在科技界有一個(gè)普遍的共識(shí)，那就是人工智能將是未來(lái)的發(fā)展方向，人工智能在人們身邊常見(jiàn)的并且現(xiàn)在異?；鸨睦泳褪菬o(wú)人駕駛汽車?！　?/p>

　　隨著Uber無(wú)人車在美國(guó)匹茨堡上路，百度無(wú)人車在北京上路測(cè)試，無(wú)人駕駛汽車的研發(fā)、測(cè)試、上路正在一步步逐漸實(shí)現(xiàn)。無(wú)人駕駛技術(shù)在新聞上的頻繁出現(xiàn)，能感受到人工智能這股浪潮正在改變著人們的現(xiàn)在和未來(lái)。

　　根據(jù)數(shù)據(jù)顯示，每年有超過(guò)130萬(wàn)人死于車禍，其中94%是由于人為失誤所造成的。自動(dòng)駕駛技術(shù)的發(fā)展，很大程度上是為了改善人們的生活質(zhì)量，防止不必要的人為車禍，減少擁堵，為人類出行提供更大便利。

　　無(wú)人駕駛技術(shù)是一個(gè)非常龐大的知識(shí)體系，主要要解決四個(gè)大方向的問(wèn)題，即定位、感知、決策、控制。

　　定位，如GPS、Landmark、IMU；

　　感知，車輛周圍物體的辨識(shí)；

　　決策，車輛路徑、形式速度等行為決策；

　　控制，方向盤(pán)、油門(mén)、制動(dòng)等控制。

　　在這四個(gè)大方向上，都有很多子問(wèn)題，如在解決感知問(wèn)題上，車輛在行駛中如何識(shí)別前方事物（其他車輛、行人、自行車、交通燈等）。

　　要解決這個(gè)感知大問(wèn)題下的子問(wèn)題，深度學(xué)習(xí)中的算法和訓(xùn)練模式是其背后強(qiáng)大的驅(qū)動(dòng)力。

　　想要解決車輛在行駛中辨識(shí)前方事物的問(wèn)題，大方向上需要，

　　運(yùn)用深度學(xué)習(xí)實(shí)現(xiàn)圖像處理；

　　利用Tensor Flow實(shí)現(xiàn)數(shù)字識(shí)別；

　　使用AWS GPU Instance運(yùn)行深度學(xué)習(xí)模型，并對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和檢測(cè)；

　　建立R-CNN物體檢測(cè)模型；

　　在Tensor Flow模型下進(jìn)行多標(biāo)簽分類，并對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和檢測(cè)；

　　等等。

　　人工智能將成為未來(lái)發(fā)展的一大趨勢(shì)，無(wú)人駕駛也將逐漸改變?nèi)藗兊某鲂蟹绞?。無(wú)論時(shí)代如何發(fā)展，科技都將是引領(lǐng)人們前進(jìn)的方向，而那些掌握前沿技術(shù)的人才都是推動(dòng)時(shí)代發(fā)展不可磨滅的力量。