獨家：吳恩達臨時缺席EmTech，夫人萊利成焦點

近日，宣布從百度離職的消息讓吳恩達（Andrew Ng）一時佔據了許多科技媒體的頭條。這位人工智慧和機器學習領域國際上最權威的學者之一、同時也是在線教育平台Coursera的聯合創始人的下一步規劃，更是成為媒體熱議的焦點。

美國本地時間今天上午在舊金山揭幕的《麻省理工科技評論》EmTech Digital數字峰會上，原定的第一個演講嘉賓吳恩達臨時決定取消演講，並委託《麻省理工科技評論》出版人兼總編Jason Pontin向與會者表達了誠摯的歉意。

2016年12月吳恩達在推特上表示：剛剛發現這個世界上我最愛的人會和我一起在EmTech Digital做演講

吳恩達的演講環節也由百度矽谷AI實驗室主任Adam Coates所代替，他介紹了百度在普及語音交互界面，以及將深度學慣用於語音識別領域所取得的進展。

吳恩達臨時取消了在EmTech Digital上的演講，由百度矽谷實驗室的Adam Coates代替，想必與其宣布從百度離職不無關係

吳恩達夫婦原定於今天上午先後在EmTech Digital做演講，但吳恩達的缺席無疑使得妻子萊利引來了更多的關注。DT君也對萊利的演講做了整理，詳情請見文末。

drive.ai要打造自動駕駛汽車的「大腦」

跨界的履歷

卡羅·萊利今年 35 歲，是出生於1982年的美國華裔。她的父親是程序員，母親則是一位空乘。與丈夫吳恩達中學就讀於新加坡名校萊佛士書院不同，萊利是在華盛頓州的一座小城裡長大的。

後來，萊利入讀了位於矽谷腹地的聖克拉拉大學，並在那裡開始接觸編程，其本科畢業設計是為IBM機械臂設計的觸覺反饋系統。

本科畢業後，萊利做了她的第一份全職工作：洛克希德·馬丁公司的天基紅外系統的軟體工程師。

之後，萊利開始在約翰霍普金斯大學攻讀碩士、博士學位。這期間的研究方向同樣與機器人有關，但是聚焦到了手術機器人領域。

她在約翰霍普金斯大學所從事的一個項目，是利用增強現實技術（AR）將觸覺信號轉化為視覺信號，以表現手術機器人的力量大小，輔助醫生進行判斷。

在下圖所示的例子，是操作手術機器人的醫生在監視器里看到的自己操作的機械手進行縫合時候的畫面。萊利將機器手的觸覺信號以顏色的形式表示出來，綠色的點表示力道剛好，一旦力量過大，屏幕里的綠點會瞬間變紅，告訴醫生你用力過猛了。這樣一來，操作機器人的醫生也會有類似親自進行縫合時的觸覺體驗。

萊利憑藉這項研究獲得了碩士學位。但這只是她研究手術機器人的開始。在一系列將計算機圖形學應用於手術機器人的研究（比如識別腫瘤）之後，她開始研究用統計學的方法識別醫生進行的手術操作，從而開發了一套給操作手術機器人的醫生打分的系統。這套系統可以記錄、識別醫生的動作，用於進行醫生訓練。

手術機器人的另一個問題在於其過於昂貴。於是，萊利又將研究興趣轉向了這項技術的廉價化：如何實現手術機器人的DIY？

她發起了一個叫做Tinkerbelle labs的製造者社區。所謂的「創客」，就是一群喜歡自己DIY做有趣東西的極客。他們大多是技術能人，做著酷炫、廉價的DIY項目。比如以下的兩個項目：

空氣吉他：無需真正擁有一把吉他，只需要抱著一把「空氣吉他」做動作，便可奏出音樂。她在吉他手的上臂上布置心電圖測點，監控手臂的電信號，演奏者只需做出相應的撥弦等動作，就可以由遊戲系統發出音樂。

DIY血壓計：為第三世界開發了一款可以自行組裝、價格低廉、又無需有毒的金屬水銀的血壓計。

憑藉著這一成績，她穿著寫有一個字母「M」（Make的首字母）的超人服，登上了 MAKE雜誌第29期的封面。

發布在IEEE上的「另類」婚訊

萊利與吳恩達相識於2009年日本神戶的 IEEE機器人與自動化學術會議上。2014年，二人決定攜手步入婚姻的殿堂。然而，既然是技術極客，他們的婚禮也確實與眾不同。

首先，訂婚消息並不是發布在朋友圈、Facebook上，而是刊登在了《IEEE Spectrum》的網站上！期刊編輯們這樣祝福這對新人：

「本刊全體成員十二萬分真心地向Andrew和Carol獻上我們的祝福，

衷心祝願他們共同的生活里充滿幸福……

以及機器人。」

學術期刊發表婚訊

drive.ai是家什麼樣的公司？

2015 年 4 月，萊利在博士就讀期間休學，在加州山景城創立了無人駕駛公司drive.ai。創立一年後，drive.ai 獲得了加州政府批准的第 13 張上路測試的牌照。

自動駕駛領域，硬體突破是一方面，但軟體如果解決不了，再好的硬體也沒有用。「我們認為，很多硬體都沒好好用」，萊利表示。而對於軟體來說，最難解決的問題莫過於控制汽車在雨雪天氣穿越夜間繁忙的城市道路。

無人駕駛汽車需要由光學攝像頭對周圍環境進行二維拍照，再通過演算法生成物體的形狀、距離。然而，受限於光線等因素，其判斷並不可靠：

2016年1月，一輛特斯拉Model S在中國河北邯鄲的高速公路上未能識別到正在作業的清掃車而致死；2016年5月，另一輛特斯拉Model S在佛羅里達州誤將一輛白色的卡車識別成掛在頭頂的告示牌，再度導致死亡事件。這還只是在路況相對簡單的白天的高速公路上。

2017年，drive.ai發布了一段路測視頻：

drive.ai路測視頻

雨後黃昏的山景城道路上，任憑天空顏色晦明變化，對面來車遠近光燈，測試車輛完全在軟體系統的操控下紅燈停，綠燈行，穿梭自如，穩中有快。

汽車上路情況複雜，很難將所有的路況都總結清楚。drive.ai建立了從淺層到深層學習的無人駕駛技術，而且不只是局限於感知，同時還能作出決定。

他們認為，與其他公司相比，自己的技術可以更加無縫地整合所有感測器——攝像頭、雷達的信息。而且，他們的系統也更加聰明：「路測的時長和里程並不一定重要，要緊的是要知道應該收集什麼信息，要怎麼做去保證信息可以增強深度學習的能力」。

而且，他們還強調人機互動的重要性。舉個例子，在十字路口，我們有時會看著司機的眼睛，明確他看見我了。但是一輛自動駕駛汽車要如何與人進行目光交匯？萊利認為，自動駕駛汽車除了可以自動駕駛，更應該成為一個大多數人都將與其交流的第一代社交機器人。這種機器人不像人，但是是可以通過人工智慧激活的智能機器。

但是，外界對於drive.ai的更多細節就知之甚少了，部分原因是因為他們最初的時期里一直在stealth mode（隱身模式），即因為擔心泄密或被競爭對手察覺等原因，不對外披露公司的工作，直到做出成績。

從視頻來看，drive.ai的技術已經達到一定水平。drive.ai的團隊成員具備較強的技術背景。其核心團隊來自斯坦福大學人工智慧實驗室，同時還聚集了一批深度學習專家，包括自然語言處理、計算機圖形學、自動駕駛、人機交互等領域。

以下獨家內容是卡羅·萊利本次在EmTech Digital舊金山峰會上的演講摘要：

drive.ai一直致力於自動駕駛技術的開發，目標是讓人類和機器最終能一起協作。我們利用深度學習做出最優化的解決方案，畢竟，自動駕駛是全球性的問題，所有涉及到的技術都需要一項一項的改進，而不是一夜之間就出現完美的解決方案。

我們把深度學習和人類的經驗結合在一起，這是drive.ai最為創新的地方。

我們認為，深度學習是更高效更快捷的解決方法。現實中有很多種類的車比如特種車輛、小轎車、貨車等，我們把不同類型的感測器放到不同的車上，進而整合到一個平台上。

我們的第二個想法是把不同地理位置和路況結合到一起，比如舊金山和紐約、天氣情況和路況等信息進行整合，來進行自動駕駛的計算。這些機器必須足夠聰明才能與人類溝通、理解人們的意願，深度學習會大大加速我們的研發。

必須要考慮通過可行的底層軟體來實現演算法。我們想要結合人類經驗和人工智慧，這樣才會更高效。需要的技術來自不同的應用場景，通過深度學習和實時地圖，每次駕駛時，汽車都會獲取數據並進一步完善自身的駕駛技能。

首先，是要讓車輛理解不同的交通信號標誌。當車輛靠近十字路口、碰到紅綠燈，以及其他道路指示標時，都代表了不同的情況。19世紀第一輛車上路時，也遇到了同樣的情況。只是未來的自動駕駛，遇到的情況會更為複雜。

我在斯坦福做項目的時候就認識到要和很多大公司競爭，比如Google、Uber、特斯拉。當時從很少的資金，很小的團隊開始，建立專門的深度學習模型，來自斯坦福的初創公司也給了我們很多靈感。

這個領域最後並不是只會有一個贏家，一個生態系統里將會有很多公司共存。我們很慶幸在這個領域現在有很多公司參與競爭。

這些公司有大量的訓練數據, 比如Uber，怎麼和他們的數據競爭？每一個小時的信息需要用10個小時去分析，我們目的是設計一個更高效的底層去處理有限的信息。

未來會看到很多國家、很多城市支持我們的項目，因為是一個具有深遠影響的計劃。新加坡已經是一個試點城市，未來會有更多地區加入進來。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！