手机网站
手机网站
汽车制造商知道:人工智能驾驶汽车引起了巨大的兴趣许多人希望驾驶任务自动化，因为他们觉得这很乏味，有时甚至不可能。有能力的人工智能司机将有闪电般的快速反应能力，不会在他们的车道上迂回或漂移，也不会有攻击性地驾驶。当我们人类小睡或参加聚会时，人工智能司机永远不会累，可以长时间无休止地骑车。
虽然人工智能需要大量的数据来进行编程和指导，但这应该不是问题通过向司机支付数百万英里的费用，我们可以积累大量的样本数据。此外，我们可以很容易地建立虚拟驾驶仿真，以便人工智能可以测试和完善其加速策略。
驱动程序也有中等内存需求。此时的转弯和速度与五分钟前发生的事情无关。导航负责未来的计划。行人和野生动物等道路危险在几秒钟内就会发生。最后，控制自动驾驶汽车是如此困难，以至于我们没有其他好的解决方案——人工智能是迄今为止让我们走得最远的解决方案。
然而，驾驶是一个狭隘的问题，目前人工智能无法解决，还是需要做更多的工作，这是一个悬而未决的问题。到目前为止，已经证明人工智能驱动的汽车可以独自行驶数百万英里，一些公司报告说，人工干预只需要几千英里。然而，事实证明，很难完全消除这种干预的罕见需要。
人类需要在各种情况下拯救自动驾驶汽车的人工智能通常，公司不会披露一些所谓的“脱离”原因，只有一些是法律要求的。这可能部分是因为原因可能令人恐惧。
在2018年的一篇研究论文中列出了其中一些其中，有关的汽车:
认为悬垂的树枝是一个障碍；
分不清另一辆车在哪个车道上。
认为十字路口行人太多，无法应对；
没有看到汽车离开停车场，也没有看到汽车从前面离开。
这种情况导致了2018年3月的一起致命事故自动驾驶汽车的人工智能不能识别行人，首先将行人分类为未知物体，然后将其分类为自行车，最后将行人分类为只剩下1.3秒制动时间的行人。这个问题由于汽车紧急制动系统的失效而变得更加复杂，以提醒汽车的后备驾驶员，但是该系统的设计并不是为了实际提醒后备驾驶员。备份驱动程序也花了很多时间没有干预，这将提醒我们大多数人。
由于障碍物识别错误，也发生了另一起致命事故。在2016年的案例中，司机在城市街道上使用特斯拉的自动驾驶功能，而不是像最初计划的那样在高速公路上驾驶。一辆卡车从车前经过，自动驾驶仪的人工智能没有停下来，因为它没有把卡车登记为要避开的障碍物。根据Mobileye(设计的防撞系统)的分析，该系统是为高速公路驾驶而设计的，因此只有经过训练才能避免追尾。换句话说，只有它被训练成从后面而不是从侧面识别卡车。特斯拉报告说，当人工智能检测到卡车的侧视图时，它认为这是一个高架标志，并决定不需要刹车。
人工智能汽车也遇到了许多其他异常情况当大众汽车首次在澳大利亚测试其人工智能时，他们发现它被袋鼠弄糊涂了。显然，它从未遇到过任何跳跃项目
考虑了道路上可能发生的各种事件——游行、紧急逃生、电线坠落、带有异常指示的紧急标志、熔岩和污水坑——这些都是人工智能在训练中从未见过的不可避免的事情。要让人工智能处理完全意想不到的事情是一个困难的问题，也就是说，要知道一个逃脱的e很可能会到处跑，而一个深坑会留下，并且要直观地理解这只是因为熔岩流和池就像水，这并不意味着你可以控制它。
汽车公司正试图调整其战略，以应对道路上的常见故障或不可避免的怪异现象。他们正在考虑将自动驾驶汽车限制在封闭的、受控的路线上(尽管这可能不能解决问题——这些鸟很狡猾)，或者允许自动驾驶卡车在领队后面行驶。有趣的是，这些妥协让我们找到了一个非常类似于大众运输的解决方案。
以下是自动驾驶车辆的不同自主级别:
0没有自动驾驶
A福特t型车满足这一级别的要求汽车最多有恒速巡航控制。你开车，故事结束了
1驾驶员辅助
汽车具有自适应巡航控制或车道保持技术(大多数现代汽车都有这种技术)你们中的一些人正在开车
2部分自动化
汽车可以保持一段距离并沿着道路行驶，但是驾驶员必须准备好在需要时接管。
3条件自动化
在某些情况下，汽车可以自己驾驶，例如，在交通堵塞模式或高速公路模式下很少需要司机，但他们必须准备好应对。
4高度自动化的
汽车在受控路线上不需要驾驶员；有时候，司机会倒着打P。在其他路线上，汽车仍然需要司机。
5全自动
驱动程序从不需要驱动程序汽车甚至可能没有轮子和踏板。司机可以恢复睡眠——汽车可以控制一切。
到目前为止，当汽车的人工智能被混淆时，它会脱离——突然，双手将控制权交还给方向盘后面的人自动化水平3(条件自动化)是目前市场上可买到的最高水平的汽车自主性例如，在特斯拉的自动驾驶模式下，汽车可以在没有司机的情况下行驶几个小时，但司机可以随时被要求接管。
自动化水平的问题是，人们最好坐在方向盘后面，集中注意力，而不是在后座上装饰饼干。然而，人们在无聊的时候看完路后会非常非常的不清醒。人工救援通常是弥补人工智能性能和我们需要的性能之间差距的好选择，但是人类在拯救自动驾驶汽车方面表现不佳。
这意味着制造自动驾驶汽车是一个非常有吸引力和困难的人工智能问题。为了实现主流自主车辆，我们可能需要做出妥协(例如，创建受控路线并实现四级自动化或不实现)，或者我们可能需要比我们目前拥有的人工智能更加灵活的人工智能。
