更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）
这或许会成为美国第一个真正落地的自动驾驶汽车载人服务，这不仅是德克萨斯州的一个里程碑，它还标志着公众首次可以在公共道路上使用自动驾驶车乘坐服务，是自动驾驶行业迈出的重要一步。
据悉，该项目将于 2018 年 7 月正式实施，有 6 个月的试运营期，活动区域也限制在弗里斯科市以零售、娱乐和办公地区为中心的区域，在起始阶段载客和下车的地点固定在 HALL Park（霍尔公园）和 The Star 周围的接送点，并计划扩展到弗里斯科车站。
Drive.ai 这项服务与当地政府合作开展，合作伙伴包括弗里斯科运输管理协会（Frisco TMA TMA）、NCTCOG（North Central Texas Council of Governments ）等。
据悉，Frisco TMA 是一家带有政府与民间合作关系性质的协会。致力于为日益增长的德克萨斯州弗里斯科人口提供最后一英里交通创新服务。Frisco TMA 合作伙伴包括弗里斯科市、霍尔集团、弗里斯科车站的合作伙伴，以及 The Star、丹顿县交通局等，共同负责管理该项目。
与此同时，作为 Drive.ai 董事的吴恩达也为此发表了公开信，说明了此服务项目的具体情况、规划和自动驾驶行业的发展。
公开信内容：
亲爱的朋友们：
Drive.ai 将于 2018 年 7 月开始在德克萨斯州弗里斯科市提供自驾车服务供公众使用。
自驾车不再是未来的 AI 技术。它们就在这里，不久将会让交通变得更便宜、更方便。
Drive.ai 的团队一直与当地合作伙伴密切合作，以确保我们的汽车部署安全进行，并为用户带来实际价值。
Drive.ai 为公众提供自动驾驶服务取决于三个因素：
自动驾驶技术仍然具有挑战性。它需要非常有经验的 AI 团队以及复杂的软件和硬件架构。
Drive.ai 拥有强大的技术团队，创始人包括我在斯坦福大学的小组以及 Carol Reiley（我的配偶）的许多 AI 研究生。这支团队由深度学习专业人士组成，从头开始设计了一款采用现代人工智能的自动驾驶架构。
此外，通过为自驾车内部感知、运动规划、测绘、本地化、车队管理软件、移动应用程序、通信，以及我们的“远程选择”远程协助系统等开发完整的软件栈，团队能够快速解决系统之间的任何依赖关系。
自动驾驶汽车与政府和私人部门合作，在指定区域进行运营，以确保安全、平稳性，为用户带来实际价值。
作为一支有经验的 AI 团队，Drive.ai 对 AI 的局限性有着清晰的认识。团队知道如何在当前技术的限制范围内构建切合实际的解决方案。
例如，我们知道没有任何一个无人车团队能够制定依据建筑工人挥手的手势就能让车辆行进的可靠路线图；计算机视觉还不够完美。因此，我们正在与政府和私营部门合作的合作范围限制在一定区域，在那里我们可以找到让建筑工人与我们的车队运营团队进行沟通的其他方法。
特别感谢弗里斯科市长 Jeff Cheney、弗里斯科 TMA 和 NCTCOG（North Central Texas Council of Governments ）的 Michael Morris 与我们开展合作。我们最初将在 HALL Park 到娱乐 / 零售区（The Star）的行车路线上进行 6 个月的试运营，并计划扩展到弗里斯科车站。
在当地部署自动驾驶服务将让为个人、商户带来便利，减少交通拥堵，减少对停车场的需求。我们还致力于解决偏远地区交通不便的问题，并改善与现有公交线路的连接。经过深思熟虑的自动驾驶车辆部署可以舒缓交通压力，减少私家车使用，从而降低城市交通成本。
自动驾驶行业必须以人的安全为根本，确保车内和车外人的安全，并注重交流和社区教育。
车辆的安全不仅取决于车辆本身，周围人的行为也会产生影响安全。完全依赖 AI 保障安全是不明智的。相反地，运营商必须考虑到车外人，这也是为什么我们注重社区教育和培训的原因。
保障安全性是每个运营商的责任，为此，我们认为自动驾驶行业应该采取以下措施：
自动驾驶车辆应该在视觉上十分醒目，经过调查我们发现橙色最容易被行人和司机辨识。
无人驾驶车辆无法与行人和司机交流，因此我们配备四个外部屏幕，用于将车辆的“欲行驶意图”传达给道路上的行人和其他驾驶员，并将信息标牌放置在整个自动驾驶车辆行驶路线上。
自动驾驶车辆公司应该与当地政府合作，加强公众教育和培训，通过媒体、特殊标志、专用载客和落客地点等增强公众对自动驾驶车辆的认识。
在第一阶段，Drive.ai 将在德克萨斯州部署安全驾驶员车辆，我们的“远程选择”技术还可以提高安全性和乘坐舒适度。例如，假设我们的车辆在十字路口与遇到棘手的问题时，如果它确定需要人类操控以保障安全，它会先停下来，然后请求远程操作员输入命令以确定下一步操作。久而久之，我们的深度学习系统将从这些案例中学习并自动改进。与“远程驾驶”不同，“远程选择”模式中操作员直接控制汽车，旨在解决网络延迟和临时网络中断等问题，即使是陈旧数据自动失效或请求滞后 100 毫秒等微小的边缘情况也会被考虑在内。
在第二阶段，通过道路安全测试后，Drive.ai 将以远程选择操作员“伴侣”（而不是安全驾驶员）的身份运营。这个伴侣会坐在乘客座位上，协助乘客并监视操作，但不会进行瞬间接管。
在最后阶段，车辆完全实现自动驾驶，车中只有乘客，由远程选择操作员进行远程协助。一个远程选择运营商将能够监控多辆车，从而实现规模化运营。
我们还有很多工作要做，但自动驾驶的未来就在那里。
自动驾驶汽车与人类司机相比具有不同的优缺点。他们总是很专心，反应时间<100 毫秒，并且没有盲点。但另一方面，它们不了解某些复杂的情况，例如建筑工人使用手势与之进行沟通。通过选择运营区域并与合作伙伴合作，我们可以发挥自动驾驶车辆所长，避其所短。在这些战略的实施下，自动驾驶行业将为人们提供安全、有价值的交通服务。
我记得在 2007 年参加 DARPA 城市挑战赛时，看到斯坦福大学、CMU 和许多其他开拓性的无人车团队的出色工作。我们的工作正是建立在这些丰富的成果之上。
十年之后，我很激动自动驾驶汽车已经有了如今的进展。
想要了解更多有关 Drive.ai 自动驾驶的信息，请访问 drive.ai
（https://www.drive.ai/）。
吴恩达
2015 年，斯坦福大学人工智能实验室工作的研究生成立了 Drive.ai，该实验室由著名人工智能专家 Andrew Ng 负责管理，现任 Drive.ai 董事会主席。他曾是中国科技巨头百度的前首席科学家，并帮助 Jeff 一起构建 Google Brain 项目。
自创办以来，Drive.ai 动态不断，引人关注，如董事会成员的变更，与 Lyft 合作，以及发布首个自动驾驶车辆视频等。但此次无疑是该公司迄今为止最重大的动作，展示出该公司在现实世界中技术上的进展和实力。
Drive.ai 在自动驾驶汽车中应用了深度神经网络，使得其在初创公司中脱颖而出。深度神经网络让计算机可以通过一系列连接的网络来识别数据中的模式。大多数开发自动驾驶技术的公司都使用深度神经网络来处理特定的问题，但是他们在更广泛的系统中多使用机器学习算法而不是深度神经网络。
Drive.ai 使用深层网络来实现无人车的功能，包括识别物体、运动规划以及根据看到的目标做出决策等。
深度学习的倡导者认为，这些算法因为与人类学习的方式类似而成为理想的选择。但其他公司确认为，深层网络还没有做好准备，还需要更多的研究和计算能力才能在自动驾驶车辆中具备安全可靠性。
更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）