场景如不能妥善解决,自动驾驶就无法真正实现商业化运营。

这也意味着,相较L4级以上的高阶自动驾驶功能,聚焦于L2、L3级辅助驾驶功能,显然更加适合企业们的商业化应用需求。

百度L4/L2+技术共生路线讲解 图源:百度

在11月百度举办的Apollo Day 技术开放日上,百度带来了自动驾驶业务的最新进展,其中,最引人瞩目的当属L4/L2+技术共生路线,这也预示着百度自动驾驶商业模式开始转变。

自百度“All in AI”进军自动驾驶领域以来,始终对标Waymo等头部厂商,并以实现 L4-L5 级自动驾驶为目标。然而,多年间,纵然百度投入了海量研发资金,但车企却始终难以对无法落地的技术展开大规模合作。

百度在Robotaxi 业务红火,但是带来的收入仍旧极为有限。而L4/L2+技术共生路线的挑出,则代表了百度要加大对L2+ 级驾驶辅助技术的投入,加速商业化落地。

事实上,高阶自动驾驶的商业化,在市场中不仅面临着技术突破的难题。在法律法规以及社会认知层面,也亟待国家层面的完善。汇业律师事务所高级合伙人、数据合规专家李天航对观察者网表示,“高阶自动驾驶技术的开放是一个产业形态、社会容忍度和法律政策空间三位一体的系统性问题。仅靠车企自身进行技术研发,很难实现新兴技术的大规模推广”。

而在《中国智能网联汽车发展路线图2.0》的规划中,2025年,中国市场L2+和L3级自动驾驶新车市占率超过50%;到2030年,L2+和L3级自动驾驶新车市占率超70%。显然,即使在智能化发展迅猛的中国市场,自动驾驶也需要长时间由低阶到高阶的转换过程。

只是,如果按照该推进速度计算,2026年才能将L3级推向市场的苹果汽车,还赶得上智能化的风口吗?

AI会发现新的物理学定律吗?“机器理论家”已在路上

人工智能(AI)正在推动科研范式变革,快速且深刻地影响着物理学、化学、材料学、生物学等领域。随着人类探测宇宙本领的提升,高灵敏、高精度的望远镜、卫星不断产生着海量数据,而这正是AI大展身手的天地。

目前,AI算法已可通过天体物理学的数据集来确定一些基本方程,它能就此发现新的物理学定律吗?事实上,这正是物理学家努力的方向,他们正在研究如何才能让这些“机器理论家”具备发现自然界更深层次规律的能力。

——编者

(图片来源:pixabay)

1980年,著名物理学家斯蒂芬·霍金在英国剑桥大学发表演讲时,提出了“万物理论”,将科学家对客观世界的两种主要描述方式——广义相对论和量子力学,归结为一个简洁的、包罗万象的方程式,并对未来人工智能不断增长的能力作出了预测。

自霍金提出“万物理论”以来,人工智能取得了飞跃式发展,但物理学家在利用机器学习来寻找新的、更深层次的自然规律方面,却仍然进展缓慢。AI背后的深度学习算法通常只能回答“是什么”,却无法说出“为什么”。

如今,AI已成为科学家从海量数据中寻找和发现新方程式的得力助手。美国西雅图华盛顿大学的史蒂夫·布伦顿说:“我们正在进入这一发现阶段。”而在发现新的物理学定律方面,AI将成为理论物理学家的最终合作者。现在,物理学家面临的挑战是,如何让机器避开人类理论物理学家的固有思维,从而找到人类找不到的定律。

为此,物理学家和人工智能正在寻找某种共同语言,一种真正能够实现人机对话的新语言,从而在人类与AI之间形成真正的合作关系。这将是一场重大变革的开始。

算法优势互补,“重新发现”万有引力定律

数据驱动的科学探索始于16世纪。当时,荷兰天文学家、近代天文学奠基人第谷·布拉赫对行星和恒星的运动进行了细致观察。到了17世纪,德国天文学家、数学家和物理学家约翰内斯·开普勒仔细研究了布拉赫的观察笔记,据此提出了三个简洁的定律来描述行星的运动,确立了太阳为太阳系中心的理论。

在研究这些数据时,开普勒用的是试错法。他煞费苦心地研究了无数的轨道形状,以寻找最适合太阳系的轨道形状。最终,他发现了行星运行轨迹与绕太阳公转所需时间之间的精确数学等式,首次将数学方程式运用于人类对宇宙的理解。

与开普勒同时代的太阳中心论者伽利略曾说:“描述自然的最伟大的著作是用数学语言写成的。”可是,数学定律真的本就是宇宙运行的固有特性?抑或是我们强加于它的?

这个问题至今远未有定论。考虑到数学在用简单方程式捕捉抽象定律方面所取得的惊人成就,现代物理学家想尝试让人工智能学做类似的事情,并非没有道理。

基于这样的设想,美国卡内基梅隆大学的帕特里克·兰利于上世纪70年代首次提出“符号回归”(Symbolic regression)算法。符号回归是一种机器学习算法,通过搜索并识别潜在的数学表达式,来寻找最适用于给定数据集的模型。

符号回归的工作原理是系统地运行带有各种数学符号或运算符的方程式,包括加减法和各种物理变量(位置或速度等)的组合。如果其中某个方程式与数据非常吻合,如行星轨道的观察数据,人工智能就会得到奖励。然后,算法将通过改变正负号等方法产生新的方程式,再对数据集进行测试,并与之前的方程式比较,逻辑不周密或缺乏依据的方程式会逐渐被淘汰——这个过程与自然选择相类似。

符号回归必须要在高维数据集内寻找新的方程式。这些数据集的一大特点就是包含许多物理变量,比如广受天体物理学家和宇宙学家青睐的来自韦伯空间望远镜、欧洲航天局盖亚太空天文台等强大望远镜的大量数据。

韦伯空间望远镜传回海量数据(图片来源:视觉中国)

对于符号回归算法来说,变量多是一个棘手问题——太多变量导致需要测试的潜在方程式的数量呈爆炸式增长,即便对目前性能最强的超级计算机来说,这也会是一个难以承担的任务。

但是,深度学习算法的优势就是可以轻松处理庞大的数据集。为此,早在几年前,美国普林斯顿大学的迈尔斯·克兰默,就与美国纽约熨斗研究所(专注于计算科学的研究所)的雪莉·何合作,尝试结合两种方法的优势,以充分利用深度学习的模式发现能力,以及符号回归易于解释和理解的输出结果。

同时,符号回归也是对深度学习模型输出的一种自然补充。深度学习模型的输出往往难以解释,而符号回归作为数学语言中更易于理解的输出,可以帮助物理学家产生新的可验证假设。

两位科学家将美国航空航天局(NASA)关于太阳系中行星及其卫星运行轨道的数据(当年开普勒计算研究的内容),以及一系列数字和符号馈入深度学习神经网络。如果神经网络发现数据中存在某种模式,就会将其确定为潜在目标,最终输出的结果将形成一套新的数据集。

大型望远镜正源源不断获取宇宙观测的大量数据(图片来源:pixabay)

正如研究人员所料,简称为“PySR”的符号回归算法通过这些原始数据,果然“重新发现”了牛顿的万有引力定律。

从原则上证明了这一方法的可行性后,克兰默和其他一些研究人员利用大量新的天体物理学数据,通过PySR来发现和描述宇宙多样性及相互关联特征的方程式。

从引力波探测推演黑洞质量,到描述宇宙空洞特征,符号回归算法为天体物理学家提供了寻找宇宙数学秩序的新方法。“靠数据来推动新发现,这真的很厉害。”布伦顿说,他在2016年与人合作创建了另一种流行的符号回归算法SINDy。

未来十年内,AI或将带来重大物理学发现

在宇宙中占比80%的暗物质是一种神秘的引力来源,其引力可维持星系不会飞离。在宇宙学中,暗物质缺失的地方被称为宇宙空洞,空洞的分布和特征可能与宇宙常数有关。但要发现相关的方程式很难,因为宇宙中有很多空洞,每个空洞的描述都不一样,所以有很多变量。

2021年5月,克兰默与雪莉·何等其他合作者一起,结合深度学习神经网络与PySR符号回归算法,发现了宇宙空洞大小和形状与宇宙总能量之间的比例关系。

2022年3月,美国普林斯顿大学的海伦·绍和她的合作者利用PySR符号回归算法,发现了从恒星形成速度预测亚晕质量的方程式(亚晕是指形成密集团块的暗物质)。令人惊讶的是,这个方程式能够准确适用于宇宙中几乎所有的星系。

这些具有普遍性的宇宙基本关系,正是物理学家努力寻找的。它们可以用来描述很多不同寻常的物理系统,也是人类理解宇宙特征的路标。正如牛顿第二运动定律(即作用于物体上的力等于物体的质量乘以加速度)既适用于牛顿最初发现的苹果落地的奥秘,也适用于人类发射火箭、着陆月球等壮举。

符号回归算法往往可以发现更具普遍性的方程,而深度学习神经网络一旦遇到超出其理解范围“舒适区”的情况,往往会输出一些毫无意义的结论。

但到目前为止,PySR发现的都是描述性的经验方程式——擅长于复制实验数据,而不能直接提供物理学家想要的理论解释,或解答更深层次的“为什么”。例如,开普勒定律就是一个经验方程式,他的方程式与布拉赫观测到的大量数据惊人吻合,但开普勒的方程式无法回答“为什么”会吻合。

我们知道,数学符号与数据拟合并不是我们理解世界的唯一方法。爱因斯坦提出广义相对论,就是通过一系列富有想象力的思想实验而实现的。而一些观测结果,比如水星在夜空中不寻常的运动,只是证实了广义相对论中“引力是质量扭曲时空的结果”的论断,而不是激发了这一理论的产生。

(图片来源:pixabay)

克兰默认为,经验方程式是通向更深层次定律的跳板,而非宇宙真相本身。他甚至不愿称这些新方程式为“发现”,“我们肯定还没有到那个地步”。据他推测,符号回归算法和人工智能深度学习结合可能在未来十年内带来重大科学发现,比如暗物质究竟是什么,或者它是否真的存在。

避免思维固化,有助找到人类找不到的方程

符号回归算法可为物理学家指引方向,帮助他们实现更大的飞跃。但在研究这些方程式——理解它们的形式、彼此之间的关系,或与整个物理学之间的关联方面,科学家仍发挥着至关重要的作用,至少目前如此。

加拿大蒙特利尔大学的帕布罗·莱莫斯也参与了重新发现牛顿万有引力定律的项目,“我们现在显然遇到了瓶颈,符号回归也许能够给我们带来新的启示。”

对于如何开发能够自主发现基本自然规律的人工智能,克兰默等研究人员有了新的设想。

符号回归算法通常要在准确性和简单性之间做出权衡。如果方程式非常复杂,与所用数据集匹配度很高,通常被称为“过度拟合”,会增加数学表达式在测试数据集外不准确的风险,换句话说,不具备普遍性。而简单表达式则“更有可能真正捕捉到某种机制”。故而,在PySR和其他符号回归程序中,一直流行一种简单化倾向,即去除不必要的复杂解释,以及去除方程式中的冗余符号。当时,PySR利用NASA的轨道数据集重新发现的是牛顿的万有引力定律,而不是爱因斯坦的广义相对论方程式,可能正是出于这样的权衡。

对称性是物理学家寻找普遍自然法则的另一盏指路明灯。布伦顿和美国华盛顿大学的南森·库兹一起,将多种类型的对称性知识“嵌入”SINDy算法程序中,用来从描述流动流体复杂行为的数据中提取方程式。“你几乎总是能从更少的数据中得到准确性更强的模型,将更多的垃圾信息剔除出去。”布伦顿说。

“数学之美”虽然难以定义,但它也是许多物理学家努力追求的一个目标。如今,物理学家的这些想法都纳入了人工智能寻找新的数学方程式的范畴。

美国麻省理工学院的杰西·塞勒指出,尽管我们对现实世界的直觉在过去曾经发挥过重要作用,但直觉有时也会让我们步入歧途,甚至迷失方向。

为此塞勒警告说,如果试图让人工智能太像人类,“我们可能会错过它们最具革命性的前景——提供新视角的能力”。莱莫斯也认同这一观点,“我们不想给它太多类似于人类的直觉,因为我们的最终目标是利用它来找到人类找不到的方程。人类的直觉也许会让它像我们一样遭遇同样的瓶颈”。

塞勒记得,有一次,他让人工智能解决困扰了他十年之久的一个难题。不出他所料,AI很快就反馈出解决方案。经过仔细核对检查后,他为自己之前为何没有想到而感到尴尬,“我终于明白,是人类固有的思维方式限制了自己的思路。所幸的是,我没有将自己的这种思维方式加之于人工智能。”

AI需要在自由王国里发挥它们的强大能力,通过测试数学符号的每一种不同组合,搜索解决问题的所有可能性。塞勒认为,物理学家也需要转换角度去思考,“如果我们想让人工智能在基础物理学上取得重大飞跃,这正说明我们自己的头脑需要转变”。

目前,符号回归正在赢得人工智能怀疑论者的支持。从某种意义上说,符号回归只是望远镜、计算机和微积分之外的另一种工具。计算机并非天生好奇,因此需要人类来向它提问。“人类仍然必须为它指定操作的沙箱,然后让计算机为我们查看并检查沙箱中的每一粒沙子。”塞勒说。

作者:林宇/编译

编辑:许琦敏

牛顿发现了万有引力,爱因斯坦站在牛顿肩上发现了引力的本质

牛顿发现了伟大的万有引力定律,不过牛顿的发现也是建立在前辈们不怕牺牲英勇奉献的基础上,难怪牛顿本人也曾这样说道:站在巨人的肩膀上。

这些巨人包括了最早的哥白尼,到后来的布鲁诺,开普勒还有伽利略等科学巨人,尤其是开普勒提出的行星运动的三大定律,是万有引力定律的基础。而伽利略对运动和静止的深刻观察也给了牛顿很大的启发,让他最终通向了万有引力的奥秘。

比如说,伽利略通过对日常生活的深入观察,给出这样的总结:一个物体不受外力作用时,总会保持原有状态不变,也就是静止或者匀速直线运动。其实这就是后来的惯性定律。

而牛顿发现了一个问题:地球的运动并不是匀速直线运动,这意味着一定有某个力量作用在了地球上,这种力量到底来自哪里呢?

于是就有了一个非常著名的故事:苹果落地。牛顿受到了苹果落地的启发,让他顿时有了灵感,让他很快提出了万有引力定律,作用于地球的力量正是来自太阳的引力。

当然,苹果落地仅仅是一个故事,牛顿当然不可能仅凭苹果落地就想到了万有引力,那是不可能的,没有之前大量的科学知识积累,是不可能产生灵感的。我们每个人每天都会看到类似苹果落地的现象,但不会有谁去问为什么。

万有引力告诉我们,万物之间都有引力,引力就像一根无形的绳子一样,作用于万物之间。就好比太阳和地球之间就有一根隐形绳子,太阳一直拉拽着地球做圆周运动,就像链球运动员拉拽着链球做圆周运动一样。

牛顿提出万有引力定律之后,人们终于明白了万物的运动规律,知道了一切都是引力的作用。以至于几百年后的今天,万有引力定律仍然发挥着巨大作用,人类对太空的探索过程,会不断发射各种探测器,这发射过程都是以万有引力定律为理论指导。

不过,牛顿自己非常清楚,万有引力定律虽然很伟大,但有一个致命问题没有解决:引力到底来自哪里?总不能无缘无故产生吧?

日常生活经验告诉我们,任何力的作用都需要依赖某种物体,说白了,力的作用是需要介质的,那么两个物体的引力作用的介质又是什么?太阳和地球之间看起来空无一物,到底靠什么来传播的呢?

任何时代都有一定的认知局限性,哪怕是牛顿这样伟大的人物也无法突破时代的局限性。在牛顿眼里,万有引力是超距作用,能瞬间传递,不需要时间。但这样的解释确实相当抽象,很重要的一点,牛顿始终无法诠释引力的本质。

这个艰巨的任务留给了另外一个同样伟大的物理学家,爱因斯坦。这次站在巨人肩膀上的人物换了一个人,爱因斯坦站在了牛顿的肩膀上,不但提出了引力的本质,而且彻底颠覆了人们对引力的传统认知。

爱因斯坦提出了伟大的相对论,其中广义相对论表明,时空是相对的,很有弹性,而引力的本质其实就是时空弯曲。换句话说,引力其实是不存在的,它只是时空弯曲的表象罢了。

那么,既然引力并不存在,为什么至今人类还用万有引力定律指导发射各种探测器呢?这就体现了科学的另一面:实用性。

科学确实是一门严谨的科学,但更需要实用性。无论多么严谨的科学,如果不具备实用性,就毫无意义。万有引力定律只是时空弯曲的表象,也是特例。在低引力世界里,万有引力定律几乎等同于时空弯曲对引力的描述。

更重要的是,万有引力定律公式非常简单,而时空弯曲下的引力场方程非常复杂,在日常生活中,显然人们更原因接受简单的东西。而万有引力定律虽然只是广义相对论的近似值,但已经足够精确,极其微小的差异完全没有任何影响。

另外强调一下,所谓的时空弯曲并不是“向下”弯曲,因为太空中没有“上下”的概念。网络上对时空弯曲的解释通常都是“向下弯曲”,目的是让大家通俗理解何为时空弯曲,其实是不严谨的。

时空弯曲的方向是朝着物体的质心,同时物体的运动也会拉拽着周围时空一起运动。总结起来就是:物体告诉时空如何弯曲,时空告诉物体如何运动!

热门推荐