汽車行業(yè)是推動(dòng)人工智能（AI）發(fā)展的重要行業(yè)之一，這是因?yàn)樵撔袠I(yè)致力于自動(dòng)駕駛汽車和高級(jí)駕駛員輔助系統(tǒng)（ADAS）的泛在利益。

　　汽車正在變得越來(lái)越智能，但是如果汽車行業(yè)要實(shí)現(xiàn)完全自動(dòng)駕駛的目標(biāo)，他們還有很長(zhǎng)的路要走。盡管業(yè)界還在討論實(shí)現(xiàn)全自動(dòng)化所需的理想技術(shù)組合，但是有一點(diǎn)是明確的，那就是人工智能，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用。

　　神經(jīng)網(wǎng)絡(luò)

　　神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對(duì)于傳統(tǒng)視覺或模式識(shí)別系統(tǒng)來(lái)說(shuō)具有挑戰(zhàn)性的任務(wù)。通過(guò)使每個(gè)神經(jīng)網(wǎng)絡(luò)各自不同，并針對(duì)特定任務(wù)進(jìn)行設(shè)計(jì)，它可以更高效、更精確地執(zhí)行任務(wù)。

　　所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個(gè)層面上多次處理數(shù)據(jù)。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次，而不是用一組特定的參數(shù)只運(yùn)行一次操作。這個(gè)想法是，通過(guò)所有這些不同的路徑，選擇的數(shù)量就會(huì)增加。當(dāng)?shù)搅诵枰龀鰶Q策的時(shí)候，它已經(jīng)從輸入中提取了所有的信息。

　　在路標(biāo)識(shí)別的示例中，第一層可能正在尋找一個(gè)標(biāo)識(shí)的角形狀，然后是顏色等各個(gè)步驟執(zhí)行下去，直到它可以非常確信地說(shuō)這是一個(gè)路標(biāo)并說(shuō)明其含義。這樣做的好處在于無(wú)需對(duì)每一個(gè)步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會(huì)自己完成，并且隨著時(shí)間的推移而不斷移動(dòng)學(xué)習(xí)。該算法知道它需要識(shí)別的內(nèi)容，并將嘗試不同的方法，直到實(shí)現(xiàn)目標(biāo)，并在過(guò)程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過(guò)培訓(xùn)之后，它便可以在實(shí)際應(yīng)用中發(fā)揮作用。這意味著工程師不必花費(fèi)數(shù)小時(shí)來(lái)微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成。

　　這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測(cè)、分類和分析，而駕駛員監(jiān)測(cè)、訪問(wèn)控制以及語(yǔ)音和手勢(shì)識(shí)別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò)。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能服務(wù)器，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場(chǎng)景，它將同時(shí)依賴于圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器（NNA）。

　　在從傳感器到電子控制單元（ECU）整個(gè)鏈路中也可以使用神經(jīng)網(wǎng)絡(luò)，在預(yù)處理、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。

　　此外，車聯(lián)網(wǎng)（V2X）技術(shù)正在開發(fā)中，該技術(shù)將主要使用自動(dòng)駕駛汽車作為傳感載體，為各種智慧城市和智慧交通場(chǎng)景提供數(shù)據(jù)和信息。同樣，這些進(jìn)展將依賴于采用GPU和NNA的方法實(shí)現(xiàn)人工智能，以支持來(lái)自越來(lái)越大的輸入集的各種分析和計(jì)算。

　　傳感器融合

　　自動(dòng)駕駛和高度自動(dòng)化的車輛將嚴(yán)重依賴各種類型的傳感器，包括攝像頭、熱成像、雷達(dá)、激光雷達(dá)（LiDAR）等。所有這些傳感器傳出的信號(hào)都需要進(jìn)行解讀和融合，以便全面了解車輛內(nèi)部和外部發(fā)生的情況。

　　傳感器融合對(duì)于自動(dòng)駕駛至關(guān)重要，它將涉及到GPU和神經(jīng)網(wǎng)絡(luò)以及機(jī)器學(xué)習(xí)和人工智能的結(jié)合。

　　車輛內(nèi)部傳感器融合的一個(gè)很好的示例是駕駛員監(jiān)測(cè)。在當(dāng)今的車輛中，各種各樣的傳感器都能夠檢測(cè)到駕駛員是否注意力不集中。神經(jīng)網(wǎng)絡(luò)可以分析拍攝到的駕駛員圖像，以判斷他或她是否在睡覺、處于疲倦狀態(tài)、注意力不集中，甚至通過(guò)移動(dòng)設(shè)備講話或發(fā)信息。這對(duì)于早期的自動(dòng)駕駛車輛來(lái)說(shuō)是至關(guān)重要的信息，因?yàn)樗赡苄枰{駛員在某些時(shí)候重新控制車輛，因?yàn)槠囆枰礼{駛員是否處于合適的狀態(tài)才能這樣做。

　　駕駛員監(jiān)測(cè)是如何工作的？對(duì)準(zhǔn)駕駛員面部的攝像頭為分析面部元素（尤其是眼睛）的算法提供了輸入。是睜著眼睛還是閉著眼睛？如果是閉著眼睛，閉眼多長(zhǎng)時(shí)間？眼神是否飄忽不定？駕駛員正在看向哪里？

　　研究整個(gè)面部可以確定駕駛員是生氣還是悲傷。如果是憤怒，系統(tǒng)會(huì)建議駕駛員先靠邊停車并冷靜下來(lái)，然后再繼續(xù)行駛。

　　所有這些都是基于構(gòu)建一個(gè)面部圖像，提取關(guān)鍵點(diǎn)并使用神經(jīng)網(wǎng)絡(luò)提取情緒、注視時(shí)間等來(lái)判斷駕駛員的精神狀態(tài)。

　　在未來(lái)的兩三年內(nèi)，駕駛員監(jiān)測(cè)可能會(huì)成為必須從歐洲新車評(píng)估計(jì)劃（NCAP）和美國(guó)國(guó)家高速公路通行安全管理局（NHTSA）獲得批準(zhǔn)的一項(xiàng)要求，因此駕駛員監(jiān)測(cè)會(huì)成為汽車制造商必須要實(shí)施的技術(shù)，不僅要適用于高端汽車，還要適用于所有車輛。