隨著深度學習技術的突飛猛進，人工智能技術也得到了爆發式的發展，而就在這樣的背景下，人工智能技術正在走向汽車， 無人駕駛開始成為如今創投圈內最為耀眼的明星。
如今，人工智能技術似乎已經被神化，在很多人的印象中，只要與 AI 沾上關係的事物都能瞬間質變成成一個非常完美成熟的產品。然而，在 2018GMIC 峰會中，北京航空航天大學交通科學與工程學院餘貴珍教授卻就無人駕駛這個具體的場景為大家提了一個醒——人工智能並不是無人駕駛的萬能藥。
無人駕駛面臨的挑戰
餘貴珍表示儘管目前市面上有包括整車廠商、IT 公司巨頭以及創業企業都在做佈局自動駕駛，但是都還沒有商業化，而且還出現了諸如 Uber 撞死行人的事故，從整體而言，目前大家都拿不出準確的數據來證明無人駕駛在安全性上優於人類。
無人駕駛真要大批量的上市，必然還有很長的路要有。餘貴珍認為，至少有三道門檻需要跨越：
- 第一個是無人駕駛是否容許上路（即是否有路權）。這裡主要是法律門檻，目前已經有很多無人車團隊拿到了上路測試的牌照，但是這僅僅是測試，不是商用。從試用到商用還有很長的路要走。
- 第二個挑戰是自動駕駛有沒有能力上路。路上的環境很複雜，比如下雨、下雪，基本上人開車都看不見，真正的無人駕駛能適應這些情況嗎？
- 第三個挑戰在於消費者是否真的敢坐無人駕駛汽車。由於目前無人駕駛在安全性上依然有著很大的不確定性，相信很多人對坐自動駕駛汽車是會有心理負擔的。
然而，這三大挑戰是否能用人工智能手段加以克服呢？
首先，餘貴珍認為我們必須承認人工智能技術的確有效地促進了無人駕駛技術的發展。“通過深度學習，特別是卷積神經網絡，利用攝像頭來做環境感知，大家已經有信心達到 99% 了。”
不過，儘管如此，在餘貴珍看來我們依然不能神化人工智能技術，“人工智能實際上就是一個算法，就是一個比原來機器學習更高級的算法罷了，所以我們不要把人工智能想成什麼都能解決。”“人工智能絕對不是無人駕駛的萬能鑰匙，不要試圖用人工智能 2.0 來解決無人駕駛所有的問題。”
總之無人駕駛想要真正上路，還有很長的路要走。不過，無人駕駛真正落地或許會更早：
無人駕駛可以先在特定場景中商用
“無人駕駛的落地面臨諸多問題，但無人駕駛是不是沒有意義？我覺得也不是。特定區域的無人駕駛有大量的機會。”餘貴珍認為像旅遊觀光車、碼頭集裝箱卡車、露天礦區、軍事演習、危險環境運輸、汽車測試等特定場景都適合採用無人駕駛技術。
“特定區域無人駕駛具有多個優勢，第一，特定區域沒有法律限制，第二個，固定線路相對低速，技術障礙也沒有那麼高。特定區域的無人駕駛因為沒有司機沒有乘客，不僅安全，更代替了司機，可以產生經濟效應。”餘貴珍如是說。
另外，餘貴珍還對無人駕駛技術落地的路線圖提出了自己的建議：
“利用人工智能技術先在某一點上做出突破。”餘貴珍認為這種漸近式的方法才是無人駕駛落地的正確方法。“舉個例子，如果你用傳統的算法來解決紅綠燈的識別那是很難的，那可以試著應用神經網絡解決這個問題。”
另外，餘貴珍表示目前人工智能中常用的卷積神經網絡雖然計算效率高，但其也存在著佔用太多資源的缺陷。而為了解決這個問題，餘貴珍同樣認為應該“將人工神經網絡跟傳統的算法結合起來。”
北航教授：人工智能不是無人駕駛的萬能藥最先出現在動點科技。
閱讀更多 動點科技 的文章
