[ EV知道 汽车黑科技 ]近日，特斯拉汽车公司人工智能（AI）总监安德烈·卡帕西在参加2018年TRAIN AI大会时，剖析了该公司构建自动驾驶仪（Autopilot）计算机视觉解决方案的方法。据介绍，Autopilot编程团队主要分为两部分：第一个团队构建了神经网络本身，而第二个团队则专注于神经网络的实际编程，它包括选择已标注的图像，帮助神经网络学习。

许多行业观察家认为，激光雷达是开发安全的自动驾驶系统的一个重要部分。激光雷达，也被称为光探测和测距，通常就是在自动驾驶汽车顶部旋转的那个设备。而特斯拉首席执行官相信，他可以在不依靠激光雷达的情况下打造出自动驾驶汽车和半自动驾驶汽车。

特斯拉的自动驾驶仪解决方案非常依赖计算机视觉，而不是激光雷达和其他传感器，因为特斯拉的团队认为，计算机视觉在根本上更加卓越，强大的摄像头阵列足以支持完全自动驾驶解决方案。

卡帕西介绍，将传统的、基于规则的编程方法与神经网络(也称机器学习或AI)运行时使用的编程方法区分开来。在典型的互联网术语中，他使用了神经网络编程软件2.0，用以与基于规则编程的软件1.0进行区别。这两者之间的差异是相当大的，编程神经网络与编程网页或智能手机应用程序是完全不同的。

卡帕西深入探究了特斯拉团队用来破解自动驾驶仪计算机视觉难题的方法。自动驾驶仪编程团队主要分为两部分：第一个团队构建了神经网络本身，而第二个团队则专注于神经网络的实际编程，它包括选择已标注的图像，帮助神经网络学习。

正如编程代码必须高效和有效一样，卡帕西注意到用于编程神经网络的图像必须够大、够多样化以及干净。为神经网络编程更多的是识别异常，并为正确的行为编写软件2.0堆栈，而不是为正常情况下的系统编程。

特斯拉认为，从根本上说，与人类驾驶汽车相比，该公司自动驾驶仪解决方案将会在行驶过程中提供更安全的驾驶体验。这是有意义的，也十分重要，但这只是暗示了一种更广泛的可能性，即车辆在世界上任何地方、任何情况下都能自动驾驶。

目前多数自动驾驶技术的研发，都是依托了激光雷达提供数据。而特斯拉的自动驾驶系统是依靠摄像头和雷达，而不是使用激光雷达的情况下来完成自动驾驶系统所需的大部分工作。有人质疑特斯拉是为了降低成本，认为特斯拉的这种技术不够安全。但自动驾驶技术本就处于正在发展的不够成熟的阶段，未来谁的技术将更好更安全，都还有待考验不能形成定论。