自動駕駛汽車路線之爭（車品覺）
Google自動駕駛汽車（網絡圖片）
在一次會議中，以色列駕駛輔助系統公司Mobileye創辦人預言，全自動駕駛到2021年就會實現。在谷歌（Google）主管無人駕駛汽車專案的Chris Urmson亦曾預計，在幾年後出廠的自動駕駛汽車，將不再設有方向盤、油門和煞車踏板。相對於谷歌破釜沉舟式力推全自動駕駛，Mobileye則強調循序漸進，例如採用自我調整巡航控制和緊急制動，統稱為高級駕駛員輔助系統（ADAS）。
從成本效益角度看，Google採用一大堆較昂貴的感測器，每輛車的感測器成本高達數萬美元。Mobileye邁出的第一步，卻是一套完全圍繞一個攝像鏡頭打造的系統，其生產成本還不到1000美元，難怪該公司能以天價估值驚艷華爾街（市值近100億美元）。Mobileye亦以眾包方式跟汽車行業多方持份者合作，從特斯拉、即時地圖到導航公司，全面瞄準自動駕駛汽車市場。
谷歌在「深度學習」的路上愈走愈快，繼打敗圍棋高手後，這次讓汽車學懂自主駕駛。這種方法通過深度神經網絡，在極少或完全沒有人工干預的情況下，藉着不斷試錯自我訓練出駕駛機器人。同一研究團隊同時還讓人工智能學習「打機」，像人類般玩電子遊戲，同樣不加任何指點，全靠在實踐中自學，便能摸索出如何「過關」。
有專家對汽車「自學成才」的想法潑冷水，因為駕駛輔助或自動駕駛若要成真，需要的是一種在大海裏面撈針的能力，深度學習擅長的是遊戲等定義明確的任務，例如識別數據庫中的圖片，或進行語種間的互譯。但想完美操控整個駕駛過程，就需要顛覆很多罕見狀況，才可讓汽車具備自動駕駛能力。
「深度學習」有限制
到目前為止，在某些條件下，自動駕駛是可行的，特斯拉的Autopilot系統已證明這一點。但若遇到複雜的城市道路環境，例如駛入環形交叉口，自動駕駛汽車就會有點拙於應付。發展速度超出汽車業估計的人工智能，正在幫助解決這問題，但可能還需要一段時間，才可讓汽車變得足夠聰明，毋須人類介入便可隨時隨地自動行駛。
我曾做個一個商業項目，跟上述故事相通。我的團隊要為公司研發一個數據引擎，藉之代替一個部門的日常工作。這輛「無人車」要代替人去計算什麼類型的產品會在14天後暢銷，並決定誰去賣、如何賣、賣多久等等。類似這樣的專案，未來一定愈來愈普遍。但到底是谷歌或Mobileye的模式更好一點呢？給大家一個貼士，這其中的優劣，首先取決於數據的全不全、細不細及快不快。
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
