AI与自动驾驶

走进《公共交通资讯》，及时掌握公交领域的行业政策、管理理论、科技信息、专家观点和先进经验...

来源：慧眼看车

近年来，有一个很热门的词----“AI”

AI是Artificial Intelligence的英文缩写，中文叫人工智能。它是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作。说的通俗易懂就是计算机模拟人类的智慧。

随着社会科技的发展，AI技术已经悄悄的成为人们生活的一部分。比如我们智能手机里面有安装着许多智能APP如美图秀秀、智能聊天、智能搜索、机器翻译，还有工业机器人，以及家里的扫地机器人、智能家电等等都采用了一定的人工智能技术。

可能大家都知道计算机程序提供了类似“if…else…”的分支结构，如果程序发现某个条件已满足，就执行if之后的指令，否则就执行else之后的指令。理论上，把所有条件都考虑进去的话，程序就会按照人类的设想去执行相应操作。因此早期的智能程序基本上采用这种逻辑来实现（当然实际应用了更加复杂专业的数学算法）。不过不管人类怎么考虑也会遗漏一些特殊条件，因此人们会觉得它还不够智能。

随着计算机科技发展，一种叫深度学习的人工智能像突然的出现在人们面前（其实它很早就有人开始研究，只是当时还没发展到目前程度），近年来它表现出前所未有的性能与效率让人大开眼界。最典型事件就是2016年3月AlphaGo与李世石的围棋大战。

那么什么是深度学习？它是一种用数据模型对真实世界中的特定问题进行建模，以解决该领域类相似的问题过程。因此它是一个建模过程，并且需要大量数据来“学习”，形成相应的模型，以便预测未来数据的特征。

说的通俗点的比喻吧（比喻是简化了一些概念）。我们把计算机要处理的数据比喻成“水流”，有一个由管道和阀门组成的巨大水管网络，该网络像神经系统似的多层次的错综复杂。水管网络有若干管道出口，当我们把数据流入网络入口时，计算机调节网络节点上的阀门开度，使得数据能够按照人类设想的出口流出，那么这些阀门的开度信息就相当模型，调节过程叫建模，数据流入过程叫学习（或叫训练）。为了让未来数据流过该网络后，能够按照人类设想的出口流出，单单从一两个数据来训练是不够的，需要大量的数据进行“深度学习”（大数据也成就了深度学习技术），才能得到一个比较符合人类设想的模型，以便准确预测未知数据的特征，进而执行相应动作。

AI运用到汽车行业莫过于自动驾驶技术。而深度学习技术成就它的快速发展。有了刚才水管网络的比喻，我们就比较容易理解深度学习自动驾驶技术。自动驾驶要具备环境感知，高精度地图和驾驶决策三个部分。环境感知包括车道线、车辆、行人、交通标志等目标的自动检测，这就要用深度学习来完成自动识别工作；在比如现在很多公司在做基于视觉的高精度地图，就是通过识别某个特别的建筑标志，来定位车辆的位置，深度学习的识别率就特别的高；因为机器不是路上唯一的个体，就像人类需要去驾校一样，机器也需要学习如何遵守交通规则、何时该走，何时该停，等等，均需要机器训练和学习。这些需要大量学习的AI，也使得像百度、阿里、腾讯这样掌握大数据的公司变得优势十分明显，并各自建立自己的智慧生态平台。