阅读的书籍：《无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活》
https://www.amazon.cn/dp/B072C28DY4
无人驾驶的历史
无人驾驶不是一个新鲜的东西了。早在1939年，IBM就提出了这个概念，并展示了原型机。由于当时技术达不到，一直未能实现。
美国的DARPA是实质推动了这个技术罚站的机构。
DARPA举办了3次无人驾驶比赛，这3次比赛的推动意义非常大，一些新技术也得以应用开来。包括一些传感器硬件、一些无人驾驶软件。
在这些比赛后面，卡内基梅隆大学功不可没。当时比赛的很多主要选手都来自这里。其中的很多参赛成员后来加入google，成为其无人车的主要力量。
无人驾驶进步的技术因素
对无人驾驶由决定性左右的技术有两个方面：
1.硬件技术进步。这个方面包括CPU、雷达、摄像机、声纳、高清数字地图等。由于摩尔定律，硬件性能提升，其价格反而下降，为大面积应用铺开了路；
2.智能控制软件进步。由符号型、自上而下的逻辑驱动的人工智能，进化为自下而上的数据驱动型人工智能。
重点说说第二种情况。
早期的控制软件，是靠程序员对路况信息的全面梳理总结，将一切意外考虑在内。很明显，这种做法无法穷举所有场景。在DARPA举办的一次比赛中，一辆汽车在隧道前停滞不前。由于隧道在路中间，向上看去非常高，软件将其识别为一堵墙。
当时大家想到的最多方法就是这种方法，将地图完整收录到驾驶软件的数据库中，配合GPS等装备，随时获取实时路况。
另一个队伍另辟蹊径。他们在分析训练日志时发现，一群飞鸟从车前飞过，但是软件将其识别为石头。由此，驾驶软件肯定不能穷举所有场景。它们使用实时识别路况场景的人工智能方法来做软件的感知层。这一做法获得了成功。
人工智能的发展历史
无人驾驶软件，从层次上可以分为三层：高层负责决策、规划路线；中层负责将底层传感器采集的数据形成感知；底层负责传感器数据交互。
高层和底层的实现过程，都可以使用预先写好的”if-else”逻辑来实现，都是可以预先规划的。而中层的逻辑比较复杂，需要将不同传感器的数据融合为机器的感知。
无人驾驶中应用人工智能的地方是中层控制部分。
人工智能，学习的是人类的学习过程。神经元、神经网络是人类智能系统的基本组成。
感知器（机）
神经元可以类比一个黑箱。面对不同的输入，它只有两个输出：放电或者不放电。这个就是感知器的原型了。对不同的输入进行分类，并强化或削弱其输出，来达到学习的目的。
神经认知器（机）
多个神经元组成复杂的神经网络。
在早期，历史上所有的神经元网络，以图片识别为例，都是把完整的视觉场景，一次性输入到第一层的神经网络中.事实证明，由于数据量过大，无法得到妥善的处理。
来自日本的科学家福岛对此做了改进，他的改进，起到了非常显著的效果：
1.对图片进行分割，而不是一步到位。第二层的神经元，每个都与若干像素连接在一起，像素之间有轻微重叠。
2.神经元克隆。神经认知机的每一层神经元都是克隆的产物，突触的连接力度相同。这样，即使每一层的连接很多，只要改变很少的几个参数，就可以改变连接力度。
3.由两种类型的神经元来组成网络神经元：S细胞用于特征提取，C细胞用于包容这些特征的变化。不同的神经元交替运用。
深度学习
李飞飞发起的ImageNet图片识别比赛，推动了深度学习算法的进步。
深度学习的特征是使用多层的神经网络。
大多数深度学习框架包含最大池化法(max pooling)单元，与神经认知器的C细胞类似，这个做法提升了稳定性。最后神经网络发现最佳图像特征.
数据的获取和生成
人工智能是引擎的话，数据就是人工智能的燃料。
和普通燃料不同的是，无人车在使用数据的同时，也会生成数据。这些生成的数据，又会共享给其他无人车，来达到良性循环的效果。
周边及其影响
无人驾驶如果得以大面积推广，会有非常大的影响。
这会消灭一些岗位，同时也会带来新的工作岗位。
交通的事故率会大大降低，保险行业甚至要改变投保规则。
新型的零售、娱乐行业也会因此出现。
技术大爆发
某些技术的发展，通常是前期很慢，到了某个临界值后，突然爆发出来。
这个爆发点，是由于一些关键技术取得突破。
比如无人驾驶，由于硬件、软件技术的一些突破性进展，原来处在寒冬中的无人驾驶迎来了春天般的发展。