Hiện tại nhiều hãng xe mới bao gồm cả Vinfast của Việt Nam sẽ sử dụng platform của NVIDIA Xavier cho hệ thống tự lái và phát hiện vật thể của họ. Nếu sự thật là vậy thì xe của Vin sẽ sài phần cứng giống như Tesla. Việc sử dụng hardware của NVIDIA chứng tỏ Vin cũng khôn ngoan. Vì khi trở thành đối tác của NVIDIA , các hãng xe sẽ được cung cấp một bộ công cụ phát triển phần mềm gọi là Developer Kit bao gồm các software để train AI và tích hợp hệ thống. Thậm chí NVIDIA còn cung cấp luôn các AI model có sẵn cho nhiều mục đích sử dụng khác nhau như xe tự lái, drone, camera an ninh, vâng vâng,
Tuy nhiên thậm chí trong trường hợp tốt nhất khi nguồn cung linh kiện được phục hồi( Các bạn cũng biết là tình hình chip và bán dẫn đang rất khan hiếm), Vinfast may mắn có được edge computers đặt mua từ NVIDIA thì việc tích hợp vào xe Vin cũng không phải là dễ dàng. Các AI framework hay bộ phát triển AI cần rất nhiều sự tinh chỉnh để hoạt động phù hợp với các phần cứng tích hợp. Nếu bạn nào am hiểu về AI đặc biệt là computer vision cung biết không đơn giản là tôi có phần mềm của bạn cho là tôi có thể tích hợp lên các hệ thống và bắt nó nhận diện được mọi thứ. AI cần phải qua quá trình gọi là transfer training hay custom training tạm hiểu là luyện AI trên một nhóm dữ liệu cụ thể cho mục đích cụ thể. Ví dụ như ở VN , AI cần phải dc train lại để phát hiện xe máy hoặc các loại phương tiện khác mà nước ngoài ko có . Trong một số ứng dụng thuộc dạng cần life and death decision như xe tự hành thì cần phải chỉnh sửa cả kiến trúc computer vision network cho phù hợp.
Việc thu thập data cho xe tự hành cũng như lý thuyết con gà và quả trứng. Bạn phải bán được xe thì mới dùng những xe đó để thu thập hình ảnh để tăng cường cho AI của bạn. Bạn phải có nhiều data để train AI tốt thì xe tự hành của các bạn mới chạy ổn được. Tôi không biết Vinfast sẽ giải quyết vấn đề này như thế nào. Xe tự hành có thể nói là một trong những hệ thống phức tạp nhất mà con người đã tạo ra ngoài công nghệ tên lửa. Nó đòi hỏi sự kết hợp ăn ý giữa AI software , camera ,các cảm biến, hệ thống truyền động và điều khiển của xe. Một sai sót nhỏ hay lập trình viên không cover được chỉ một tình huống trong thuật toán có thể dân đến crash hệ thống (máy tính không biết xử lý như thế nào ) là rất nguy hiểm.
Khi giải quyết được các vấn đề kĩ thuật thì vấn đề tiếp theo là tinh chỉnh AI về phương diện an toàn và pháp lý. Các bạn hãy nghĩ tới ví dụ này. Nếu xe tự lái của các bạn đang đi trên đường , trước mặt có một chiếc xe hơi chạy ngược chiều sắp va chạm vào xe bạn. Nhưng bên trái của các bạn lại là một chiếc xe máy, nếu các bạn đánh lái để né về bên trái chắc chắc va chạm với chiếc máy đó. Nếu các bạn không né thì sẽ va chạm với chiếc xe hơi ngược chiều. Trong tình huống này các bạn nghĩ AI sẽ làm gì ? Đánh lái tông chiếc xe máy để né hay vẫn giữ nguyên làn xe để va chạm với chiếc xe hơi. Điều đó là tùy thuộc vào các lập trình viên có cho AI tính toán về phương diện thương vong nhỏ nhất cho người lái + nghĩa vụ pháp lý khi xảy ra tai nạn (va chạm với phương tiện nào thì trách nhiệm nhỏ hơn). Để làm được điều đó cần hàng loạt các dữ liệu về luật pháp nước sở tại mà AI phải được train qua.
Như các bạn thấy, để làm được xe tự hành không hề đơn giản. đó là lý do tại sao nhiều hãng xe Nhật và Đức vẫn còn loay hoay không biết đâu là giải pháp tốt nhất cho xe tự hành.
Picture source : NVIDIA.com
Tuy nhiên thậm chí trong trường hợp tốt nhất khi nguồn cung linh kiện được phục hồi( Các bạn cũng biết là tình hình chip và bán dẫn đang rất khan hiếm), Vinfast may mắn có được edge computers đặt mua từ NVIDIA thì việc tích hợp vào xe Vin cũng không phải là dễ dàng. Các AI framework hay bộ phát triển AI cần rất nhiều sự tinh chỉnh để hoạt động phù hợp với các phần cứng tích hợp. Nếu bạn nào am hiểu về AI đặc biệt là computer vision cung biết không đơn giản là tôi có phần mềm của bạn cho là tôi có thể tích hợp lên các hệ thống và bắt nó nhận diện được mọi thứ. AI cần phải qua quá trình gọi là transfer training hay custom training tạm hiểu là luyện AI trên một nhóm dữ liệu cụ thể cho mục đích cụ thể. Ví dụ như ở VN , AI cần phải dc train lại để phát hiện xe máy hoặc các loại phương tiện khác mà nước ngoài ko có . Trong một số ứng dụng thuộc dạng cần life and death decision như xe tự hành thì cần phải chỉnh sửa cả kiến trúc computer vision network cho phù hợp.
Việc thu thập data cho xe tự hành cũng như lý thuyết con gà và quả trứng. Bạn phải bán được xe thì mới dùng những xe đó để thu thập hình ảnh để tăng cường cho AI của bạn. Bạn phải có nhiều data để train AI tốt thì xe tự hành của các bạn mới chạy ổn được. Tôi không biết Vinfast sẽ giải quyết vấn đề này như thế nào. Xe tự hành có thể nói là một trong những hệ thống phức tạp nhất mà con người đã tạo ra ngoài công nghệ tên lửa. Nó đòi hỏi sự kết hợp ăn ý giữa AI software , camera ,các cảm biến, hệ thống truyền động và điều khiển của xe. Một sai sót nhỏ hay lập trình viên không cover được chỉ một tình huống trong thuật toán có thể dân đến crash hệ thống (máy tính không biết xử lý như thế nào ) là rất nguy hiểm.
Khi giải quyết được các vấn đề kĩ thuật thì vấn đề tiếp theo là tinh chỉnh AI về phương diện an toàn và pháp lý. Các bạn hãy nghĩ tới ví dụ này. Nếu xe tự lái của các bạn đang đi trên đường , trước mặt có một chiếc xe hơi chạy ngược chiều sắp va chạm vào xe bạn. Nhưng bên trái của các bạn lại là một chiếc xe máy, nếu các bạn đánh lái để né về bên trái chắc chắc va chạm với chiếc máy đó. Nếu các bạn không né thì sẽ va chạm với chiếc xe hơi ngược chiều. Trong tình huống này các bạn nghĩ AI sẽ làm gì ? Đánh lái tông chiếc xe máy để né hay vẫn giữ nguyên làn xe để va chạm với chiếc xe hơi. Điều đó là tùy thuộc vào các lập trình viên có cho AI tính toán về phương diện thương vong nhỏ nhất cho người lái + nghĩa vụ pháp lý khi xảy ra tai nạn (va chạm với phương tiện nào thì trách nhiệm nhỏ hơn). Để làm được điều đó cần hàng loạt các dữ liệu về luật pháp nước sở tại mà AI phải được train qua.
Như các bạn thấy, để làm được xe tự hành không hề đơn giản. đó là lý do tại sao nhiều hãng xe Nhật và Đức vẫn còn loay hoay không biết đâu là giải pháp tốt nhất cho xe tự hành.
Picture source : NVIDIA.com
