Waymo依靠Alphabet和谷歌的技術(shù)優(yōu)勢(shì)，將神經(jīng)網(wǎng)絡(luò)系統(tǒng)和機(jī)器學(xué)習(xí)法等人工智能技術(shù)引入到自動(dòng)駕駛汽車(chē)的改進(jìn)之中，大大降低了自動(dòng)駕駛的出錯(cuò)率。
在亞利桑那州的鳳凰城的郊區(qū)，Waymo的小貨車(chē)已經(jīng)完全不用人工操縱方向盤(pán)，已經(jīng)實(shí)現(xiàn)全面的自動(dòng)駕駛模式。這些車(chē)內(nèi)有“大腦”控制，擁有一系列復(fù)雜的神經(jīng)網(wǎng)絡(luò)。這聽(tīng)起來(lái)有點(diǎn)可怕，但該公司表示這一系統(tǒng)絕對(duì)安全。
如今，隨便一個(gè)人買(mǎi)來(lái)攝像頭和激光雷達(dá)傳感器裝在車(chē)上，就美其名曰自動(dòng)駕駛車(chē)。然而，對(duì)于自動(dòng)駕駛領(lǐng)域而言，最核心也是最重要的是如何使自動(dòng)駕駛車(chē)像人類一樣掌控汽車(chē)或者比人類的駕駛技術(shù)還要好？
在Google的I/O開(kāi)發(fā)者大會(huì)上，Waymo的CEO約翰?克拉夫西克（John Krafcik）就透露了這樣一種信息：我們的自動(dòng)駕駛汽車(chē)看得更遠(yuǎn)、具有更強(qiáng)得感知能力、反應(yīng)比人還要靈敏。
一直以來(lái)，Waymo致力于使自動(dòng)駕駛完全擺脫對(duì)人的依賴，實(shí)現(xiàn)完全自動(dòng)化。
最近，他們?cè)谘芯恳环N叫做“自動(dòng)化機(jī)器學(xué)習(xí)”的人工智能項(xiàng)目。在這一項(xiàng)目中，他們利用神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)完善自動(dòng)駕駛技術(shù)。
Waymo的工程師們不僅對(duì)汽車(chē)如何識(shí)別路上的物體進(jìn)行建模，還研究人類的行為對(duì)汽車(chē)的影響。 他們使用深度學(xué)習(xí)法對(duì)在公路上和模擬環(huán)境下的行車(chē)數(shù)據(jù)進(jìn)行解讀、預(yù)測(cè)和響應(yīng)。
Waymo在自動(dòng)駕駛領(lǐng)域處于領(lǐng)先地位，它已經(jīng)在公路上行駛了600萬(wàn)公里，模擬環(huán)境下行駛了50億英里。在此過(guò)程中，Waymo收集了大量的數(shù)據(jù)和信息。Waymo還和菲亞特克萊斯勒和捷豹路虎兩大汽車(chē)制造商達(dá)成了合作。德米特里·多爾戈夫（Dmitri Dolgov），Waymo的首席技術(shù)官表示：自動(dòng)駕駛對(duì)于性能和精度要求很高，這方面的行車(chē)經(jīng)驗(yàn)就很重要。
深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。
深度學(xué)習(xí)也是機(jī)器學(xué)習(xí)的一種，能夠運(yùn)用神經(jīng)網(wǎng)絡(luò)的不同的感知層來(lái)分析不同的抽象數(shù)據(jù)，是提高自動(dòng)駕駛汽車(chē)感知能力和性能的極佳方案。
Google 的Brain 小組的專家也和多爾戈夫手下的工程師們共同研究能夠提升自動(dòng)駕駛精確性的方法。
之前，自動(dòng)駕駛系統(tǒng)錯(cuò)誤率較高，不能很好地分辨汽車(chē)、交通信號(hào)和新人。在實(shí)時(shí)情況下，做出相應(yīng)的速度較慢。
為改進(jìn)這一問(wèn)題，Google在系統(tǒng)的識(shí)別能力提升方面下了很大的功夫。AI的工程師們將機(jī)器學(xué)習(xí)法與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，并將其運(yùn)用到自動(dòng)駕駛技術(shù)中，以挖掘兩者的技術(shù)優(yōu)勢(shì)。
多爾戈夫表示，人們能一眼分辨出貓和狗，但是如果讓人們講出得出這一結(jié)論的原因就復(fù)雜多了。對(duì)于深度學(xué)習(xí)法來(lái)說(shuō)亦是如此。教會(huì)機(jī)器從傳感器數(shù)據(jù)中挑出行人要比講述原理和編碼要簡(jiǎn)單許多。
Waymo利用自動(dòng)化程序和不同人的標(biāo)簽分類來(lái)訓(xùn)練系統(tǒng)的神經(jīng)網(wǎng)絡(luò)。訓(xùn)練完成后，這些巨大的數(shù)據(jù)庫(kù)還需要被刪減和壓縮，并在真實(shí)的行車(chē)環(huán)境中應(yīng)用。這一過(guò)程，就像圖片的壓縮一樣，對(duì)于全球自動(dòng)駕駛系統(tǒng)基礎(chǔ)設(shè)施的建造十分關(guān)鍵。
使自動(dòng)駕駛車(chē)在白天能對(duì)過(guò)路的行人做出響應(yīng)很容易，但是讓其察覺(jué)并對(duì)一個(gè)橫穿馬路的行人做出反應(yīng)相對(duì)較難。
如果行人停在路的中央分道區(qū)怎么辦？Waymo的自動(dòng)駕駛車(chē)會(huì)謹(jǐn)慎地做出反應(yīng)，因?yàn)樾腥艘话銜?huì)站在中央分道區(qū)等侯。但是，如果沒(méi)有中央分道區(qū)怎么辦？Waymo的車(chē)也可以識(shí)別出來(lái)行人的非正常行為，并盡量放慢速度，讓行人穿過(guò)去。
通過(guò)機(jī)器學(xué)習(xí)法的嵌入，Waymo可以識(shí)別出行人的正常和違規(guī)行為，防止因行人闖紅燈或違規(guī)橫穿馬路時(shí)撞到行人。
另外，神經(jīng)網(wǎng)絡(luò)系統(tǒng)需要大量的數(shù)據(jù)和技術(shù)來(lái)支撐和訓(xùn)練。作為Alphabet的子公司，Waymo可以利用谷歌的數(shù)據(jù)中心來(lái)訓(xùn)練其神經(jīng)網(wǎng)絡(luò)系統(tǒng)。具體而言，Waymo可以使用谷歌強(qiáng)大的云計(jì)算硬件系統(tǒng)，即TPU處理器（tensor processing units），這足以支撐Waymo這一偉大的技術(shù)研發(fā)計(jì)劃。通常，這一工作是由商用的GPUs來(lái)完成的，通常時(shí)Nvidia. 但近幾年來(lái)，谷歌也研發(fā)出自己的硬件和軟件系統(tǒng)。相比之下， TPUs 遠(yuǎn)比CPUs要快許多。
如果Waymo能夠建立機(jī)器學(xué)習(xí)模型，并使其具備神經(jīng)網(wǎng)絡(luò)系統(tǒng)的車(chē)能夠在路標(biāo)不清晰的街道上行駛，那么Waymo的自動(dòng)駕駛汽車(chē)范圍將不會(huì)局限于鳳凰城的郊區(qū)，而是更多的開(kāi)放的道路。 今年，Waymo還計(jì)劃在美國(guó)亞利桑那州建立全面無(wú)人駕駛出租車(chē)業(yè)務(wù)。