如何讓自駕車不只是一種想像，而是真的能落地商轉，行駛在台北街頭？
台灣智駕(Turing Drive)的自動駕駛服務，已成功運行在台北信義區、台中麗寶樂園等著名地點，累積超過 7 萬人次搭乘，準備進軍東南亞等國際舞台。
若水 AI Blog 編輯團隊專訪 Turing 的技術長李昇達（阿達），分享 AI 創業路上，如何將神經網絡技術落地。在高中同學眼裡，阿達是個非主流的「異數」，專注於自己喜歡的事情上，一旦認定了目標，便會全力以赴地搞懂為止。大學開始，阿達對如何讓車子變得更聰明這件事產生濃厚興趣，即使遇到語言及技術難題，也無法擋住他探索的熱情，網搜各式各樣的國外研究論文，還直接寫信給作者求教。
Turing 團隊平均年齡不到 30 歲，能走到應用商轉，靠的不是滿腔熱血，而是直面使用者需求，每天在空地裡、在道路旁或在車子裡認真「蹲點」，解決問題所累積的實戰經驗。
問 : 創業故事通常有個起點，像若水當初成立AI事業部，是基於「Tech for good」的理念，看準AI起飛會有數據處理需求，便能為不出門的身障者創造就業機會。Turing呢？
答：其實是一連串美麗的誤會。我們一開始沒有想做自駕車，純粹是為了桃園農業博覽會的標案，才把一群彼此不認識的人聚在一起。
團隊裡面有機械跟控制背景的人，而我個人的專業領域是電動車，當時標案要找美國的軟體公司和台灣電動車廠合作，但美國公司的軟體平台無法相容，我們只好硬著頭皮把案子扛下來做完。
做的過程中其實很痛苦，也有點收穫。覺得既然有能力挑戰讓大家趨之若鶩的議題，那就試試看，於是有了現在的台灣智駕(Turing Drive)。
為了如期交付，我們每天睜開眼，都在想怎麼解決 AI 落地的問題，這種想法跟思維跟很多人的創業歷程不一樣。團隊從 Day 1 就知道：
AI或任何新技術的目的，是要解決某個問題，不是為了炫耀技術而做技術。
所以我們發展出的核心技術，都圍繞著「最終要解決某個問題」的核心精神，如果技術沒辦法進入場域，表現得再好沒有用。而且其實大家都在不同工作領域被虐待過（笑），知道如果純做技術，一定不會落地。
自駕公車在信義區上路後，許多台北市民來試乘，我們都會默默記錄使用者的反應。我們原本以為他們會聊天討論這台車是怎麼動起來的，結果呢？乘客關心的是冷氣冷不冷丶座位太硬不好坐。這讓我明白，技術再怎麼高深，最重要的還是客戶體驗。
問：能不能分享從技術到落地，你們做了什麼？怎麼長出自駕服務的關鍵核心技術？
答：自駕車首先要讓車子可以動，光這件事在硬體本身就有三個環節：轉向、煞車、油門。
要重新改成可以用電子訊號控制，再來是軟體要能夠滿足使用者需求。因為自駕車不能只在電腦上 demo，要能在真實場域行駛，同時需要軟體跟實務結合。
所以我們並不是純粹做軟體，而是把軟體安裝到硬體上，提供自動駕駛服務。例如信義路專案的公車營運情境，最終目標是要讓自駕公車行駛在公車專用道上。第一件事，就是去理解這個場域有什麼需求，什麼問題需要被解決，我覺得這個認知是很重要的。
從技術到落地，是一段重複試錯的血淚史。一開始模型在電腦上 demo 的成果很好，實測卻跑不動。好不容易訓練好模型安裝到硬體上，結果車子還是不會動。
後來一陣摸索，才發現問題出在數據。
以前我們車用鏡頭裝的位置不對，抓不到需要的數據，於是工程師只好自己下海，拿著梯子到處找適合的空地收集數據、模擬需要的場景，包括到底要在車頭、車尾、車頂裝幾顆鏡頭，要用什麼樣的鏡頭、鏡頭角度怎麼喬，晴天、雨天又要怎麼調整、判讀，才能收集到完整收據。
創業前兩年，我們都在研究車輛控制，包括煞車、轉向等，才進入 POC 階段，大量測試一路累積的成果。所以在具體的 AI 產品服務出現之前，其實大家都在努力「蹲點」。最後發展出 3 個關鍵核心技術：電腦影像和現實地圖的虛實整合，動態車體控制以及邊緣運算控制。
網路上有很多的免費 dataset 或神經網路的論文可以下載，很容易做出厲害的人流監控 AI在電腦 demo，模型安裝起來好像很厲害，也真的能偵測到人進出。
因為模型只能偵測出門口有人，卻無法告訴你相機跟門口距離多遠，門口在相機的哪裡，這些都不是神經網路可以幫你解決的，而是基礎工。
很多工程師跌進神經網路的世界裡面，卻忘了基礎工，也沒有意識到神經網路的能力，其實是來自於數據，最後什麼都解決不了。所以你們（若水）在做的數據處理工作，其實很重要。
問：一開始沒有數據該怎麼辦？收集到的數據，如果跟你們要的真實狀況不一致的時候，你們是怎麼調校的？
答：我們的自駕車控制是用遷移式學習(Transfer learning)，為了賦予模型我所想像的功能，需要用大量數據驅動。因此，如何透過感知器，取得相同規格的結構化數據很重要。
在做控制的過程中，要去了解我要解決什麼問題，收集哪種數據，數據的特性是什麼，工程師才能去累積這些結構化的數據做機器學習。
舉例來說，信義自駕公車和電腦視覺相關，所以要收集的是影像數據，且需要有足夠的特徵(feature)。而且這些特徵，人類的肉眼要能夠判斷得出來，才有辦法做標註。
我們嘗試過各種收集數據的方法，因為要用相同的品質去收集影像，其實很不容易。第二個是嘗試找出適合的標註方法。我們先決定好要用檢測網路還是語意分析網路，再根據 solution，選擇用物件偵測(detection)和語意切割(segmentation)進行標註。
第一次標註完，把數據餵進模型之後，通常結果會很糟。但至少要先用少量數據來訓練模型，做到 Overfitting，確保模型真的有學到我需要的東西，後面再來調校。
（👉延伸閱讀：什麼是Overfitting？當AI模型表現不好，先從這裡找問題）
其實，要做到這點並不簡單。因為在自駕公車情境要收數據，除了車子會移動，還要加上晴天雨天等天氣、光影變化影響，導致數據品質參差不齊。因此，相機鏡頭無法固定拍攝單一方向，需要更換不同拍照像素的相機，從各種不同的角度來收集數據。
你可能會好奇，為什麼不用免費的 open dataset？
一般 open dataset 都是從車上安裝的鏡頭角度拍攝，但公車的鏡頭角度比較高，會產生俯角。所以我們得去補足這類數據，經過數據標註，再餵進模型訓練。
NVIDIA 曾提出 DRIVE PI(perception infrastructure) 一詞，包含著 Data Factory 及MagLev 兩大模組，強調神經網路透過訓練變強的循環流程，首先須要數據收集和數據標註，不斷反覆訓練及測試，神經網路最終必然會達到我們要的結果，數據處理可以說是 DRIVE PI 很重要的部分。
我在十幾年前得知 DRIVE PI 的概念，但真正在公司做好前期基礎工，把這個循環跑起來是 2019 年的事了，當我們神經網路用得越多，未來這類的循環就會越長越多，有更多數據處理需求。
拿 open dataset 訓練模型很快就可以有成效，但是，
收集、標註數據的基本功，才是真正重要的工作。沒有數據怎麼會有神經網路？
問：要讓自駕車在真實世界行駛，你們還做了哪些事情？
答：AI模型透過大量的影像數據，學習辨識現實世界的道路路面。但真實世界其實用的不是AI在虛擬環境中學會的像素座標，而是世界座標。
當虛擬世界和真實世界的語言不一致，怎麼辦？
光是讓影像裡面的座標訊息，可以和真實世界的座標訊息相對應，就花了三個月。
要在一般道路上行駛，自駕車需要把場景資訊預先建在地圖裡面，實際行駛時藉由場景去參照地圖，彈性判斷自駕車該做什麼反應，而不是讓自駕車像死背書的書呆子，靠著記憶座標點，來決定哪邊要停車，轉彎。所以前面做了很多基礎工，後來就倒吃甘蔗，開始回收成果了。
這些事其實和神經網路的技術無關，但這是必經之路。
在還沒有使用影像之前，我們用 GPS 作為主要的定位機制，只是會遇到一些環節卡關，GPS 訊號無法涵蓋的地方車子就過不去，所以一定要有另一套輔助機制。原本我們只打算把影像當輔助，大約佔場域 5％的路線，但是跟若水合作之後，現在 95％都可以用影像來處理。
雖然是必然的結果，只是沒想到會這麼快。短短三個月，影像功能的發展進步到超過想像。
問：怎麼看自己未來的發展？
答：其實只要是創業，每天都如履薄冰。如果我們兩年前沒有決定要先做出一台車，來證明我們有能力做系統服務，現在你們大概也不會看到我們。
創業比較困難的是，我要花兩年時間繞遠路，現在才能開始做真正想做的事情。
自駕車在台灣的市場大嗎？
其實相對較少，但是越來越多人轉向這個方向。而且越來越多新創公司意識到一樣的問題，就是 Level 5 的自駕車在真正開放道路，其實沒那麼浪漫，要落地有一定的難度。選這個議題勢必要打國際賽，不可能只做台灣市場。
現在認真來講，Turing 不是在做自駕車，而是在特殊場域做自動駕駛服務。這是我們認為自駕車可以落地的型態，也是在目前資源有限的創業階段，最有機會落實的一種形式。
所以我們要做的，就是去徹底理解每個應用場域有哪些需求，或是問題沒有被解決。過去兩年，我們碰到很多產業人來問，有些工作是老闆願意花大錢，都還請不到人來做，比方開垃圾車、巡園車，隨著人口老化，這類人力缺口的問題會愈來愈多。
在這條路上，我們倒是沒有過度放大自己，因為不管我們想出多厲害的點子，全世界一定有超過 100 個人同時想過這件事情，然後大概有 10 個人以上，是已經在做這件事了。
也許世界上最厲害的公司或最厲害的人，是像賈伯斯一樣站在金字塔頂端，自己創造出一樣產品，創造出一個 Apple system。
我們捫心自問，覺得自己還沒到那個等級。但至少，我們要當第二層的人。就是我們明確知道問題在哪裡，然後我們有能力、也沉得住氣去解決問題。
💡 延伸閱讀：
AI專案一直卡關，為什麼？（感謝科技報橘轉載）
專訪Beseye執行長：AI落地專案的成功與挑戰，來自於人們經常忽略的「小數據」
