深度学习：人工智能在自动驾驶中的核心应用

去年，AlphaGo以4:1赢下李世石的世纪大战在让2016年成为人工智能元年的同时，也让公众对人工智能在现实场景中的应用有了更多的期待。事实上，上述场景早在50年代便已有了相关的实践。1959年，美国研究者Samuel便设计了一个下棋程序，这个程序可以在不断的对弈中改善自己的棋艺，也就是具备了一定的“学习能力”。4年后，这个程序战胜了研究者本人，又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。

近60年之后，AlphaGo能够赢下比赛的重要原因除了强大的计算性能外，也得益于它使用了大量围棋高手之间的比赛数据来不断训练自己。像人的大脑一样从海量数据和经验学习中不断变得更聪明——在人工智能领域，这个过程叫作“深度学习”。虽然距离“深度学习”这个概念的学术提出仅只有十余年，但却帮助我们实现了诸多领域的突破，一个典型的例子便是自动驾驶。

汽车要想实现自动驾驶，感知、决策与控制三大系统缺一不可。其中，首要解决的便是图像识别能力，而传感器的“智能”水平很大程度上决定了自动驾驶汽车在复杂路况上的可靠度，因此深度学习的应用便成为了关键所在。今年3月英特尔斥资150多亿收购Mobileye便是为了凭借后者在计算机视觉比如物体识别和可行驶区检测等上的优势扩大公司在自动驾驶领域的影响力。

主机厂这边例如奥迪也不断通过深度学习来提高图像识别能力，比如此前其基于A7平台的自动驾驶测试车“Jack”就在多次实验中验证了利用深度学习技术的图像识别能力十分有效。而今年海外推出的首款搭载第三阶段自动驾驶技术的全新奥迪A8就在目标识别以及图像处理上使用了深度学习的方法，比如其前端摄像头的应用。安装在新款奥迪 A8 后视镜上的前端摄像头是一套带有智能图像处理软件的被动式光学系统，它每秒能生成 36 幅独立图像，理想条件下探测范围可达 80 米，作为单目摄像头时可精确测量物体的宽度和高度。图像处理软件通过比较前后时间点的图像来计算周边物体与本车之间的距离，还能够识别和分类汽车、卡车、交通标志、行人和车道标线——这样的能力是得益于深度学习技术在系统开发阶段的运用。此外，经过图像处理，它还能识别空白区域，比如可行驶路面。这样，奥迪AI交通拥堵自动驾驶系统不仅能知道哪里有物体，也知道哪里能够安全通行。

全新奥迪A8发布的同时，奥迪也公布了人工智能技术子品牌Audi AI，旨在运用深度学习技术提供主动式的人机界面，由此作为未来第四阶段自动驾驶技术以及更高级别智能驾驶的基础。目前阶段，中央驾驶辅助控制器zFAS是Audi AI在自动驾驶方面的关键所在，它包括了多个高性能芯片来为自动驾驶系统提供算法支持。奥迪在Audi AI上加入了更多深度学习的技术，通过数学和统计上的理论基础，它的系统算法会在复杂的路况下独立找到驾驶模式和规则，并据此做出各种判断和选择，比如采用机器学习中监督式学习和深度强化学习的方法。最终随着不断地训练和进化，会逐渐表现出与人类驾驶行为越来越相近的表现。

此前奥迪与林茨约翰·开普敦大学（JKU）合作建立的深度学习中心（Audi.JKU deep learning center）也将为Audi AI的发展提供支持。相信在不远的将来，基于深度学习架构的人工智能在汽车行业，尤其是自动驾驶领域将有更多元的应用。