随着深度学习技术的突飞猛进，人工智能技术也得到了爆发式的发展，而就在这样的背景下，人工智能技术正在走向汽车，无人驾驶 开始成为如今创投圈内最为耀眼的明星。 如今，人工智能技术似乎已经被神化，在很多人的印象中，只要与 AI 沾上关系的事物都能瞬间质变成成一个非常完美成熟的产品。然而，在 2018GMIC 峰会中，北京航空航天大学交通科学与工程学院余贵珍教授却就无人驾驶这个具体的场景为大家提了一个醒——人工智能并不是无人驾驶的万能药。 
无人驾驶面临的挑战 余贵珍表示尽管目前市面上有包括整车厂商、IT 公司巨头以及创业企业都在做布局自动驾驶，但是都还没有商业化，而且还出现了诸如 Uber 撞死行人的事故，从整体而言，目前大家都拿不出准确的数据来证明无人驾驶在安全性上优于人类。 无人驾驶真要大批量的上市，必然还有很长的路要有。余贵珍认为，至少有三道门槛需要跨越： 第一个是无人驾驶是否容许上路（即是否有路权）。这里主要是法律门槛，目前已经有很多无人车团队拿到了上路测试的牌照，但是这仅仅是测试，不是商用。从试用到商用还有很长的路要走。 第二个挑战是自动驾驶有没有能力上路。路上的环境很复杂，比如下雨、下雪，基本上人开车都看不见，真正的无人驾驶能适应这些情况吗？ 第三个挑战在于消费者是否真的敢坐无人驾驶汽车。由于目前无人驾驶在安全性上依然有着很大的不确定性，相信很多人对坐自动驾驶汽车是会有心理负担的。 
然而，这三大挑战是否能用人工智能手段加以克服呢？ 首先，余贵珍认为我们必须承认人工智能技术的确有效地促进了无人驾驶技术的发展。“通过深度学习，特别是卷积神经网络，利用摄像头来做环境感知，大家已经有信心达到 99% 了。” 不过，尽管如此，在余贵珍看来我们依然不能神化人工智能技术，“人工智能实际上就是一个算法，就是一个比原来机器学习更高级的算法罢了，所以我们不要把人工智能想成什么都能解决。”“人工智能绝对不是无人驾驶的万能钥匙，不要试图用人工智能 2.0 来解决无人驾驶所有的问题。” 总之无人驾驶想要真正上路，还有很长的路要走。不过，无人驾驶真正落地或许会更早： 无人驾驶可以先在特定场景中商用 “无人驾驶的落地面临诸多问题，但无人驾驶是不是没有意义？我觉得也不是。特定区域的无人驾驶有大量的机会。”余贵珍认为像旅游观光车、码头集装箱卡车、露天矿区、军事演习、危险环境运输、汽车测试等特定场景都适合采用无人驾驶技术。 “特定区域无人驾驶具有多个优势，第一，特定区域没有法律限制，第二个，固定线路相对低速，技术障碍也没有那么高。特定区域的无人驾驶因为没有司机没有乘客，不仅安全，更代替了司机，可以产生经济效应。”余贵珍如是说。 
另外，余贵珍还对无人驾驶技术落地的路线图提出了自己的建议： “利用人工智能技术先在某一点上做出突破。”余贵珍认为这种渐近式的方法才是无人驾驶落地的正确方法。“举个例子，如果你用传统的算法来解决红绿灯的识别那是很难的，那可以试着应用神经网络解决这个问题。” 另外，余贵珍表示目前人工智能中常用的卷积神经网络虽然计算效率高，但其也存在着占用太多资源的缺陷。而为了解决这个问题，余贵珍同样认为应该“将人工神经网络跟传统的算法结合起来。”
| 
