AI在自动驾驶中的应用是伪命题吗？

高工智能汽车 2年前 A+

在智能驾驶中，汽车需要通过在感知、规划、决策、控制方面的努力，让机器具备“智力”。人们通常愿意把这一个过程，称之为人工智能。而事实上，所谓的智能只是一个结果，想要让机械具备智能，过程当中需要无数人力劳动的堆砌。

数据标注就是这样一个工作，它存在的意义便是让机器理解、认识世界。通常的数据标注，一般有语音、文本、图像等类型，工作人员需要更具行业的标准或者客户要求，对相应的数据进行分类、画框、注释、标记等等，然后将结果数据反馈给客户。客户依此来训练机器对上述特征的认识，C端用户所体验到的智能语音交互、视觉图像识别等都因此而来。

数据标注是一个重人工的工作，需要大量人员做简单重复的工作，成本高昂，业内也在寻求一种自动化的方式。业内人士告诉《高工智能汽车》，自动化数据标注在目前的行业内还属于一个”遥远的梦”，在可预见的时期内，数据标注还将以人为主。

数据标注分类

数据标注的对象通常有图像、语音、文本、视频、雷达等。图像类主要针对视觉识别类公司，所要标注的图像内容包括人像、建筑物、植物、道路、交通标志、车辆等，每项内容下面，又会根据不同的特征进行不同标签的标注。

以应用最广的人像为例，标注公司可能需要对目标的性别、年龄、肤色、着装、表情、发型、姿态做出标志，方式会是画框、打标签等。

语音标注也是常见的一种，公司会将音频的文字对照写出，同时也可能会将语句中的主谓宾标出，方便机器学习。

随着激光雷达在自动驾驶中频繁的应用，雷达对障碍物扫描识别的需求也愈加频繁，而如何让激光雷达扫描到的物体通过更直观的形式显示给用户，也成了要完成的工作。

数据标注公司会将激光雷达扫描出的物体大概，进行更精细的物体轮廓勾勒，同时也会对相应障碍物进行标识，包括但不限于名称、类别，以及通过不同颜色进行展示。通过这种深度处理后，激光雷达也就间接具备了识别障碍物的能力。

无论图像、语音还是雷达数据的标注，通常数据标注公司会有一套自己的标准，对数据进行分类，而目标客户也会有自己的标注。

业内人士表示，一般而言，客户会有自己的需求，公司依规而行。目前在国内，阿里巴巴、腾讯、百度等大型互联网公司，拥有海量的数据标注需求，单个订单量都是以亿元为单位。如此大的订单，基本都是分包给不同的数据标注公司进行处理，国内外还没有一家公司能够处理这样大的订单。

另外还有自动驾驶公司，以及视觉图像处理的公司，也有着数据标注的强烈的需求，他们需要用标注后的数据来训练人工智能，而人工智能的日趋成熟，是永无止境的。

自动驾驶是趋势，是必然成果

现在研发阶段出现问题，实属正常

目前技术难关需要攻克

材料需要攻克，网络需要攻克

很多问题还在研发过程中

现阶段的自动驾驶

其实是相对笨重的

无非是多了很多探测头

然后组合传输数据给控制大脑

和人一样 走路的时候，左侧前面有人，都是提前反射给大脑

大脑采取决策是停下等，还是变道

人事通过器官和神经

那么自动驾驶就只能靠设置在车周围的探测器了

现在相对更好的是与路上提前安装好的设备做信息收集

然后和探测器共同传输数据给控制大脑，进行结果指令

这种设备有点类似现在人性横道的红外提醒装置

无人驾驶不能说是伪命题。在未来极有可能无人驾驶会成为主流趋势，过程虽然有些漫长，但确实是可以实现的，并且也有了不少案例，只是系统不够完善，这几乎是所有产品智能化过程中都会出现的问题，需要不断实践、发现问题、解决问题最终形成一个完整的智能化系统。

首先提的问题不太对，AI顾名思义是人工智能，也就是高科技代替人来做一些动作，自动驾驶就是利用AI技术来做汽车的大脑，让机械的汽车更具人性化，用智能指令来代替人工操作，AI技术只能让自动驾驶如虎添翼。