無(wú)人駕駛這四個(gè)字，似乎在這幾年才頻繁地出現(xiàn)在大眾眼前。而前些時(shí)間牽涉到無(wú)人駕駛技術(shù)的致命交通事故，則給這項(xiàng)技術(shù)蒙上了一層陰影，引發(fā)了大家對(duì)其安全性的討論及質(zhì)疑。目前，不少汽車(chē)廠商給旗下汽車(chē)搭載的也只是“輔助駕駛系統(tǒng)”，并不能完全實(shí)現(xiàn)無(wú)人駕駛。

　　NAVLAB（圖片來(lái)自：CMU）

　　在無(wú)人駕駛技術(shù)還有待成熟的今天，誰(shuí)又會(huì)想到，其實(shí)早在 1989 年，美國(guó)卡內(nèi)基梅隆大學(xué)的研究人員就花費(fèi)了 8 年的時(shí)間，研發(fā)出了一套名叫 ALVINN （Autonomous Land Vehicle In a Neural Network) 的無(wú)人駕駛系統(tǒng)，并用在了 NAVLAB 貨車(chē)上。

　　圖片來(lái)自：CMU

　　準(zhǔn)確來(lái)說(shuō)，ALVINN 不是一輛車(chē)，而是一套深度學(xué)習(xí)的算法，通過(guò)觀察人如何駕駛并學(xué)習(xí)。它通過(guò)車(chē)前的攝像頭和激光測(cè)距儀輸入數(shù)據(jù)，并根據(jù)相應(yīng)的道路類(lèi)型選擇最為可靠的神經(jīng)網(wǎng)絡(luò)，運(yùn)算出結(jié)果并從而控制車(chē)輛。

　　那 ALVINN 是怎么學(xué)習(xí)呢？他們向它展示人駕駛時(shí)攝像頭的圖像（輸入數(shù)據(jù)），以及當(dāng)時(shí)司機(jī)的反應(yīng)（結(jié)果），從而它就會(huì)根據(jù)輸入數(shù)據(jù)，調(diào)整神經(jīng)網(wǎng)絡(luò)中連接的強(qiáng)度，從而得出給予的結(jié)果。

　　最近，曾經(jīng)參與過(guò) ALVINN 項(xiàng)目的 Dean Pomerleau 和目前在研發(fā)開(kāi)源無(wú)人駕駛技術(shù)的 Oliver Cameron 就在 Twitter 上進(jìn)行了交流。Cameron 隨后在 Medium 上發(fā)表了一篇文章，并表示，硬件很大程度上限制了 ALVINN 的表現(xiàn)。

　　要知道，比起現(xiàn)在主流 CPU 每秒能進(jìn)行幾百億次的浮點(diǎn)運(yùn)算，ALVINN 的 CPU 每秒只能進(jìn)行一億次的浮點(diǎn)運(yùn)算，運(yùn)算能力不及現(xiàn)在智能手表的十分之一。更加夸張的是，它有一個(gè)冰箱那么大小，并且需要 5000 瓦的發(fā)電機(jī)供電運(yùn)作。

　　27 年后的今天，無(wú)人駕駛技術(shù)有了更多黑科技傳感器，更高精度的地圖數(shù)據(jù)，更強(qiáng)大的運(yùn)算能力及算法，但是大家對(duì)無(wú)人駕駛還是會(huì)害怕和擔(dān)心。在一些突發(fā)情況，不具有情感的電腦能比人類(lèi)更及時(shí)更準(zhǔn)確地去做出反應(yīng)。顯然，需要證明其安全性，各大汽車(chē)廠商及科技公司需要拿出更多的數(shù)據(jù)，讓數(shù)據(jù)說(shuō)話。

　　愛(ài)范兒認(rèn)證微信公眾號(hào)：AppSolution（微信號(hào)：appsolution），發(fā)現(xiàn)新酷精華應(yīng)用。