学习与思考能力可以说是人类与机器最本质的区别，人类可以通过学习与思考来实现自我进化，而机器必须通过人类赋能才能实现特定的功能。在电影里，我们也曾经无数次畅想过人工智能时代的样子，但是结果往往是以人类被机器统治而收尾。

深度学习技术的出现让机器第一次拥有了一定的“独立思考”能力，而这种“独立思考”的能力恰恰正是当下火热的自动驾驶技术所迫切需要的，于是乎深度学习技术与汽车行业擦出了激烈的火花。

什么是深度学习？

大部分人听说“深度学习”这个词大概都是来自于AlphaGo战胜柯洁的新闻，此后网络上也出现了铺天盖地的文章来为大家科普“深度学习”这个词。可是大部分的解释正如这个词本身的名字一样，过于“深度”，看了半天还是云里雾里。其实“深度学习”可以总结为很简单的一句话：通过多层次的分析和计算手段，得到结果的一种方法。

那么是如何通过多层次分析和计算呢？主要方法便是神经网络。大脑可以说是身体中最为神奇的一个器官，大脑中的神经元通过互相连接或是断开来让我们想起或是忘记一切事情，来让我们思考问题或是计算公式。借助多层神经网络，电脑也可以实现类似于大脑思考的过程，对输入的问题给出正确的答案。

深度学习能为自动驾驶做些什么？

发生在3月19日的Uber自动驾驶测试车致命车祸曾给自动驾驶行业蒙上了短暂的阴霾，但是这并不能阻挡自动驾驶技术前行的步伐。不过，事故还是暴露出了一些当下自动驾驶技术普遍存在的问题，无法做到对突发情况百分百的及时感知与决策。

要想做出正确的决策前提就必须要做到完全的感知，对于目前的自动驾驶技术而言，识别车前到底是一个行人还是一辆车已经不是什么难题，但如果要判断这是一辆轿车还是一辆SUV，行人是一个成人还是一个小孩可能并不是那么容易。要想做到更高等级的识别，就必须借助深度学习技术。

图像识别是深度学习最为擅长的，只需对系统进行训练，系统便可以实现正确的识别结果，但是在训练的时候需要一个由几万张以上图片组成的训练集，这个训练集所包含的图片数量越多，最终结果识别的准确率便会越高。通过深度学习，自动驾驶系统不仅能做到基本的路径识别、行人识别、道路标识识别、信号灯识别、障碍物以及环境识别，还可以实现一些高难度的识别。

例如使用常规的图像识别方法，如果马路边缘的道牙没有特定的颜色，系统就无法很好的判断出道路的边界，自动驾驶汽车就很有可能会撞击道路边缘。而当使用了深度学习技术之后，图像识别系统就可以很好地区分出哪里是马路，哪里是马路边缘的道牙。还有一种极端的情况便是如何实现在没有车道线的地方自动驾驶，这时我们可以用人在没有车道线的路况下开车的数据来训练神经网络， 训练好之后， 神经网络在没有车道线的时候也能大概判断未来车可以怎么开。

除了自动驾驶深度学习还能为我们做些什么？

当然深度学习能为我们做的远不止自动驾驶，理论上讲，只需要给出特定的训练集并采用特训练方法，深度学习可以学习人类的各种思考与判断能力，开头提到的AlphaGo便是一个很好的例子。不过让我们的车掌握围棋技巧显然是多余且不切合实际的，那么深度学习还能让汽车掌握哪些能力呢？

基于深度学习的智能语音系统将是未来汽车发展的一个重点方向，尽管目前对于深度学习来说，语音识别远不及图像识别的效果好，但是随着时间的推移，未来智能语音系统将可以清楚地分辨出车内不同成员的声音并且针对于他们的习惯来进行相应的设置。这样一来车内系统无论是实体按键还是虚拟按键都可以统统取消了。

V2X技术目前正在向我们快速走来，未来必将是一个车联万物的时代，这意味着你只要坐在车内几乎就可以控制一切跟你生活息息相关的事情。而当深度学习技术被发挥到极致的时候，你的车几乎掌握你的每一个习惯甚至是每一个想法，也许只要你的脑中飘过一丝“我想洗澡”的想法，你家里的热水器就会自动开启并调整到合适温度。

也许在短时间内上面的场景将只是我们的一个畅想，但是我们也不能忘记，科技前行的步伐远远超出了我们的想象。深度学习技术的大量运用正是人工智能时代到来的一大标志，而在人工智能时代我们身边的大部分事物必将被完全颠覆，对于汽车来说也正是如此。

来源：搜狐汽车

侵删