自動駕駛的三個泡泡

一覺醒來，我們似乎已經進入自動駕駛時代。作為人工智能重要的分支，發展最迅猛，引來的資本關注也是空前的。

盡管谷歌從2009年開始，一直在做自動駕駛的研究，但直到2014年，才開始大范圍鋪開。所有一線車企都投資了自動駕駛，推出各種發展計劃，收購創業公司，互聯網科技公司和通訊、芯片公司也積極參與進來。

人人都惟恐錯過這場技術的盛宴，資本就是他們進場的門票。人人都相信，投資將在數年內產生回報，分析機構開出各種版本的支票，仿佛他們都摸過預言的水晶球。

從2020年商用化到2030年智能汽車滲透率超過2/3的預測，比比皆是。那為什么我們還沒用上這套系統呢？按照預期，我們在5-7年內會用上，但到那時，恐怕仍然距離成熟無人駕駛仍有5-7年。

如此一來，自動駕駛吹起的泡泡，恐怕不止一個。

技術泡泡

自動駕駛的技術核心，并非傳感器（激光雷達、毫米波雷達、攝像頭），而是決策系統。決策系統越“聰明”，人類越放心將方向盤交給它。

和人類駕駛員一樣，機器也是要學習的，它們需要被訓練成能對付各種路況和突發事件。因為事先無法窮盡所有可能的情況，人們就希望自己的車能學會這一切。這套以大數據喂養的訓練算法，被稱為深度學習。

而主流的深度學習沒有號稱自己是模擬大腦的（不包括人類腦計劃，這些項目的任務并非深度學習）。嚴肅的學者都承認，人工神經網絡（用數學模型模擬神經元）只是生物神經網絡的簡化模型而已。……