写点什么

真正的无人驾驶汽车的梦想,为何正在慢慢破灭?

  • 2021-06-11
  • 本文字数:1643 字

    阅读完需:约 5 分钟

真正的无人驾驶汽车的梦想,为何正在慢慢破灭?

美国汽车工程师学会(SAE)关于自动驾驶分级标准的定义已经成为定义自动驾驶车辆的全球行业参照标准,用以评定自动驾驶技术。其中,L5 级是完全自动化,由无人驾驶系统完成所有的驾驶操作。一些专家认为这将需要十年甚至更长的时间,而另一些专家则认为 L5 级的自动驾驶永远不会实现。


曾经有人告诉我们,到 2018 年,自动驾驶汽车将会在世界范围内大行其道。但这件事并没有发生,我们就被告知,这件事将会在 2020 年底发生。假如这一切还是都没发生,我们会再次被告知它们就在不远处。


如今,专家们似乎正在采取一种更加务实的方法。据《华尔街日报》最近的一篇报道,许多计算机科学专家认为,我们距离完全无人驾驶汽车还有至少十年的路要走,而有些人认为,无人驾驶汽车可能永远不会出现。

最大的问题

无人驾驶汽车技术是一项难以解决的挑战。


就像伊隆・马斯克(Elon Musk)所说的那样:


要实现现实世界的人工智能,就必须解决一个关键问题:即如何实现无监督、广义的全自动驾驶汽车,因为整个道路系统都是为带有光学成像器的生物神经网络设计的。


尽管有这样的评价,但马斯克仍然坚持这一毫无根据的想法:认为特斯拉的全自动驾驶功能即将把公司的汽车变成全自动汽车。


全自动驾驶是一项强大的驾驶辅助功能,但无论我们如何接近它,都没有迹象表明特斯拉比其他任何一家公司更接近实现真正的全自动驾驶。

为什么老专家们会错得这么离谱?

2014 年,在包括Ian Goodfellow在内的众多计算机科学家的努力下,深度学习出现了爆炸性的普及。他在开发和定义生成对抗网络(Generative Adversarial Networks,GAN,一种通过充当生成器和判别器来帮助人工智能产生输出的神经网络)方面的工作,使人们觉得,几乎任何自主性的壮举,都可以通过算法和神经网络来完成。


现代人工智能可以完成的类人壮举有很多,包括 DeepFake,This Person Does Not Exist(此人不存在),以及许多其他系统,都是由生成对抗网络实现的。


现代深度学习的兴起掀起了人工智能研究领域的一股热潮,并使谷歌、亚马逊和微软几乎在一夜之间成为人工智能先行的公司。


目前,根据专家们的说法,到 2028 年,人工智能的价值预计将接近万亿美元


但这些成果并没有转化成Ray Kurzweil等专家所预言的技术魔法水平。当今世界运行良好的人工智能几乎都是非常狭窄的,也就是说,它只是被设计成做一件非常特定的事情,而不是做其它的事情。


如果你想象一个人类驾驶员要做的一切事情——从关注周围环境到导航,再到驾驶汽车本身——那将很快成为一个问题,要么设计出几十个(或几百个)协同工作的狭义人工智能系统,要么找出创建通用人工智能的方法。

未来会是怎样

通用人工智能的发明和发展也许是解决无人驾驶汽车的主要催化剂,但精灵许的三个愿望也是如此。


因为通用人工智能只是另一种说法,即“可以完成人类可以完成的任何相关任务的人工智能”。此外,迄今为止,通用人工智能的出现仍然是遥远的未来技术。


我们可以期望在不远的将来会发生更多的事情。驾驶员辅助技术继续以良好的速度发展,明天的汽车肯定会比今天更安全、更先进。但是,我们没有理由认为它们将很快实现野外自动驾驶。


在未来几年,我们可能会看到世界各地的主要城市划出特定区域,整条高速公路将被指定用于无人驾驶汽车技术。但是,这并不意味着无人驾驶汽车时代已经来临。


没有任何迹象表明(除了前面提到的特斯拉的战略之外),任何一家汽车制造商都有望在 5 年内开发出一款能够实现全自动驾驶的消费型汽车。


从这个迹象可以看出,我们至少还要再过十年或更长的时间,才能看到个人买家能够买到的消费型汽车,不再需要方向盘和手动控制装置。


无人驾驶汽车并非一定不可能。但是,它们的发展不仅仅是聪明的算法、暴力计算和计算机视觉。


按照专家们的说法,这一领域的发展可以归结为不同类型的人工智能完全不同的方法大规模的基础设施建设,或者这三者结合在一起。

作者介绍:

Tristan Greene,报道人工智能在以人为本上的进展,以及政治等方面。


原文链接:


https://thenextweb.com/news/why-truly-driverless-cars-may-never-happen

2021-06-11 15:221660
用户头像
刘燕 InfoQ高级技术编辑

发布了 1123 篇内容, 共 604.5 次阅读, 收获喜欢 1982 次。

关注

评论

发布
暂无评论
发现更多内容

HIFIVE音加加×筷子科技,内容创作如何再加“筷”一点

曲多多(嗨翻屋)版权音乐

音乐 版权 视频创作 AI剪辑

借助 APISIX Ingress,实现与注册中心的无缝集成

API7.ai 技术团队

服务注册与发现 服务发现 APISIX Ingress Controller

【立哥】【每日一个小知识】写遗嘱把部分财产赠给第三者,遗嘱有效力吗?

Lee Chen

知识

火山引擎DataTester:A/B测试,让企业摆脱广告投放“乱烧钱”

字节跳动数据平台

大数据 AB testing实战 企业号 2 月 PK 榜

【2.10-2.17】写作社区优秀技术博文一览

InfoQ写作社区官方

热门活动 优质创作周报

@所有人,OceanBase DevCon • 2023来啦!

OceanBase 数据库

数据库 oceanbase

世界上最健康的程序员作息表!「值得一看」

王中阳Go

golang 高效工作 学习方法 程序员 作息时间

高复用性自动化脚本设计实践

京东科技开发者

自动化 测试 框架 脚本重构 高复用

2022年最新数据库调查报告:当前企业使用率第一的中国数据库是什么?

墨天轮

数据库 TiDB oceanbase 国产数据库 达梦数据

TiDB在转转公司的发展历程

TiDB 社区干货传送门

实践案例 版本升级 集群管理 管理与运维

文盘Rust -- 本地库引发的依赖冲突

TiDB 社区干货传送门

开发语言

LeetCode题解:938. 二叉搜索树的范围和,DFS,详细注释

Lee Chen

算法 LeetCode

基于 Flink 的小米数据集成实践

Apache Flink

大数据 flink 实时计算

中国一级市场5年完成1039个投融资事件;红杉中国、启明创投、高瓴创投在2022年最为活跃-创业邦发布《2022年合成生物学产业投资报告》

创业邦

# drainer binlog 清理机制 源码详解

TiDB 社区干货传送门

集群管理 管理与运维

信通院发布“2023可信AI案例 知识计算应用优秀案例”, 百度知识中台三大案例入选

极客天地

OceanBase 4.0解读:兼顾高效与透明,我们对DDL的设计与思考

OceanBase 数据库

数据库 oceanbase

普通单双面板的生产工艺流程:图形转移

华秋电子

Serverless Streaming:毫秒级流式大文件处理探秘

华为云开发者联盟

云计算 大数据 华为云 企业号 2 月 PK 榜 华为云开发者联盟

自定义HarmonyOS启动页组件

白晓明

HarmonyOS 自定义组件 OpenHarmony

iOS tableView添加group分组

刿刀

ios UITableView

Wallys|QCN9074/QCN6024/ 5G 802.11ax|Does QCN9074-5G module support W56?

Cindy-wallys

QCN9074 QCN6024

优质的云管平台厂商重点推荐-行云管家

行云管家

云计算 云管平台 行云管家

SVFormer:走进半监督动作识别的视觉 Transformer

Zilliz

计算机视觉 Transformer

故障案例:MySQL唯一索引有重复值,官方却说This is not a bug

GreatSQL

压电石英晶体谐振器,国产替代需求强劲

华秋电子

云数据库TiDB使用过程注意项及改进建议

TiDB 社区干货传送门

6.x 实践

真正的无人驾驶汽车的梦想,为何正在慢慢破灭?_AI&大模型_Tristan Greene_InfoQ精选文章