小鹏汽车首席科学家郭彦东：造更懂中国人的智(3)

但是，我们想强调的是在智能车的场景中，往往最有价值的就是所谓的长尾（long-tail）数据。就是说这些数据发生的频次很低，很有可能你开很久的车才会有一次、两次发生，但是这些事情的种类、类别、数量会非常多，想要让我们的车辆适应尽可能多的场景，就要求我们的人工智能平台有快速处理这样一个长尾（long-tail）数据的能力。

这有几个挺有意思的例子，比如我从加州回来之前在路上。因为天气也很好，前面是一个油罐车，这个油罐车很干净，它把后面的车，包括我自己的车倒影在油罐车的油罐上面去了。

如果你对这个场景没有一个特殊的理解和处理的话，很多世界上最好的计算机视觉算法，都有可能误认为倒影是真实的车道线与车辆。

特斯拉曾经发生过一件很惨痛的事故，特斯拉的车没有成功的把一辆白色的大货车认成车，认为是一片云彩，也撞上去了。

右下角就更有意思了，尤其是坐在前排的观众，可以马上发现，这其实是一个披着cosplay衣服的行人走在路上，人类司机都可以完成识别是一个行人。但是计算机视觉，由于这个人穿了一件cosplay的衣服，可能算法不一定能成功检测到是一个人。

这就对我们人工智能学习平台提出的问题——当样本不是那么常见、频次很低的时候，如何快速学习呢？

其实在业界有很多这种类似的方法、技术已经被研发出来了，比如微软的custom vision，我本人也曾参加了custom vision的核心研究工作。将来也会针对小鹏汽车的特殊场景定制和打造可以快速迭代，应对小样本学习的人工智能学习平台。

第三个我想分享的是我们有了数据，有了人工智能训练平台，我们有一个独特的场景，就是量产车场景。

首先我们想说我们有一个全球化的企业布局，我们在硅谷、广州、北京、上海、肇庆、郑州等等地方，也都有我们的研发和生产中心，小鹏也是中国最大规模的单车研发投入。

包括我们现在也跟世界上最好的芯片厂商有紧密的合作，也签署了战略合作协议，我们将会搭载世界上算力最强的人工智能芯片之一，这样也保证我们最新的算法能够在车上跑起来，能够把用户的一些行为能够实时的反馈回来。

如何造更懂中国人的车？

有了这样一个闭环的智能进化能力之后，我们也想更多的探讨一下在中国的场景怎么打造我们的差异化，更懂中国人。

更懂中国人，我们其实把它分两个层面来理解：

第一层面，更懂路上的中国人。

其实我们路上有这样那样的行为，包括开远光灯也好，有时候人车混流也好，需要学习的其实是人的行为，人的文化，也还有人制定的政策和法规。我可能稍微多说一点的就是右上角的图，右上角的图是对比图，就是车辆等红灯时的一些行为，对比图的右边也是我回来之前在加州拍的一张图片，等红灯的时候大家看到，其实在美国车跟车之间的距离是比较远的，但在对比图的左侧我们看到，在中国驾驶场景当中，在等红灯的时候，车跟车的距离非常之近，哪怕非常之近的时候都有车加塞进来，这个环境当中，这个事对智能的要求，就已经超出了普通的物体检测提到的要求。它其实学的是人的行为人的文化，学的是人的政策和法规。

其他几个例子包括中文的路牌、中国特色路牌，包括密集交通、人车混流，甚至中国一些特色天气下的处理，等等都给我们更懂“路上的”中国人提到一些机遇和挑战。

第二层面，更懂车里的中国人。

更懂车里的中国人，我也把它分这么两个层次讨论：

1、更懂车里的中国人，最简单的就是要求智能车听得懂中国话，认得到中国人，符合中国的驾驶习惯。

2、“懂你”。“懂你”指的是说，懂在车里的这一个中国人，这一个中国司机我们要懂他。为了实现这样一个目的，第一我们要人脸识别，知道开车的是谁，他有什么样用户的画像。第二我们需要对用户的情绪状态有这样的感知，为什么有这样的感知呢，情绪信号其实是对我们调教车的用户体验的一个非常强的信号。

最后，我想谈一谈标准化的问题。

现在国际上有两套无人驾驶的法规，包括美国NHTSA和SAE，都有两套这样的规则，或者两套分类的标准。

这两套分类的标准，其实一定程度上偏定性的描述，缺乏一些定量的规定，这是其一。