«Интернет авто». Продукты и инструменты Intel
Мы продолжаем разговор о цифровых и компьютерных устройствах в автомобилях. Сегодня речь пойдет о беспилотных авто как о глобальной цели, к которой движется целое сообщество технологических отраслей. Написано на эту тему много, и на GeekTimes в том числе, в данном посте мы рассмотрим проблему с точки зрения «интернета вещей», а заодно представим два новых программных продукта Intel, которые помогут тем, кто преодолевает нелегкий путь к созданию машины без водителя.
Больше данных, хороших и разных
Как уже говорилось в предыдущей статье, беспилотное авто можно рассматривать как генератор мощнейших информационных потоков. Приводилась и скорость этих потоков — порядка 2 Тб данных в час. Есть и более впечатляющие оценки — до одного петабайта в час. Сюда входят данные с датчиков, информация о трафике и окружающей среде и так далее. Очевидно, что обмениваться таким объемом данных «по воздуху» в реальном времени невозможно, да и даже хранить его локально проблематично. Единственный выход — оставлять только самое ценное, так сейчас и поступают существующие модели. Что же можно сделать с получаемой информацией?
Упрощенная архитектура беспилотного авто
Напрашивается крайне многообещающее применение этого массива телематики: использовать его для обучения искусственной нейронной сети, чтобы в дальнейшем она давала инструкции вашему и другим автомобилям: как распознать пешехода, дорожный знак и т.д. Таким образом, беспилотник сможет «разруливать» ситуации, в которые лично он ранее не попадал. Кроме того, тот же массив является ценнейшим исходным материалом для различного рода статистических расчетов, которые могут показать, скажем, усредненный стиль вождения автопилота, возможности по увеличению производительности и экономичности и многое другое — «биг дата» способна на многое. Ну, а реально будет происходить и то, и другое, вместе осуществляя процесс самосовершенствования искусственного мозга, управляющего вашим автомобилем.
Звучит красиво и соблазнительно, но в реальности проблем на этом пути встретится несметное количество, и о большинстве из них мы пока даже не догадываемся. Хотя список предварительных вопросов тоже можно составить внушительный. Взять хотя бы организационную часть. Удастся ли побороть сепаратизм вендоров и создать единую «биг дату» для всех беспилотников? Кто ей в таком случае будет управлять? Или, вот, как добиться того, чтобы искусственный разум крепко опирался ногами о реальный мир, не улетая в эмпиреи? Ведь мы доверяем ему свои жизни. Вопросов много, но давайте посмотрим, что можно сделать уже сегодня.
Немного будущего сейчас
Схема функционирования Wind River Helix CarSync
Первая новость пришла, откуда ждали. Компания Wind River (входит в состав Intel), на программном обеспечении которого работают марсоход Opportunity и исследовательская станция Juno, естественно, не могла пройти мимо темы автомобильной автоматики. Более того, разрабатывает она ее довольно давно, результатом работы стало семейство продуктов Wind River Helix, включающее в себя облачные сервисы, системы мониторинга и управления авто и элементы автономности. Теперь этот список пополнился новым компонентом Wind River Helix CarSync, представляющим из себя фреймворк для удаленного управления аппаратной и программной начинкой автомобиля, а также данными, в нем хранящимися. То есть мы получили готовую к употреблению прослойку между данными, добываемыми машиной и различного рода чудо-сервисами, о которых мы мечтали выше.
Интерфейс Intel Deep Learning Training Tool
Сама же Intel представляет не менее интересный новый бесплатный продукт — Intel Deep Learning SDK, набор средств для разработки, обучения и развертывания ПО, связанного с глубоким изучением данных. В состав набора входят: Intel Deep Learning Training Tool, предоставляющий удобную графическую оболочку для установки, настройки и осуществления алгоритмов глубокого обучения, а также Intel Deep Learning Deployment Tool, повышающую производительность алгоритмов обучения на платформах Intel. Функции Training Tool:
- Создание набора данных для обучения
- Настройка модели с автоматически оптимизированными гипер-параметрами
- Запуск и наблюдение за различными моделями-кандидатами
- Визуализация производительности и точности обучения
Возможности Deployment Tool:
- Импорт обученных моделей из всех популярных фреймворков глубокого обучения вне зависимости от тренировочной аппаратной платформы
- Сжатие моделей для улучшения производительности, уменьшения места и увеличения скорости передачи
- Генерация оценивающего, зависимого от аппаратной платформы кода (C/C++, OpenVXgraphs, OpenCL*и т.д.)
- Бесшовная интеграция с системным программным стеком и приложениями
Дополнительно к этим средствам в Intel разработали Intel MKL-DNN — высокопроизводительные API для ПО глубокого изучения с открытым исходным кодом в сочетании с библиотекой Intel MKL. MKL-DNN доступна уже сейчас, выход Intel Deep Learning SDK запланирован на октябрь, вот здесь можно записаться на превью.
Наверное, не стоит перечислять все аппаратные и программные средства Intel, которые могут быть с успехом применены для оптимизации, повышения производительности, высоконагруженных вычислений — в общем, всего того, что понадобится в процессе создания и эксплуатации беспилотных авто — обойдемся вот этой вот картиночкой.
Нет никакого сомнения, что со временем автономные транспортные средства станут основным средством нашего передвижения. А вот будут ли к тому времени у нас нормальные дороги — этого наука с уверенностью утверждать не может. Впрочем, это уже оффтопик.
