吳恩達在他所有的社交平臺賬號上推了一件事：他擔任董事的自動駕駛創(chuàng)業(yè)公司 Drive.ai 將于今年 7 月在美國德克薩斯州弗里斯科市開展自動駕駛汽車試運營。

下面是具體的執(zhí)行計劃：

第一階段：就是 7 月在德州部署的自動駕駛車隊試運營。有幾個要點：

配備安全駕駛員——意外路況下緊急接管；

限定區(qū)域內(nèi)的按需多點排列組合——初級的大數(shù)據(jù)網(wǎng)絡調(diào)度；

支持遠程接管和操控汽車——系統(tǒng)也會在后臺學習人類的操作。

第二階段：等到技術(shù)水平足夠安全，移除安全駕駛員，配「chaperones」。這個概念第一次聽說，簡單說就是還會有安全駕駛員，但不坐駕駛位，坐乘客座位上負責協(xié)助其他乘客和監(jiān)控系統(tǒng)駕駛。

第三階段：完全移除安全駕駛員，突發(fā)路況全面交給后臺遠程接管。

第三階段要劃重點：谷歌 Waymo 目前在亞利桑那州試運營的就是不設安全駕駛員的真·無人車，也支持遠程接管。如果出現(xiàn)突發(fā)路況，由后臺遠程接管?？赡?Drive.ai 就是沿襲了這個思路。

吳恩達說 Drive.ai 專門優(yōu)化了遠程接管系統(tǒng)，在遇到網(wǎng)絡延遲或臨時信號中斷時有很好的魯棒性，比如說數(shù)據(jù)丟失或延遲100 毫秒，系統(tǒng)都能實時響應。

也就是說，如果 Uber 也有類似的接管機制，即便安全駕駛員失效，后臺接管也可以避免之前拿起悲劇的發(fā)生？

從這個角度看，Drive.ai 對系統(tǒng)的運作和交互考慮還是比較全面的，這是 Drive.ai 在產(chǎn)品設計上的細節(jié)之一。

下面就是即將在 7 月投放的自動駕駛汽車，基于日產(chǎn) NV 200 改裝，硬件傳感器包括 10 個攝像頭、2 個雷達和 4 個 16 線激光雷達。

基于日產(chǎn) NV 200 改裝自動駕駛汽車我們還是第一次見，不過理由早在去年年初就被 Drive.ai 聯(lián)合創(chuàng)始人王弢劇透了。王弢的說法是看重了它的客貨兩用性，而且有電氣化改裝的空間。日產(chǎn) NV 200 有燃油和新能源兩個版本，但采用了同一個協(xié)議，所以對改裝和控制非常友好。

另外你一定發(fā)現(xiàn)了車身前后左右都配了一塊屏幕，以及車身鮮艷的橙色涂裝、都是為了提升安全性。屏幕的作用是進行人車交互，與行人、騎車人和其他汽車交互。

當然，這個不是受 Uber 事故的教訓啟發(fā)，去年年初 Drive.ai 就展示過他們的原型車，也強調(diào)了車外交互的重要性。

下面說說技術(shù)路線，也很有趣。

Drive.ai 此前在巨頭云集的硅谷一戰(zhàn)成名，就是憑借去年 2 月先特斯拉 Waymo 一步公布了一段雨夜路況下自動駕駛汽車駕駛視頻。長達 4 分鐘的視頻中駕駛員全程未碰方向盤、未做任何干預。

在很短時間內(nèi)實現(xiàn)了視頻呈現(xiàn)的效果，背后深度學習優(yōu)先的技術(shù)策略顯示出了巨大的潛力。

Drive.ai CEO Sameep Tandon 一句話點出了 Drive.ai 的技術(shù)特點：大多數(shù)公司都把深度學習技術(shù)當成自動駕駛某個環(huán)節(jié)的工具，但 Drive.ai 是從自動駕駛?cè)殖霭l(fā)應用深度學習。

具體點說，Drive.ai 走的是基于非規(guī)則學習的深度學習網(wǎng)絡模型決策路線。這一路線有以下三點優(yōu)勢：

場景泛化：傳統(tǒng)的規(guī)則學習面對新的和罕見的情況卻很難可靠應對；非規(guī)則學習的泛化能力讓它可以更好地即時理解數(shù)據(jù)并解決此類長尾問題。

復雜決策：大量算例支持下的非規(guī)則學習有復雜決策方面的優(yōu)勢，這已經(jīng)在 AlphaGo 等深度學習程序中體現(xiàn)出來。未來會有很長一段時間，路面上會有自動駕駛車輛和人工駕駛車輛共存，而自動駕駛所需的復雜決策（是否超車、變道等等）與圍棋相似——基于對方的動作，進行自己的下一步動作，合理地獲得路權(quán)。

硬件需求：利用非規(guī)則學習而非現(xiàn)成的知識庫進行決策，對計算芯片的效能要求相對較低，在計算能力相當于個人電腦的車載設備上即可完成核心數(shù)據(jù)處理。

但是，非規(guī)則學習的深度學習模型也存在一些問題。比如算法不可解釋：“端到端”的訓練中，策略規(guī)劃有不透明的區(qū)域，原理和機制并不明確（“黑盒”）。但企業(yè)必須要確保自動駕駛汽車的決策行為透明可追溯，以便在意外發(fā)生時做出改進，但如果不透明，改進也就無從談起。此外透明可追溯也是出現(xiàn)意外時判定責任方的關(guān)鍵。

去年，王弢關(guān)于這個問題的回應是 Drive.ai 會采用的是當下學界主流的生成式對抗網(wǎng)絡（GANs），將完整的端到端系統(tǒng)拆分開來，在涵蓋絕大多數(shù)場景的標準化測試機上，對決策機制的不同部分進行驗證和測試。

為什么會采取深度學習優(yōu)先的策略？Drive.ai 一共8位聯(lián)合創(chuàng)始人，6 位是吳恩達擔任斯坦福大學人工智能實驗室時期的學生，包括 CEO Sameep Tandon。更重要的是，Drive.ai 總裁是吳恩達的妻子 Carol Reiley，這才是吳恩達以董事身份為 Drive.ai 搖旗吶喊的驅(qū)動力。

吳恩達本人的號召力和影響力就不多說了，百度百科難得準確：人工智能和機器學習領(lǐng)域國際最權(quán)威學者之一。

四大金剛：Yann LeCun、Geoffrey Hinton、Yoshua Bengio、Andrew Ng

在這之前，Drive.ai 已經(jīng)與 Lyft 達成合作，即將在灣區(qū)推出自動駕駛出租車的試運營，還拿了東南亞打車巨頭 Grab 的投資，準備在新加披開測無人車試運營。

2016 年上半年開始的轟轟烈烈的自動駕駛創(chuàng)業(yè)潮，終于走到了交作業(yè)的時候。泡沫期的創(chuàng)業(yè)都是相似的，寒冬期的運作各有各的不幸。有的已經(jīng)被收購，不過 Drive.ai 的故事似乎還會繼續(xù)。