热点：人工智能可战胜柯洁 为何迟迟没搞定自动驾驶?

5月27日，备受瞩目的围棋人机战争2.0正式落下帷幕，科简以0:3输给了人工智能阿尔法go，结果出人意料，但人工智能发展得太快了。 与2009年韩国棋手李世石挑战的alphago1.0版相比，今年柯洁的挑战对象升级为2.0。 新程序最初改变了大量学习人类棋谱提高棋艺的方法。 你可以自学找规则。 挖出人类对战中完全无法采用的招数，加上强大的计算能力，最终赢得了这次比赛，成为了围棋界的神。

实际上，除了围棋行业，人工智能在医疗技术、智能家居、物联网平台、自动驾驶等领域的应用也越来越广泛和深入。 特别是自动驾驶，作为未来汽车领域的大趋势，很多公司致力于应用人工智能技术实现更高级的自动驾驶。 在这个过程中，人工智能逐渐成为实现自动驾驶车的关键，是推进自动驾驶商业化的核心。

但是，尽管各方面的造车势力已经意识到人工智能对自动驾驶的重要性，但由于核心技术不成熟、相关法律法规不完善、专家不足等原因，在通过人工智能推进汽车自动化、智能化的道路上，与许多车企业

核心技术不足。

为了能自动驾驶排名，人工智能也能排名。 关于自动驾驶中应用的人工智能技术，现在普遍的意见是将其分为三级:弱人工智能、强人工智能和超人工智能，其中弱人工智能是我们今天看到的alphago、siri、Microsoft小娜，越来越多的人道 强大的人工智能在一点行业能胜任人类的大部分工作，有自我意识。 超要实人工智能是比人类更聪明的人工智能系统。 要实现自动驾驶，至少需要达到很强的人工智能水平。 在无人驾驶中，不仅要理解车内人的意图，还需要经常注意周边车辆和行人等的运动状态，预测他们的行动，制定应对措施。 其难度远远高于围棋游戏。 由此可见，目前的技术显然没有达到要求。

众所周知，人工智能自动驾驶相当于代替人类制造机器人，就像人类司机一样，这个机器人也需要人眼的大脑和手脚。 在这个水平上，安装在车上的各种传感器，如照相机、激光雷达、毫米波雷达等，以前相当于驾驶员的眼睛，有助于驾驶汽车观看周围的环境新闻和收集路况新闻。 有效地解决芯片相当于大脑，用于解决新闻，分解新闻，获得下一步决定的依据。 最后，根据结果对车辆进行加速、减速、转向等控制，超过与人相同的驾驶水平，甚至超过人的驾驶水平，提高驾驶安全性。 目前，这四个级别缺乏相关技术。

首先是感知技术。

目前，自动驾驶开发中应用的传感器主要有照相机和雷达两种，其中雷达分为激光雷达、毫米波雷达和超声波雷达，除此之外还有刚刚显露头角的生物传感器。 这些传感器在功能上具有相机分辨率高、速度快、价格低、激光雷达检测范围广、检测精度高、毫米波雷达识别精度高、性能稳定等各自的优点。 但是，单独采用时，它们的缺点也很明显，激光雷达在雨雪雾等极端天气下性能差，价格高，毫米波雷达无法精确建模周边所有障碍物，无法感知行人，超声波雷达的抗干扰能力 &hellip； 几乎每一个都有缺陷。

在这样背景下，现在考虑组合采用照相机+毫米波雷达+超声波传感器的组合、超声波雷达+毫米波雷达+激光雷达+照相机的组合等不同种类的传感器，效果确实单一

其次是数据瓶颈。

知道人机围棋大战的人知道，alphago在学习围棋技能时，通过大量的数据观察学习3000万步以上的专业棋手棋谱，理解什么才能成为合规的下法。 然后，通过加强学习的做法来进行自我游戏，寻找比基础棋谱更好的棋道，终于取得了今天的成果。 最近刚出诗集的微软冰，通过反复学习1920年以后519位现代诗人的数千首诗(用语称为反复)，现代诗的创作能力也达到了10，000次。 离开这些数据，可以说人工智能不能在围棋行业出版皇帝和诗集。

那么，自动驾驶车也一样，如果希望汽车具有和人类相同的驾驶水平，就需要从汽车驾驶的状况中提取大量的数据，将这些数据按场景分类，用人工智能学习。 这样，现实世界中的车辆行驶情况多种多样，虽说可以远远超过阿尔法go和小冰收集学习用的数据，但业界认为，即使完全可以收集，自动驾驶汽车也需要数亿公里到数千亿公里的测试。 更何况即使长期收集大量的数据，也很难涵盖所有的情况。 另外，这些数据后期的分类标定、数据质量及算法存在很多影响行驶安全的不明因素。

进而，算法的课题。

现实生活中的车辆行驶状况千变万化，异常多而杂，自动驾驶对正确性要求很高的操作，有点粗心导致人死伤。 这是为了尽量提高驾驶的安全性，必须收集足够的数据，车辆对周围环境有正确的认知，为下一步的控制执行建立决定依据。 在这样的背景下，一直以来流传下来的算法很难满足自动驾驶车的诉求，很难达到深度学习的高精度要求。 对于非道路环境，以往传来的算法与数据库内的道路新闻不一致，有可能做出错误的评价。 另外，在庞大的数据面前，以前传递的计算能力使人工智能的训练学习过程非常长，最基本的人工智能数据量超过内存和解决器的负荷上限，大大限制了人工智能在自动驾驶行业的迅速发展和应用。

更重要的是，即使现在的交通法规这么完整，也有很多人不遵守交通规则，交通法规的形式各不相同，经常不情愿，这种情况下，光学习现有的案例是不太能应对的，打破了原来的评价标准，不知道的突兀。

自动驾驶控制执行与以往传递的汽车同样，进行车辆的加速、减速、转向等操作，作为上述全部步骤的最终执行者，直接关系到自动驾驶汽车是否能正确且实时地完成上层智能控制系统的控制指令， 但是，与以往的汽车不同，面向量产的自动驾驶车将车辆以往的驱动器电子化，升级为具备外部控制协议接口的在线驱动器系统，使得车辆不能根据计算结果更正确地操作

但是，在现实中，相对于至今为止传来的汽车行业以很多车企业为特征的技术，自动驾驶汽车行业被少数大型零件供应商独占，而且这些供应商大多拥有自成系统的底盘控制系统，很多

而且，除了上述技术的瓶颈之外，自动驾驶的安全问题，特别是互联网的安全也一直困扰着很多车企。 特别是最近在网络上发生了世界性的恐吓病毒攻击后，给自动驾驶的网络安全蒙上了阴影。 另外，缺乏法律法规、前期支持自动驾驶车研究开发的测试法规、国家比较自动驾驶车的性能指南和测试标准、后期汽车上路后的法规要求，例如交通事故责任的区分等，也是后段需要处理的问题。