深度學習：人工智能在自動駕駛中的核心應用

從始于60年代的《星際迷航》系列，再到《鋼鐵俠》系列、《I, robot》以及黑客帝國等等，人工智能在多數公衆面前的呈現多多少少都有些科幻成分。不過近些年，人工智能技術在現實生活中的飛速發展使得公衆的關注點明顯聚焦在了技術産業中。

去年，AlphaGo以4:1赢下李世石的世紀大戰在讓2016年成為人工智能元年的同時，也讓公衆對人工智能在現實場景中的應用有了更多的期待。事實上，上述場景早在50年代便已有了相關的實踐。1959年，美國研究者Samuel便設計了一個下棋程式，這個程式可以在不斷的對弈中改善自己的棋藝，也就是具備了一定的“學習能力”。4年後，這個程式戰勝了研究者本人，又過了3年，這個程式戰勝了美國一個保持8年之久的常勝不敗的冠軍。

近60年之後，AlphaGo能夠赢下比賽的重要原因除了強大的計算性能外，也得益于它使用了大量圍棋高手之間的比賽資料來不斷訓練自己。像人的大腦一樣從海量資料和經驗學習中不斷變得更聰明——在人工智能領域，這個過程叫作“深度學習”。雖然距離“深度學習”這個概念的學術提出僅隻有十餘年，但卻幫助我們實作了諸多領域的突破，一個典型的例子便是自動駕駛。

汽車要想實作自動駕駛，感覺、決策與控制三大系統缺一不可。其中，首要解決的便是圖像識别能力，而傳感器的“智能”水準很大程度上決定了自動駕駛汽車在複雜路況上的可靠度，是以深度學習的應用便成為了關鍵所在。今年3月英特爾斥資150多億收購Mobileye便是為了憑借後者在計算機視覺比如物體識别和可行駛區檢測等上的優勢擴大公司在自動駕駛領域的影響力。

主機廠這邊例如奧迪也不斷通過深度學習來提高圖像識别能力，比如此前其基于A7平台的自動駕駛測試車“Jack”就在多次實驗中驗證了利用深度學習技術的圖像識别能力十分有效。而今年海外推出的首款搭載第三階段自動駕駛技術的全新奧迪A8就在目辨別别以及圖像處理上使用了深度學習的方法，比如其前端攝像頭的應用。安裝在新款奧迪 A8 後視鏡上的前端攝像頭是一套帶有智能圖像處理軟體的被動式光學系統，它每秒能生成 36 幅獨立圖像，理想條件下探測範圍可達 80 米，作為單目攝像頭時可精确測量物體的寬度和高度。圖像處理軟體通過比較前後時間點的圖像來計算周邊物體與本車之間的距離，還能夠識别和分類汽車、卡車、交通标志、行人和車道标線——這樣的能力是得益于深度學習技術在系統開發階段的運用。此外，經過圖像處理，它還能識别空白區域，比如可行駛路面。這樣，奧迪AI交通擁堵自動駕駛系統不僅能知道哪裡有物體，也知道哪裡能夠安全通行。

全新奧迪A8釋出的同時，奧迪也公布了人工智能技術子品牌Audi AI，旨在運用深度學習技術提供主動式的人機界面，由此作為未來第四階段自動駕駛技術以及更進階别智能駕駛的基礎。目前階段，中央駕駛輔助控制器zFAS是Audi AI在自動駕駛方面的關鍵所在，它包括了多個高性能晶片來為自動駕駛系統提供算法支援。奧迪在Audi AI上加入了更多深度學習的技術，通過數學和統計上的理論基礎，它的系統算法會在複雜的路況下獨立找到駕駛模式和規則，并據此做出各種判斷和選擇，比如采用機器學習中監督式學習和深度強化學習的方法。最終随着不斷地訓練和進化，會逐漸表現出與人類駕駛行為越來越相近的表現。

此前奧迪與林茨約翰·開普敦大學（JKU）合作建立的深度學習中心（Audi.JKU deep learning center）也将為Audi AI的發展提供支援。相信在不遠的将來，基于深度學習架構的人工智能在汽車行業，尤其是自動駕駛領域将有更多元的應用。

本文作者：木子