什么是人工智能驾驶

 文章来自IHS Markit

自动驾驶是人工智能的重要应用领域之一。自动驾驶车辆（AV）配备了多个传感器，如摄像头、雷达和激光雷达，这有助于他们更好地了解周围环境和进行路径规划。

这些传感器产生大量的数据。为了理解这些传感器产生的数据，AVs需要类似超级计算机的近乎即时的处理能力。开发AV系统的公司严重依赖人工智能，以机器学习和深度学习的形式，有效地处理大量的数据，并训练和验证他们的自动驾驶系统。

人工智能、机器学习和深度学习

虽然人工智能、机器学习和深度学习有时可以互换使用，但它们所指的概念并不相同。简单地说，人工智能是计算机科学的一个分支，它涵盖了使机器智能化的所有相关内容。因此，当一台机器根据一组解决问题的规则完成任务时，这种智能行为可以被描述为人工智能。机器学习和深度学习是创造或训练人工智能的方法。机器学习是对结构化数据和算法的研究，机器在没有特定指令的情况下执行特定任务。机器学习是人工智能的一种应用，它使系统能够从经验中学习和改进。

深度学习是机器学习的一个子集，或者说是机器学习的下一次进化。深度学习的灵感来自人脑中的信息处理模式，它利用复杂的神经网络，在神经网络继续学习和评估其输入数据时提取更详细的特征。深度学习可以是有监督的，也可以是无监督的：有监督的学习依赖于有标记的训练数据，而无监督的学习则利用较少结构化的训练源。

开发视听技术的公司主要依靠机器学习或深度学习，或两者兼而有之。机器学习和深度学习之间的一个主要区别是，虽然深度学习可以自动发现在无监督练习中用于分类的特征，但是机器学习要求用更严格的规则集手动标记这些特征。与机器学习相比，深度学习需要强大的计算能力和训练数据来提供更准确的结果。

在过去的几年里，深度学习帮助公司加快了视听开发计划。这些公司越来越依赖深度神经网络（DNN）来更有效地处理传感器数据。DNNs让AV学会如何使用传感器数据自己导航世界，而不是手动编写一组规则让AV遵循，比如“看到红色就停止”。这些算法的灵感来自人脑，意味着它们是通过经验学习的。根据深度学习专家NVIDIA的博客，如果DNN在不同的条件下看到停车标志的图像，它就可以自己学习识别停车标志。然而，开发自动驾驶系统的公司不仅需要编写一个，还需要编写一整套DNN，每个DNN专门用于一个特定的任务，以实现安全的自动驾驶。自动驾驶所需的DNN数量没有设定限制；随着新功能的出现，这个名单实际上在不断增加。为了实际驾驶汽车，必须通过高性能的计算平台对单个DNN产生的信号进行实时处理。

人工智能在自动驾驶中的早期应用

AI首次用于自主驾驶可追溯到2005的DARPA自主车辆挑战赛，这是由斯坦福大学赛车队的自主机器人小汽车“斯坦利”赢得的。胜出的团队由计算机科学副教授、斯坦福人工智能实验室主任Sebastian Thurn领导，他们将胜利归功于机器学习的应用。斯坦利配备了多个传感器，并有定制的软件支持，包括机器学习算法，这有助于车辆找到路径，检测障碍物，并在行驶过程中避开障碍物。Thurn后来领导了谷歌的“自动驾驶汽车项目”，最终在2016年成为Waymo。

Waymo一直在广泛利用人工智能来实现完全自主驾驶。该公司的工程师与googlebrain团队合作，将DNN应用于其行人检测系统。利用深度学习技术，工程师们能够将行人检测的错误率降低100倍。Waymo首席技术官兼工程副总裁Dmitri Dolgov ，2020年在Medium的博客中强调了人工智能和机器学习如何帮助公司开发AV系统虽然感知是深度学习最成熟的领域，但我们也使用深度网（deep nets，DNN）进行从预测到规划、映射和模拟的所有工作。有了机器学习，我们可以在微妙和困难的情况下导航；Dolgov在博客中写道：“操纵建筑区域，向应急车辆屈服，给平行停车的汽车留出空间。”

Waymo在道路上对其深度学习模块进行了超过1000万英里的广泛培训，并观察了车辆、行人和骑自行车者之间数以亿计的互动。该公司还用模拟技术培训其深度学习模块，Waymo声称在模拟中以自主模式行驶了100多亿英里。

最后

以上就是饱满茉莉为你收集整理的什么是人工智能驾驶的全部内容，希望文章能够帮你解决什么是人工智能驾驶所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。