無人駕駛曾是科幻小說家筆下的夢想，

如今技術卻被照進現實，

它會開啟一個新紀元嗎？

筆者在教書的時候，曾經跟學生討論過人工智能應用的問題，并談到“早期許多從事智能醫療的專家，都想用各種交互技術加上專家數據庫來取代醫生，但最后都宣告失敗，主要的原因是因為人們無法相信冷冰冰的熒幕問診，都還是喜歡跟醫生面對面討論病情?！比缓箅S著世代的演進，大家對人工智能的興趣也從智能醫療來到了無人駕駛。那么無人駕駛技術到底是一個新世代的開始，還是另一個炒冷飯的議題？

根據英國的一項交通調查數據顯示，大約有95％的交通事故發生的原因都是人為的疏失，如果我們能夠減少開車時的人為操作，預期未來車禍發生的機率就會減少很多。因此，在可預期的未來10到15年，我們可以看到越來越多的無人車投入研究和量產。而以目前的無人車的趨勢來說，著重在下列三點：一是滿足行動需求，二是提供自動駕駛，以及三為能源電動化。而無人車主要實現的技術，多采用雷射激光測距等技術來畫出周遭地形，以及利用攝像頭來判斷前方出現的物體及位置，并配合傳感器來做出環境認知、馬達轉向等操控的決策。為了讓無人駕駛車上的專用輔助系統可以取代駕駛者，目前多采用深度學習的技術來開發車用輔助系統，并做到全方位的決策判斷：

道路偵測：為了做到平穩的駕駛，系統需要能夠辨識出道路和路肩。

行人偵測：當無人車行進時，要能夠辨識進入視野內的行人，或其他物體，并且對行人加上更多的權重，以保障用路人安全。

路標與交通號志偵測：系統要能夠自動偵測路邊的標示，以免違規。并要能夠做到跟人類駕駛員一樣的反應。

臉孔識別/偵測：車上系統亦需要能夠辨識車內和車外的人員身分，并透過網絡數據庫來識別出車主或某些犯罪人士。

車輛識別：要能夠辨識出周遭環境中的移動車輛。

物體偵測：車內系統要能夠利用車上的超聲波傳感器或攝像頭來辨識突然出現的物體，并加上系統的概率判斷。這是很重要的一項技術，例如說，偵測到一顆球突然跑到路邊，就要警示附近可能有小孩在打球。

人類行為偵測：如果車上系統可以預測對方車道駕駛員的反應，將可以預先做出相對應的駕駛動作。

同時因為道路上的狀況實在太多，為了提高識別上的準確性，以色列的Mobileye公司也采取使用類神經強化學習來解決數據負載的問題，來協助計算機處理難以被工程師編程的狀況，并且讓無人車輕松地識別出道路上的狀況。

（使用深度學習設計的實時車上輔助系統）

而從2016年七月開始，英特爾、寶馬（BMW）和Mobileye這三家公司也開始合作，計劃將下一代的寶馬汽車帶入到一個新的階段。在英特爾的IDF 2016大會上，Brian Krzanich宣稱集合這三家公司的技術，在寶馬車上建立一個以英特爾為主的中央計算平臺，并能夠集成車內運算、機械學習和云端專家數據庫的系統架構，以及支援點對點的數據傳輸，再搭配Mobileye超高檢測精準度的道路識別技術，讓整個無人駕駛車的未來，不再只是空談，而是真正讓產學研彼此的緊密結合。

從1930年代科幻小說作家David H Keller寫了一則“The Living Machine”的故事開始，開啟了我們對無人駕駛車存在的夢想。從好處來看，無人駕駛車可以讓我們更有效的利用旅行的時間，并減少乘客、行人和其他道路使用者的風險，并且讓無人駕駛車搭配Uber等租車業務，由于省去了司機的人事費用，讓租車比買車更加的劃算，因此而減少購車的需求，可省下更多的都市土地空間。在過去一年左右，全自動化系統的公共道路測試已經變得很普遍，電動汽車創新者特斯拉已經對其某些車輛模型引入了軟件更新，允許駕駛者采用“半自動搭配的自動駕駛”模式?？深A期的，新世代將會隨著無人駕駛車的到來而開始，你準備好了嘛？

（英特爾、BMW和Mobileye

這三家公司的新一代無人車）