NVIDIA张建中：GPU如何改变汽车的未来

。今后你的汽车可以出现不同材质的仪表盘，甚至可以每天根据自己的心情更换仪表。

对于整个计算机来讲，做这些渲染非常简单。可是，对于一辆汽车来说，如何增加它的智能，让它能够实现或者完成一些我们以前想让它做它做不了的事情？

深度学习技术的进步得益于GPU性能提升

今年在全球有一个非常大的突破，叫做深度学习，之前一提到人工智能，绝大部分人都会做图形、图像、语音识别，要达到准确度很高的话或者接近于人的眼睛看到的图像识别能力的话是非常困难的。

每年3月份，我们在硅谷举办GPU研发大会，在会上谷歌利用GPU把GPU图形、图像识别能力提升到很高的水平，同时谷歌、百度包括香港中文大学很多教授和科研人员利用GPU在图形识别大赛上把计算机图形识别能力和准确度提高到超过人眼，达到99.5%，最新的研究成果会更高。

如果这些研究成果不停的提升，已经超过人类的话，我们可以想象一下计算机对于图形、图像识别能力在今后一段时间还有更多的提升空间，所有这些人的科研成果都基于同一个概念，用深度学习的方法让计算机识别更多的物体。大概有几百万个图形库，对于现实生活中各种各样图形物体，计算机能够准确的识别出来，而且准确度很高，非常难得，有些人的照片，我们自己可能都不能够认识，比如你们的同学，你拿回照片的时候，计算机能够把从小到大的照片认识出来，这是非常困难的。

我们都知道，正是因为深度学习的方法改变了我们以前的科研方式，就需要大量的并行计算，这就是今天GPU带来的好处，如果没有GPU，深度学习是无从谈起的，正是因为GPU发展非常快，用计算机渲染模型时候，时间大大缩短了，原理非常简单，比如通过图形怎么识别一辆车辆？首先，有几个步骤，每一步透过不同的层次能够识别汽车的线条，从线条开始识别形状，然后再从形状看它的整体，每一层过后，就能判断这辆车 是什么车，是不是奥迪A7。

汽车通过不断训练学习将"懂得更多知识"

互联网时代，是信息爆炸的时代，也是大数据的时代，所有人的照片、所有物体的照片形形色色、千千万万，当收集到图片之后，模型可以得到非常准确的结果，再把图片放进互联网，机器很容易识别出物体是什么。今天所有互联网公司都在关注图形图像识别，所有公司的算法都会通过深度学习的方式让机器不停的学习现实生活中的图片。

比如汽车，透过深度学习可以在马路上看到很多很多标志，它可以识别路上发生的状况，以及是否有行人，都可以识别出来。如果每天在路上开车，交通标识里认识，行人你认识，限行标志你都认识，基本可以遵守交通规则了。认识这些车辆、认识图片当中所有物体，准确度非常重要，如果把一个行人忽略了，就产生很大的交通事故，对准确度的要求非常高。

除了白天之外，晚上还要认识，不能把路灯跟交通灯混为一谈，不能把刹车灯和信号灯混在一起等等，有很多训练过程让你的汽车能够更加智能化的认识每一个物体。刚才那辆汽车是在街道上行驶的识别准确度几乎百分之百。除此之外，还可以识别是什么车，是不是警车，是消防车，还是卡车或出租车，可以判断驾驶行为。通过这些认识，汽车就可以有自己的思维方式。

要想做自动驾驶或者无人驾驶，其中第一个条件是必须得懂路上发生的状况，一定要能看得懂、看得明白，然后思考决定要干什么，人民才可以采取各种不同的驾驶决策，是前进、刹车、并线等等。如果假设汽车能够有很强的自学生能力，能力不停的提高能力的话，一天比一天聪明，智商越来越高，采取的决策也会越来越好。在今天，人的驾驶行为不结果，产生的结果也不一样，开车也是一样道理，有的人开车起步比较快，有的人可能比较稳妥，但是，如果自动驾驶的汽车，怎么样采取合适的行为，让它在合法的情况之下能够最大限度的保护自己的安全，也能够保护别人的安全，这才是驾驶行为的学习过程。

把所有行为学习方式应用到汽车上，下一步的汽车应该比我们自己开的还要好，那时候才叫真正的无人驾驶。如果在汽车周边装上很多不同的设施，包括雷达、激光传感器等，汽车会比人看的更多，我们驾车有盲区，汽车没有盲区，比人采取的决策更加聪明。

如果想把汽车做的更好，在美国，我们跟其他公司合作，通过机器让它自动学习驾驶行为，改变汽车每一天的行为，通过几百张或者几万张图片训练之后，汽车可以有自己的能力。在GPU深度学习算法当中，图像识别之前，没有GPU应用之前，准确度大概在50%左右，通过很多努力，可以做到70%。有了深度学习之后，准确率提高到90%，现在会越来越高。我们都知道，只有准确