人工智能和机器学习研究人员正致力于开发自动驾驶汽车，这是一股热门的新趋势。自动驾驶出租车公司 Waymo 将于 2020 年向消费者提供一项名为 Waymo One 的服务。阿里巴巴集团的子公司 AutoX 已开始在中国深圳运营一支无人驾驶的全自动汽车车队。自动驾驶汽车利用传感器收集有关其环境的数据，由于汽车人工智能的发展，它们正在迅速取代人类驾驶员。另一方面，自动驾驶汽车以不同的方式解释数据。这是人工智能在汽车行业最重要的用途。
另请参阅： 2021 年金融科技行业面临的关键挑战
对于那些对无人驾驶未来感兴趣的人，了解自动驾驶最突出的机器学习算法以及它们的重要性。
机器学习算法的作用
人工智能涵盖多个领域，包括机器学习。有了它，你可以增强机器完成某项工作的方式。但关键在于：学习意味着计算机超越了从最初的训练数据中学到的信息。为了使归纳法有效，计算机需要机器学习算法。换句话说，基于机器学习和人工智能的定制软件开发可能会在传统编程无法实现的地方蓬勃发展。
监督学习与无监督学习
自动驾驶汽车采用监督式或无监督式机器学习。比较这两种方法时，最大的区别在于学习所需的人工输入量。计算机使用监督式学习来分析数据并根据输入生成预测，然后将这些预测与正确的输出数据进行比较以改进未来的预测。在无监督学习中，数据没有标签。因此，计算机只是学习从输入中识别底层结构。
机器学习是目前最流行的自动驾驶技术之一。自动驾驶汽车越来越多地使用深度学习。它是机器学习的一个分支，被称为深度学习，专注于通过分析大量现实世界数据来教计算机如何学习。深度学习使自动驾驶汽车能够将大量原始数据转化为有用的知识。
机器学习领域的自动驾驶汽车发展历史
随着自动驾驶汽车在机器学习应用中的出现，汽车和技术行业都受益匪浅。自动驾驶汽车的机器学习应用包括：
传感器融合与场景理解，实现空间定位和绘图
评估驾驶员的状况并识别其在导航和移动规划过程中的行为趋势
自动驾驶汽车做出选择的过程
物体检测以及物体分类算法使自动驾驶汽车能够识别物体、了解情况并得出结论。它们实现这一目标的方式是识别和分类物体。在道路导航方面，Mindy Support 的机器学习算法提供完整的数据注释服务来协助训练。
多样性和冗余
为了实现机器学习，多种算法被组合和叠加，以减少故障并保证安全。这些算法会解读路标，识别车道和路口。
自动驾驶汽车如何工作？
自动驾驶汽车的三个主要传感器像人的眼睛和大脑一样协同工作。摄像头、雷达和激光雷达就是传感器的例子。它们作为一个整体工作，为车辆提供周围环境的全面图像。利用这些传感器，车辆能够确定附近物体的距离、速度和 3D 形状。自动驾驶汽车中的惯性测量单元现在可以检测和调节加速度以及位置。
可靠的相机
为了清晰地了解周围环境，自动驾驶汽车会使用多个摄像头，这些摄像头位于不同的角度。对于远距离视野，有些摄像头的视野较小，而有些摄像头的视野则为 120 度。对于停车，广角鱼眼摄像头可提供宽阔的视野。
反雷达系统
在夜间或视力较差时，雷达探测器可以帮助摄像头传感器更好地工作。它们使用无线电波发出脉冲并接收有关所搜索物体的速度和位置的信息。
激光聚焦
激光雷达传感器使用脉冲激光来计算距离，让自动驾驶汽车能够 3D 地查看周围环境。与单靠摄像头相比，这可以为自动驾驶汽车提供更详细的形状和深度等信息。
自动驾驶汽车使用的机器学习算法
方向梯度直方图（HOG）
自动驾驶和计算机视觉的基本机器学习方法是方向梯度直方图 (HOG)。它研究图像强度在图像中称为单元格的小区域中的变化方式和方向。使用 HOG 时，您可以通过连接每个单元格的梯度来查看每个方向出现的次数。之后，支持向量机 (SVM) 根据发现的新特征对数据进行分类。
HOG 描述图片时指的是图像分布。它不仅仅是像素的集合，还会生成有用的图片梯度，用于解码和压缩图像。此外，它占用的系统资源很少。HOG 可能是自动驾驶汽车图像识别过程中有效的第一阶段。
YOLO
借助 YOLO（You Only Look Once，只看一次）机器学习算法，对车辆、人和树木等事物进行分类变得前所未有的简单。事实上，它是 HOG 启发式搜索方法的替代方案。YOLO 在对图片进行整体分析后将其分成多个部分。YOLO 根据所有类别的共同特征为对象分配标签。
对于每个图片片段，该算法都会生成边界框和预测。它只使用一次网络评估，并在整个图片的背景下考虑每个预测。另一方面，其他人则在图片的各个位置和区域使用检测器和分类器来识别物体。因此，相比之下，YOLO 比 HOG 更精确、更快速。使用 YOLO 算法，自动驾驶汽车中的物体识别变得更容易。因此，现实世界的问题可以得到快速处理，车辆也能快速响应。
自动驾驶汽车和机器学习的未来
机器学习在自动驾驶汽车中使用时是一种强大的技术。交通运输的未来将由使用机器学习的自动驾驶汽车决定。而且不可否认它们的兼容性。自动驾驶汽车的感知和决策通常由机器学习算法处理。然而，还有许多其他机器学习方法和应用可能会彻底改变自动驾驶汽车。例如，机器学习甚至可以用于自动驾驶导航和检测驾驶员的情绪状态。
如今，得益于机器学习的进步，自动驾驶汽车已经能够完成许多任务。它们的能力在未来只会增强。换句话说，当汽车自动驾驶时，你会准确地知道是什么促使了这一举动。
特色图片：照片由Hannes Egler在Unsplash上拍摄