自动驾驶汽车眼中的世界是什么样的？

自诞生以来，计算机一直生活在一个充满1和0的世界里，它们煞费苦心地处理if-then和/或语句。

为自动驾驶汽车开发的一项技术可能会改变这一切。它将赋予机器人通过视觉理解世界的能力，更有可能是机器人自我意识的第一步。

我们将这种技术称为“深度学习”，这是一种基于神经网络算法来模仿大脑操作的技术。尽管研究人员已经将深度学习应用于许多领域，如语音识别，但视觉识别是最相关的领域。自动驾驶汽车是目前最热门的研究领域之一。

简单标签

为了让自动驾驶汽车在我们的城镇和村庄自由行驶，我们需要它们能够识别周围的物体。除了已经配备的短波雷达和激光雷达外，研究人员还在自动驾驶汽车上安装了摄像头，使其能够实时识别周围的物体。

不幸的是，计算机没有人类的视觉进化过程，它们天生无法看到和区分周围环境中的物体。如果没有视觉识别技术，工程师就无法教汽车在什么情况下该做什么。

目前，只有沃尔沃XC90等少数汽车配备了基于摄像头的识别系统，可以区分其他汽车、行人和骑自行车的人。然而，该系统尚未在深度学习系统中实现。它们的实现机制是将摄像头拍摄的图像与图像数据库进行比较，以识别汽车、行人、自行车和交通标志等常见物体。这种方法会带来一个明显的问题，即不是所有出现在相机中的对象都保存在数据库中。即使它在数据库中，我们的世界是如此复杂和多样化，以至于计算机无法存储所有方面。

例如，如果计算机只知道“蛋糕”是一个有面包和奶昔的圆形蛋糕，那么当它看到一个有巧克力的矩形蛋糕时，它就认不出来了。通过多年的学习和经验积累，我们的人类思维能力是灵活的，然后我们就可以识别这两种蛋糕。

相似之处和差异

深度学习是一种不同于图像匹配的技术，它最终会赋予汽车更好的视觉识别能力。按照前面的例子，研究人员向电脑展示了数千张照片，并告诉电脑它们都是蛋糕。深度学习系统会将图片分成层次和纹理，提取它们的共性，并接受差异。经过足够多的图片训练，计算机的神经网络可以识别出从未见过的蛋糕图片，甚至是超大的婚礼蛋糕。

科学家们希望通过同样的理由，教会自动驾驶汽车的神经网络识别行人、汽车、自行车和路标。但这不仅是为了识别特定的行人外观，而且是为了训练计算机行人在不同图片的环境中可能的外观。

通过这种方式，计算机可以区分坐在路边的人（安全）和越过护栏的人（危险）。更好的是，视觉处理芯片可以从身体的一部分识别整个人，例如，只有头部或手臂出现在画面中，这通常是由坐在副驾驶上的乘客完成的。

当自动驾驶汽车能够准确识别周围环境中的物体时，它们可以根据具体情况做出相应的反应。当发现行人越过护栏，甚至站在路边时，它可以减速、停车，甚至急转弯。视觉识别可能是实现自动驾驶汽车的唯一途径。

一个充满物体的世界

为了训练自动驾驶汽车，神经网络只需要集中精力识别那些会影响驾驶环境的因素。斯坦福大学和普林斯顿大学开发的ImageNet数据库包含数百万张标记图片，用于神经网络学习面对更大的世界，例如扳手和企鹅之间的区别。除了图片，研究人员还可以使用其他媒体来训练神经网络，例如语音输入或3D图像。谷歌一直致力于神经网络的研究……

一些时间。他们推出了一种基于网络的工具，计算机可以告诉人们它在图片中看到了什么。

除了自动驾驶汽车，神经网络和视觉识别还可以做很多事情。想象一下，如果有一个警察头戴式显示器，可以实时分析罪犯，判断他身上是否有武器，这会很有用吗？它可以帮助区分罪犯是否持有致命武器或蝙蝠等物品，并可以防止做出错误判断。

家用机器人也将从这项技术中受益。Roomba扫地机器人只能在二维房屋地板上来回移动，并在其机械传感器碰到障碍物后后退。一个装有摄像头的扫地机器人可以区分房子里的哪些物体，它可以移除、清洁和放回（当然，它不可能是活的）。例如，扔在地板上的篮子可以被移走，清理下面的地面，然后放回原处。

自我意识

随着深度学习和神经系统的不断发展，我们总有一天会遇到机器人有自我意识的问题。这种技术上的奇异性标志着强大的人工智能的出现，而且程序非常复杂，很难将其与意识区分开来。当机器人能够像人类一样感知周围的世界时，他们会有同样的世界观、价值观和道德观吗？

目前，人们还没有就机器人意识的发展程度达成共识，但一些非常聪明的人已经警告人们可能出现的最坏情况。特别是，霍金和谷歌DeepMind首席执行官呼吁建立对自动武器系统的国际限制。

一种能够自动识别并向携带武器的人开火的无人机（UAV）离现在还很远，但这是研究神经网络和视觉识别系统时必须考虑的问题。只要考虑到人的安全，自动驾驶汽车将被严格要求并受到密切监控。

神经网络不断发展，它们将为机器打开一扇通往新世界的大门。通过这扇门，机器可以从前所未有的角度观察我们生活的世界。网络计算机使我们的世界以与几十年前完全不同的方式运行。10年后，当计算机能够准确区分相机中看到的所有物体时，世界会是什么样子？自诞生以来，计算机一直生活在一个充满1和0的世界里，它们煞费苦心地处理if-then和/或语句。

为自动驾驶汽车开发的一项技术可能会改变这一切。它将赋予机器人通过视觉理解世界的能力，更有可能是机器人自我意识的第一步。

我们将这种技术称为“深度学习”，这是一种基于神经网络算法来模仿大脑操作的技术。尽管研究人员已经将深度学习应用于许多领域，如语音识别，但视觉识别是最相关的领域。自动驾驶汽车是目前最热门的研究领域之一。

简单标签

为了让自动驾驶汽车在我们的城镇和村庄自由行驶，我们需要它们能够识别周围的物体。除了已经配备的短波雷达和激光雷达外，研究人员还在自动驾驶汽车上安装了摄像头，使其能够实时识别周围的物体。

不幸的是，计算机没有人类的视觉进化过程，它们天生无法看到和区分周围环境中的物体。如果没有视觉识别技术，工程师就无法教汽车在什么情况下该做什么。

目前，只有沃尔沃XC90等少数汽车配备了基于摄像头的识别系统，可以区分其他汽车、行人和骑自行车的人。然而，该系统尚未在深度学习系统中实现。它们的实现机制是将摄像头拍摄的图像与图像数据库进行比较，以识别汽车、行人、自行车和交通标志等常见物体。这种方法会带来一个明显的问题，即不是所有出现在相机中的对象都保存在数据库中。即使它在数据库中，我们的世界是如此复杂和多样化，以至于计算机无法存储所有方面。

例如，如果计算机只知道“蛋糕”是一个有面包和奶昔的圆形蛋糕，它就可以……

当它看到上面有巧克力的长方形蛋糕时就会认出它。通过多年的学习和经验积累，我们的人类思维能力是灵活的，然后我们就可以识别这两种蛋糕。

相似之处和差异

深度学习是一种不同于图像匹配的技术，它最终会赋予汽车更好的视觉识别能力。按照前面的例子，研究人员向电脑展示了数千张照片，并告诉电脑它们都是蛋糕。深度学习系统会将图片分成层次和纹理，提取它们的共性，并接受差异。经过足够多的图片训练，计算机的神经网络可以识别出从未见过的蛋糕图片，甚至是超大的婚礼蛋糕。

科学家们希望通过同样的理由，教会自动驾驶汽车的神经网络识别行人、汽车、自行车和路标。但这不仅是为了识别特定的行人外观，而且是为了训练计算机行人在不同图片的环境中可能的外观。

通过这种方式，计算机可以区分坐在路边的人（安全）和越过护栏的人（危险）。更好的是，视觉处理芯片可以从身体的一部分识别整个人，例如，只有头部或手臂出现在画面中，这通常是由坐在副驾驶上的乘客完成的。

当自动驾驶汽车能够准确识别周围环境中的物体时，它们可以根据具体情况做出相应的反应。当发现行人越过护栏，甚至站在路边时，它可以减速、停车，甚至急转弯。视觉识别可能是实现自动驾驶汽车的唯一途径。

一个充满物体的世界

为了训练自动驾驶汽车，神经网络只需要集中精力识别那些会影响驾驶环境的因素。斯坦福大学和普林斯顿大学开发的ImageNet数据库包含数百万张标记图片，用于神经网络学习面对更大的世界，例如扳手和企鹅之间的区别。除了图片，研究人员还可以使用其他媒体来训练神经网络，例如语音输入或3D图像。谷歌从事神经网络的研究已经有一段时间了。他们推出了一种基于网络的工具，计算机可以告诉人们它在图片中看到了什么。

除了自动驾驶汽车，神经网络和视觉识别还可以做很多事情。想象一下，如果有一个警察头戴式显示器，可以实时分析罪犯，判断他身上是否有武器，这会很有用吗？它可以帮助区分罪犯是否持有致命武器或蝙蝠等物品，并可以防止做出错误判断。

家用机器人也将从这项技术中受益。Roomba扫地机器人只能在二维房屋地板上来回移动，并在其机械传感器碰到障碍物后后退。一个装有摄像头的扫地机器人可以区分房子里的哪些物体，它可以移除、清洁和放回（当然，它不可能是活的）。例如，扔在地板上的篮子可以被移走，清理下面的地面，然后放回原处。

自我意识

随着深度学习和神经系统的不断发展，我们总有一天会遇到机器人有自我意识的问题。这种技术上的奇异性标志着强大的人工智能的出现，而且程序非常复杂，很难将其与意识区分开来。当机器人能够像人类一样感知周围的世界时，他们会有同样的世界观、价值观和道德观吗？

目前，人们还没有就机器人意识的发展程度达成共识，但一些非常聪明的人已经警告人们可能出现的最坏情况。特别是，霍金和谷歌DeepMind首席执行官呼吁建立对自动武器系统的国际限制。

一种能够自动识别并向携带武器的人开火的无人机（UAV）离现在还很远，但这是研究神经网络和视觉识别系统时必须考虑的问题。只要考虑到人的安全，自动驾驶汽车将被严格要求并受到密切监控。

神经网络不断发展，它们将打开……

通往机器新世界的大门。通过这扇门，机器可以从前所未有的角度观察我们生活的世界。网络计算机使我们的世界以与几十年前完全不同的方式运行。10年后，当计算机能够准确区分相机中看到的所有物体时，世界会是什么样子？

标签：发现沃尔沃

汽车资讯热门资讯