在自動駕駛領(lǐng)域，大多數(shù)人都不知道 Drive.ai 的存在，去年以來，這家研發(fā)如何將深度學(xué)習(xí)應(yīng)用于自動駕駛的公司一致處于秘密狀態(tài)。 如今，Drive.ai 成為第十三家拿到牌照的公司，獲準(zhǔn)在加州公共道路上測試無人駕駛汽車。IEEE Spectrum 采訪了 Drive.ai 兩位創(chuàng)始人 Sameep Tandon 和 Carol Reiley，與他們探討了為什么他們的無人駕駛汽車技術(shù)能讓汽車自動化比以前更有效率，適應(yīng)性更強，以及更加可靠安全。

大約一年前，Drive.ai 從斯坦福大學(xué)人工智能實驗室分離出來，各領(lǐng)域內(nèi)在深度學(xué)習(xí)系統(tǒng)研發(fā)方面極富經(jīng)驗的專家組成了公司的核心團隊，他們精通自然語言處理、計算機視覺以及自動駕駛。「該團隊開辟了深度學(xué)習(xí)的規(guī)模化應(yīng)用，這也是如今深度學(xué)習(xí)能夠如此成功的原因之一�！构�司 CEO Tandon 說。

這些研究人員在斯坦福進行了多年研究，之前他們意識到，將他們的理念和技術(shù)進行商業(yè)化和產(chǎn)品化的最好方式就是成立一家公司。因此，他們將攻讀博士攻讀擱置在一邊，創(chuàng)辦了 Drive. ai。

「Drive.ai 是一家深度學(xué)習(xí)公司，」Reiley 表示，「通過將深度學(xué)習(xí)應(yīng)用于全自動集成駕駛堆棧，從而解決了車輛的自動駕駛問題，從感知到運動規(guī)劃，再到控制，這和其他公司零散的自動駕駛解決方案完全不同。我們采用了整體架構(gòu)來創(chuàng)造一種更加無縫的解決方案。」

什么是深度學(xué)習(xí)？為什么我們要對其應(yīng)用于自動駕駛保持關(guān)注？Tandon說：

「通常來說，在深度學(xué)習(xí)之前，做機器學(xué)習(xí)完全就是關(guān)于特征選取，」Reiley 說，「那是非常原始的做法，并且做起來很難，讓這些算法去識別各種東西非常困難，也很耗時�！顾�認為深度學(xué)習(xí)類似于人類的學(xué)習(xí)方式�！改阆蛩惴ㄕ故竞玫睦�子或者壞的例子，然后它就學(xué)著形成概念。對于極端復(fù)雜的動態(tài)環(huán)境來說，我們相信深度學(xué)習(xí)是解決這一問題的最佳方法�！�

Drive.ai 的第一步就是讓汽車開上馬路，開始收集數(shù)據(jù)來構(gòu)建算法經(jīng)驗�！高@不是收集形式的英里數(shù)和小時數(shù)，」Tandon 說，「這都是為了有合適類別的經(jīng)驗和數(shù)據(jù)擴充來訓(xùn)練系統(tǒng)——這意味著我們的團隊要知道追求什么才能使保證車?yán)锏南到y(tǒng)可用。從模擬環(huán)境和封閉線路走向公共道路，這對我們公司來說是極大的一步，我們非常謹慎的完成著我們的職責(zé)�！�

對于那輛真實的汽車長什么樣子，Drive.ai 不太愿意進行評論。（注：如果機器之心的讀者在加州山景城的某處看到它，請給我們發(fā)張照片：）

毫無疑問，軟件是工程師們關(guān)注的重點，這也是任何自動駕駛系統(tǒng)中最困難、當(dāng)然也是最重要的部分。但是，Tandon 和 Reiley 卻告訴我們，在他們眼里，當(dāng)下很多可用的傳感硬件并沒有被充分利用起來�！溉绻�開車時正聽著廣播，那么，你賴以控制汽車的唯一輸入傳感器，就是向前看的雙眼�！筊eiley 解釋說�！附裉�，僅僅讓這些信息車控制汽車，我們還對自己的這種駕駛方式充滿信心，這其實有些可怕�！�

Drive.ai 已經(jīng)完成了 1,200 萬美元的 A 輪融資，團隊也正在大規(guī)模的招兵買馬。Drive.ai 目前還沒有去談?wù)撍鼈兊淖罱K目標(biāo)，我們也十分好奇的想要看到，相較于其它方法，深度學(xué)習(xí)為無人駕駛汽車帶來益處的具體案例。