外媒：为什么AI能够扭转自动驾驶车发展

据美国《沃顿知识在线》刊文，在近日硅谷举办的人工智能前沿大会（AI Frontiers conference）上，AI领域与自动驾驶汽车团队的资深人士分享了有关AI时代下自动驾驶的最新研究成果和认知。

全文如下：

每当人们想起自驾车，通常出现在脑海里的画面是一辆无人操控的完全自动驾驶车。然而现实情况比这要复杂得多：不仅仅在于汽车自动化存在不同的等级——比如初期的巡航控制系统——AI也在车辆系统发挥作用，对于驾驶员和乘客来说，旅途也变得更为安全。在嘈杂的环境下，AI技术甚至能够通过读取唇语使车辆判断驾驶员的意图。

自动驾驶的加速竞赛

在硅谷，自动驾驶车辆领域正展开有关最佳技术研发的竞争。“对于自动驾驶车辆来说，这也许是最为激动人心的时刻。”来自宾夕法尼亚大学沃顿商学院运营、信息和决策学教授Kartik Hosanagar在小组专题演讲上说道。“回首10年前，自动驾驶车辆的大部分工作都是在研究实验室和不同的教育机构内部完成的。”大约5年前，只有谷歌和为数不多的公司对自动驾驶车辆进行测试。“而今天，自动驾驶车辆测试进入热潮。在加利福尼亚，经授权测试并运营无人驾驶车辆业务的公司数量已经达到30-50家。”他说道。

自动驾驶，人工智能

从全球来看，美国和中国在自动驾驶汽车领域处于领先。尽管德国和日本以汽车制造出名，但在自动驾驶领域稍显落后。“关键的区别在于AI。”来自中国的无人车创业公司景驰科技（JingChi. ai）的联合创始人韩旭说道。“中国和美国是AI技术的领头羊。”在自动驾驶规定条例上，中美也处在前沿。驱动这一领域的有三大趋势：电动车辆的愈发普及、以Uber和Lyft等拼车服务公司为代表的共享经济的出现，以及AI技术的提升。他认为自动驾驶其实就是将机器人驾驶员与电动汽车结合起来。

大多数自动驾驶汽车公司正研发适用于Level4的技术。自动驾驶车辆存在五个级别。Level1是最低级，典型特征是应用多年的巡航控制系统。Level5是最高级，此阶段车辆可实现完全自动化。Level4是稍低级别——在该高度自动化级别下，车辆无需驾驶员干预或保持注意力，但只在专门封闭区域或交通环境等特定场景行驶。

应用于自动驾驶的AI

英伟达自动驾驶高级总监Danny Shapiro表示，因自动驾驶风险很高，技术公司对自动驾驶汽车技术的研发非常谨慎。“这不同于网飞公司（Netflix）的个性化推荐引擎，AI技术必须做到准确无误。”他在大会上说道。这意味着AI需要极大的计算力和一系列代码。自动驾驶车辆的后备箱置有强大的计算设备和图像处理装置，它们可进行深度学习并解析所有收集的数据——以此判断前方对象是人、车还是消防栓等等。

即便完全自动驾驶汽车进入市场仍需时日，AI已经在革新车内装置。前置摄像头可以识别乘坐人员并追踪驾驶员的眼球位置，以判断其是否打盹或分心——甚至可以读取驾驶员唇语。而车外传感器和摄像头与车内技术配置一同提升驾驶安全性。比如，当交叉路口出现危险状况，另一辆车要闯红灯时，车辆会发出能被听到的提醒。当驾驶员想要变换车道时，车辆也会发出“当心！一辆摩托车正靠近中间车道！”的警告。“即使我们半自动驾驶，也会有多种堪称‘守护神’的装置。”Shapiro说道。

更为安全的自动驾驶

自动驾驶汽车公司的主要目标就是让行驶更为安全。Uber的高科技研发中心工程主任、卡内基梅隆大学研究教授Jeff Schneider表示，94%的交通事故由人为失误造成。这其中一半的问题都出在感知上——驾驶员未集中注意力或是没有看见对面的目标物。而另一半是决策失误导致的——驾驶员行驶过快或是错误判断场景。

Schneider称，自动驾驶车辆可以解决这两大问题。驾驶员感知将由传感器、雷达、摄像头、激光雷达（一种遥感系统）以及其他工具辅助。而车辆可以对目标和周围其他物体进行3D定位，实现360度全方位和高分辨率的摄像视图，并获取目标运动速度等其他相关数据。同时，复杂的计算系统能够对地形加以分析，以便做出正确的驾驶决策。

提高驾驶准确性的一种方法是合并系统内的冗余数据。比如，如果一个路标含糊不清，就有必要采取恰当措施以确保自动驾驶车辆不受干扰。Schneider称车辆配置地图会告知该位置的路标。而且，这些车辆经过庞大数量的数据训练，在雨雪和洪涝等不同条件下都经过测试。自动驾驶汽车公司甚至利用计算机生成的路况条件对车辆进行训练，比如在光线刺眼的日落下行驶。“通过几台服务器，我们在短短五小时就能产生超过30万的驾驶里程，并在两天之内对美国境内每一条铺面道路进行算法测试。”英伟达自动驾驶高级总监Shapiro表示。

无疑，这个任务对车辆来说非常艰巨。Schneider说道，“假设你是写代码的人，你绝对会崩溃的。”因为他们要考虑过街的人群、路上的其他车辆、广告牌、前方的交通标志、车道、自行车、行人等等。

自动驾驶的前世今生

对于那些对完全自动驾驶车辆持怀疑态度的人来说，不妨回首下自动驾驶汽车的进程，Schneider说道。早在20世纪80年代，卡内基梅隆大学的自动驾驶汽车项目NavLab就已经覆盖了货车车型，车身配备计算设备和传感器，用以自动和辅助驾驶。他说，“那是机器人的时代，我们只能用影像记录，等待惊喜出现。”1995年，NavLab第五代自动驾驶汽车实现从匹兹堡到加州南部的“无手动横穿美国”之旅，其中98%的里程是自主驾驶，包括一个长为70英里的路段不受人类干预。

2000年，NavLab项目覆盖越野车。车身加装GPS设备和雷达装置，更易精确识别物体且避免撞击。2007年，美国国防高级研究计划局（DAPAR）举行了一场名为Grand Challenge的自动驾驶汽车挑战赛，这其中自动驾驶技术的一大发展是地图的应用，提供了一个完全重建的道路环境。“AI前进了一步。”Schneider说道。卡内基梅隆大学在比赛中获胜。也就是从这时开始，谷歌意识到自动驾驶汽车的潜力并启动了自动驾驶汽车项目。自此之后，AI、机器学习和深度学习呈壮大之势。

不过，乘客在乘坐自动驾驶车辆时会觉得舒适吗？根据Uber在匹兹堡和菲尼克斯进行的自动驾驶车辆体验测试，公众似乎很乐意接受。Schneider称，尽管在刚开始他们担忧人们对这些车持有恐惧心理，但结果恰恰相反。比如，一些驾驶员不能选择自动驾驶的Uber，但一些乘客会追在这些车后面，希望能够搭乘车辆。

然而，给自动驾驶汽车大众市场发展泼冷水的是商业模式。毕竟现在自有一辆车比乘坐Uber出行更为划算。“从里程上讲，乘坐Uber比自家车成本要高。而一旦自动驾驶汽车上路，它们会遍布各处，自己买台车也就没必要了。”Schneider表示。