同样是无人驾驶，可在不同人的眼中却可能是完全不同的形态。或许在很多人眼中，无人驾驶更多的是汽车制造技术的升级，是解放双手的驾驶解决方案。但恐怕在谷歌、百度这些互联网公司的眼中，无人驾驶的背后，更多是人工智能。
其实智能化是无人驾驶绕不开的话题，然而对智能的定义，各方显然有所差别。今天，小牛想和大家聊的话题，听上去可能有点大，到底怎样才算是无人驾驶？
为什么要谈这个呢？因为小智已经被各种厂商所宣传的无人驾驶搞晕了头。现在不知道多少车企把自动驾驶和无人驾驶混为一谈，小牛一度怀疑是不是有自动泊车就算无人驾驶啦？
为了搞清楚这个问题，小牛周六专门去听了清华大学邓志东教授在机器人大讲堂上的讲解。
邓教授所讲的内容很多，但大多围绕着人工智能与无人驾驶展开。最有意思的一点，是他们对于无人驾驶产业化的定义和预估。他们预计2026年左右才能实现无人驾驶产业化，那么在研究者眼中，什么才是真正的无人驾驶呢？答案是“全工况完全自主”，应该做到“三无”——无方向盘、无制动/油门踏板、无后视镜，还有“全区域”——任何道路和“全功能”——任何气候任何时间。若真的以此为标准，现在哪有无人驾驶汽车啊，敢问哪家没有方向盘和油门刹车？
其实，无人驾驶技术要实现的无非是三个步骤：环境探测-自动决策-控制响应。若要做好这三者，靠的不是别的，正是人工智能。但目前大多数的驾驶辅助系统所应用的技术并非人工智能，而是传统的机器视觉方法。
不知道大家是否用过一些驾驶辅助功能，总体而言虽然已经有了长足的进步，但还是有一些问题的，例如对路标和道路标志线的理解、障碍物的检测，还存在一些“硬伤”，究其原因，是传统的机器视觉方法都是在数据或低层特征上进行的聚类、分割、定位、检测、分类、识别和匹配。由于特征是人工设置的，大量使用阈值，从而适应性差。举一个最简单的例子，如果前车压住了道路标志线，这种方法就有可能无法识别了。
那人工智能如何解决这个问题呢？要回答这个问题，就得先明白人工智能究竟是何物。人工智能又分为感知智能（对人类直觉行为的模拟，视听触觉等）、认知智能（记忆、推理、规划、决策等）和创造性智能（顿悟、灵感）。未来无人驾驶主要应用的是认知智能。而这个阶段的人工智能，主要是通过深度学习来研究的。
再细分一下，深度学习又分为深度监督学习、深度再励学习和深度无监督学习。其中深度再励学习有一个大家比较熟悉的小伙伴——AlphaGo。没错，就是下围棋那小子。最大的特点是反复演练，记录成功与失败，完成自我学习。除了用在下围棋上，其实这也是目前无人驾驶技术中的决策系统所应用的技术。深度监督学习则是指基于大数据的机器学习，其在无人驾驶领域的应用更为广泛，目前正在研发基于它的障碍物检测、高精度地图创建和多模态导航融合技术。
可以说，真正的无人驾驶，应该是利用人工智能技术，将汽车打造成“汽车+机器人”，简称——汽车人。即使传统的机器视觉方法能够达到足够的精度，但如果要实现产业化也显得过分昂贵。在未来，应该逐步加入相当水平的人工智能系统，让车辆真正变聪明，能够自行检测和判断，做到“懂车、懂路、懂人。”
所以，虽然不少企业叫嚣着“xx年量产无人驾驶汽车”，但他们要么是在拿驾驶辅助系统放大卫星，要么就是在给自己挖坑。无人驾驶技术走向成熟的标志，应当是给人类带来便捷与安全，从这个方面上来看，无人驾驶只能说“在路上”。如果有谁能让无人驾驶的发展走上高速公路，恐怕只能是人工智能。