对于智能驾驶的解读和应用

无人驾驶如同高尔球比赛一般

在高尔夫球运动比赛中，随着比赛各个阶段的不同，球杆使用也需要根据比赛场地变化进行更换；发球杆，沙坑杆，或者果岭推杆等不同的球杆根据特定的环境帮助比赛者提供最佳的比赛表现。

一辆无人驾驶汽车需要用不同的处理器来进行“驱动”，如同选择使用不同球杆来打完高尔夫球场上的18个球洞一样。除此之外，选手们在高尔夫球比赛中同样需要发挥更多智慧和创造力，无人驾驶汽车上不同类型的传感器可以生成不同类型的数据：摄像头生成像素，激光雷达生成点云，雷达生成模拟波形等等。不同传感器接受的数据类型需要不同的处理方式，人们需要选择适合每种数据类型的专用工具来开发无人汽车的大脑，而不是用一个游戏处理器应对一切任务。

人工智能支撑无人驾驶汽车

智能驾驶领域中有一种说法：无人驾驶汽车中的人工智能所扮演的角色就是“计算机视觉”，一种特定类型的计算元素能够用于无人驾驶汽车中的所有人工智能。其实，这句描述并没有完整表达人工智能的应用在无人驾驶技术上所面临的挑战，人工智能的特征远远不只是关系计算机视觉的处理，无人汽车驾驶技术中的人工智能应用需要从自然语言处理到个性化处理，再到决策层面的整体需求去考虑。

从人工智能应用中的感知、认知、行为特征方面看，感知部分难度最大，技术应用也是最多。感知技术依赖于传感器，比如摄像头，由于其成本低，在产业界倍受青睐。以色列公司Mobileye在交通图像识别领域做得非常好，它通过一个摄像头可以完成交通标线识别、交通信号灯识别、行人检测，甚至可以区别前方是自行车、汽车还是卡车。人工智能技术在图像识别领域的成功应用莫过于深度学习，近几年研究人员通过卷积神经网络和其它深度学习模型对图像样本进行训练，大大提高了识别准确率。认知与控制方面，主要使用人工智能领域中的传统机器学习技术，通过学习人类驾驶员的驾驶行为建立驾驶员模型，学习人的方式驾驶汽车。

英特尔中国研究院院长宋继强认为，人工智能包括深度学习，对无人驾驶技术而言至关重要，但仍需其他层面相应的技术予以配合。目前，英特尔已经和宝马、Mobileye 等汽车企业进行深度合作，提供诸如车内计算、云和机器学习的解决方案，甚至还包括高带宽、低延迟的连接系统、强大的内存和 FPGA技术、人机接口，以及安全技术等。融入了这些技术的宝马下一代无人驾驶汽车，能够更为完整的体现出未来智能汽车的发展趋势。