有這樣一種觀點：不實現真正的strong ai（強ai）的話，自動駕駛就不可能被普及，於是得出結論：自動駕駛還非常遙遠。
但現實中，各個商業公司又爭相發布要在2020前量產l4級別的自動駕駛車，甚至有公司說：只要現在政策放開，馬上就能量產l4自動車。
於是大眾又得到了第二個結論：這是商業吹噓的投資泡沫。
下面是我的個人的看法：
其實自動駕駛和人工智慧沒有必然的依賴關係。雖然目前只有有智慧型的人才能開車，但是並不是說能開車的東西必須要有智慧型。在計算器發明之前，只有人才能進行算數運算，發明計算器後，幾乎所有的計算工作都交給計算器了，但我們並沒有使用任何智慧型的東西來讓機器完成計算的任務。
實現自動駕駛需要的技術不外乎：知道周圍有些什麼物體，知道自己在什麼位置，知道這些物體的運動狀態，知道道路上其他互動的訊號（紅綠燈，車道線等等）。其實這些要求都可以通過非智慧型的方式實現：物體和自己的位置以及速度可以通過雷達掃瞄，其他互動訊號也可以使用專門的通訊系統來實現，比如紅綠燈可以向自動駕駛的車發出無線訊號等等措施。
所以自動駕駛的瓶頸不在人工智慧，而在於計算能力，感測器精度，通訊能力以及成本。
雖然自動駕駛可以不依賴於人工智慧，但是使用人工智慧卻能給自動駕駛帶來巨大的好處，那為什麼我們又不去使用呢？使用人工智慧後，可以降低計算能力，感測器精度，通訊能力的需求，自然也就降低的成本，而成本是量產的關鍵。所以自動駕駛在很近的未來會來到我們生活中，但是在很長的時間內，都需要強大的硬體和弱人工智慧的共同使用。
所以我得出這樣乙個規律：
硬體越強大，智慧型的要求就越少
硬體越簡單，智慧型的要求就越大
利用這個規律可以判斷每個自動駕駛專案的著重點。如果專案要求只能使用攝像頭，imu等簡單感測器，請把主要精力放在深度學習上。如果專案支援各種fancy的感測器，請不要糾結深度學習的事情，精力應該放在硬體上面。
人工智慧之自動駕駛
隨著深度學習技術的崛起 人工智慧的備受關注，自動駕駛，作為ai中備受關注的重要落腳點，也被炒的火熱，更讓人充滿了幻想。1.1 自動駕駛的概念 自動駕駛，也常被人稱作無人駕駛 無人車等，但這幾個詞的表述其實是有所區別的，英文裡常見的表述有autopilot，automatic driving，self...
智慧型小車29 自動駕駛與機器學習
要讓我的小車能自動去倒一杯咖啡。需要的做的事還有很多，其中乙個很難的問題就是自動駕駛，怎麼才能讓我的小車自動駕駛到咖啡機旁邊去呢？1.deepdriving，如圖 這是乙個不借助mobileye之類硬體的乙個軟體技術。直接通過影象識別來判斷和控制汽車。2.comma.ai 乙個便宜的硬體 開源軟體 ...
人工智慧 自動機模型
這是一類智慧型的演算法，沒有什麼固定的模式，就是乙個演算法思想，可以給我們一些有價值的指導，當我們想要做一些相關工作的時候，可以擴寬我們的視野，開啟我們的腦洞，借鑑其中的原理。我不想多說裡面的什麼數學和公式，只要你懂裡面的思想會遷移到實際的應用中就很不錯，更好的則是在其基礎上形成自己的思維，需要用的...