1.       認知能力1.1.         認知能力是人工智能從一開始就面臨的核心挑戰1.2.         卡雷爾機器人1.2.1.           解決卡雷爾問題的關鍵在于提前了解障礙物的位置，並讓卡雷爾繞過它們1.2.2.           人類程序員可以看到網格，即卡雷爾世界的全景地圖1.2.2.1.            狹義人工智能解決方案，依賴于更好的地圖繪制技術1.2.3.           使用汽車上的激光雷達、攝像頭和傳感器來構建它所處空間的3D模型1.2.4.           在這個3D模型裏，沒有汽車“識別”出來的“物體”，有的只是使用機器學習識別的可導航區域和非導航區域1.3.         萊特兄弟1.3.1.           可以制造一台不需要拍打翅膀的飛行機器1.3.2.           用翅膀滑翔就足夠了2.       自動駕駛2.1.         只要有足夠的訓練數據，算法確實可以在各種煩瑣乏味的任務中表現得相當不錯，而人類的聰明才智通常會填補其中的空白2.1.1.           不合理有效的數據驅動方法頗適合用于電子搜索、簡單翻譯和簡易導航2.1.2.           語言之間的機器翻譯比以往任何時候都好2.1.2.1.            仍然無法與人工翻譯相媲美，人類的大腦在理解斷句的含義方面非常出色2.2.         無人駕駛這一使用場景，用來思考人工智能的完美運行和完全失效這兩種情況是最合適的2.3.         爭先制造自動駕駛汽車，本質上就是在爭先突破計算的基本極限2.4.         在自動駕駛汽車發展的前10年，試探什麽能奏效、什麽不能奏效是一個警世故事2.4.1.           技術沙文主義可能讓人們對技術産生神奇的創想，也有可能對公共健康造成危害2.5.         早在2007年，已經有機器人汽車技術在輔助日常駕駛2.6.         挑戰不僅在于感知環境，而且在于了解環境2.6.1.           關鍵在于感知能力2.6.2.           無法對心智理論進行編程，因此汽車永遠無法像人類那樣對障礙物做出反應2.7.         計算機沒有想象力2.7.1.           要得到對象的旋轉圖像，計算機需要對這個對象進行3D渲染2.7.2.           至少需要一個矢量地圖2.8.         如果計算機可以識別出柱狀物，我們可以爲柱狀物和人分別編寫規則2.8.1.           我們不知道它是柱狀物，除非有視覺或是對象識別技術2.8.2.           問題回到了對象分類上2.9.         計算機只“知道”它被告知的內容2.9.1.           如果沒有對未來進行推理的認知能力，計算機就無法瞬間將路燈識別爲障礙物，並采取適當的規避措施2.10.     摩爾定律表示，集成電路上容納的晶體管數量每年會翻倍，容量的增加意味著計算機內存價格日益下降2.10.1.      2005年左右，存儲器突然間變得又大又便宜，以至于首次可以繪制出整個山景城的3D地圖，並將其存儲在車載存儲器中2.10.2.      視頻和3D文件占用了大量內存空間2.10.3.      平價的存儲器改變了遊戲規則2.11.     沒有制造一輛像人類那樣可以穿行世界的汽車，而是將現實世界變成了電子遊戲，讓汽車在其中穿行2.11.1.      采用的是統計估計值和數據的不合理有效性2.11.2.      統計方法將一切都變成數字，並估計出概率2.11.3.      現實世界中的物體不是被轉換成物體對象，而是被轉換成在網格上以計算出的速度沿特定方向移動的幾何形狀2.12.     駕駛不僅僅是一項工作，而是同時處理許多項工作2.13.     駕駛輔助技術的興起2.13.1.      平行停車只是一個細小的限定動作，是對技術的絕妙運用2.14.     機器學習方法非常適合用來完成固定符號世界裏的重複性工作2.14.1.      它並不適合在街道上操作一台兩噸重的殺人機器，因爲街道上到處都是無法預測的民衆2.14.1.1.        特斯拉Model X

P90D的整備重量是5 381磅

2.14.1.2.        作爲參考，一頭雌性亞洲象的重量大約是6 000磅2.14.2.      程序員要預見到可能發生的每一個問題或意外情況是不可能的，這就意味著現有的機器學習系統在面對現實世界的不規則性和不可預測性時，很容易發生故障2.14.2.1.        從定義上說，生命是不可預測的2.15.     人有智慧，他們可以接受怪事；計算機沒有智慧，它們容不下怪事2.15.1.      因爲我們只能有意識地處理其中大約40條信息，所以我們的無意識思維接管了剩下的信息，使用偏見、刻板印象和固定模式來過濾掉噪聲2.16.     自動駕駛的夢想在商業領域仍然活躍2.16.1.      自動駕駛汽車的大量炒作背後，隱藏著賺大錢的希望2.16.2.      很少有投資者會放棄這種機會2.17.     自動駕駛汽車的工作原理與大數據息息相關2.17.1.      大部分自動駕駛汽車研究和一些訓練數據都可以在arXiv和學術知識庫中在線獲取2.17.1.1.        數據的一個主要缺點是沒有內置異常數據，而且算法無法預測未內置的內容2.17.2.      自動駕駛汽車的，並不是一個懂得如何駕駛汽車的人造智能大腦2.17.2.1.        只是把街道進行了詳細的數字化2.17.3.      數據都來自自動相機2.17.3.1.        無論數據來自何處，總會有人在最底層操作這些數據，它並不是真正的自動化2.17.3.2.        發現路面新坑洞的人，可能是戴著谷歌眼鏡的人，也可能是騎著自行車上街的人2.17.3.3.        無論是誰，只有少數人在采集這些數據2.18.     自動駕駛汽車未來的發展道路很可能既不安全，也不符合道德倫理，也未必會爲大衆創造福祉2.19.     所有自動駕駛汽車的“實驗”都需要人類駕駛員和工程師全程跟進，只有技術沙文主義者會稱此爲成功，而非失敗2.20.     自動駕駛汽車項目促進了一些正面的消費意識進步2.21.     開發自動駕駛汽車來解決安全駕駛問題，就像部署納米機器人來殺死盆栽上的害蟲一樣2.21.1.      我們真正應該專注開發的是人類輔助系統，而不是人類替代系統2.21.2.      關鍵不在于讓機器來掌管世界，人類才是重點3.       主要論據3.1.         自動駕駛汽車支持者的主要論據是，它們能使道路“更安全”3.1.1.           討厭的人類，總是出錯！3.1.1.1.            這就是技術沙文主義3.1.2.           人類當然要爲這些駕駛失誤負責，畢竟只有人類在駕駛汽車3.2.         行車時發短信、分心駕駛無疑會導致死亡人數上升3.2.1.           一個直接的解決方案是在公共交通上投入更多的資金3.2.2.           程序員想要制造自動駕駛汽車，省下搭乘公共交通工具的時間來幹點別的事情3.3.         車內裝載的技術設備太多，不一定利于駕駛3.3.1.           隨著越來越多的信息娛樂技術進入汽車，交通事故發生得也越來越頻繁3.3.2.           汽車制造商可以在其標准車載套裝中預裝一個屏蔽駕駛員手機的設備3.3.2.1.            這項技術現在是存在的3.3.2.2.            駕駛員在緊急情況下可撥打報警電話，除此之外不能打電話、發短信或上網4.       主要問題4.1.         在維護不善的道路上時，無法保持沿著街道的中心線行駛4.2.         不能在雪天或其他惡劣天氣條件下行駛，因爲在這些天氣條件下，他們無法“看到”東西4.3.         大多數自動駕駛汽車使用的算法被稱爲深度神經網絡，在停車標志上貼上貼紙或塗鴉，就會讓它們感到迷惑4.4.         自動駕駛汽車通過GPS導航4.4.1.           袖珍GPS幹擾器是非法的，但在網上只要50美元左右就可以輕易地訂購4.5.         部分問題在于機器倫理尚未最終厘清，因爲它太難被清晰表述了4.5.1.           人類駕駛員可能會選擇撞樹，因爲孩子們的生命是寶貴的4.5.2.           大多數人在面對電車難題時，更偏向于犧牲司機和乘客以拯救多數人4.5.3.           他們還說，他們絕不會購買自動駕駛汽車4.5.4.           “死亡”是一項特征，而不是一個漏洞4.5.4.1.            我們總被唆使著把生命交與那些機器，但其實人類要比那些機器更道德，也更聰明，這一點並不令人意外4.5.4.2.            幾乎沒有大學開設過計算機或工程類的倫理課程5.       自動駕駛汽車分級標准5.1.         SAE L0（無自動化）：人類駕駛員全權操作汽車5.2.         SAE L1（駕駛支援）：車載自動化系統偶爾向人類駕駛員提供少量駕駛支援5.3.         SAE L2（部分自動化）：車載自動化系統在某些情況下可實際完成一些駕駛動作及監測駕駛環境，由人類駕駛員持續監測駕駛環境並完成其余駕駛動作5.4.         SAE L3（有條件自動化）：車載自動化系統在某些情況下可實際完成一些駕駛動作及監測駕駛環境，但人類駕駛員需在自動化系統發出請求時隨時收回駕駛控制權5.5.         SAE L4（高度自動化）：車載自動化系統可完成駕駛動作及監測駕駛環境，人類駕駛員不一定需要隨時收回控制權，但自動化系統只能在限定的環境和條件下運行5.6.         SAE L5（完全自動化）：車載自動化系統可在任何條件下執行人類駕駛員可以執行的所有駕駛動作5.7.         自動化分級有多種定義，人們對于其定義標准化的需求已存在一段時間5.7.1.           標准化有助于提高自動化定義的清晰度和一致性5.7.2.           標准至少改變了一次，也可能是兩次5.8.         在L3和L4，車輛需要感知周圍的環境，因此需要安裝複雜、昂貴的傳感器5.8.1.           通常使用的傳感器是激光雷達、GPS、IMU（慣性測量單元）和攝像頭5.8.2.           傳感器輸入需要轉換成二進制信息，由車內的計算機硬件處理5.9.         每一級都需要越來越多的計算能力來根據傳感器的輸入而做出駕駛決策5.10.     還沒有人能夠開發出足夠強大的硬件和軟件，使其在任何地點和天氣條件下都能安全行駛