在自动驾驶汽车世界中，许多大玩家正在开发深度学习系统，告诉汽车如何以远超过人类驾驶员的水平进行学习。

　　这正是Mobileye所研究的东西，这些深度学习系统通常需要大量的标记数据。

　　收集原始数据是非常昂贵的，但可行性很高：只需要将传感器和计算机放在大量的汽车上，并在交通网络上行驶即可。这便涉及到标记问题：在大量的摄像机镜头中标记人、汽车、障碍、交通灯、车道标记和标志。

　　Mobileye通过使用数百人来对这些图像进行标记，以解决这个问题。它是这一领域的领导者之一，它与几十家公司在这一领域的合作关系显示它已经非常成功。

　　英特尔的这笔巨额收购，使得mobileye成为其他同样基于学习技术的厂商的直接挑战者，如NVIDIA。

　　从长远来看，我们可能会看到像Mobileye和Xerox这样的公司越来越多地使用照片拟真模拟来生成大量的数据。

　　这种方法的优点是其不需要任何人工标记，因为模拟环境已经知道环境中的所有事物。

　　「看到」是敏感且微妙的

　　目前，通常无人驾驶汽车需要设计的比人类更加“谨慎”，这是因为，人类往往能够可靠地对他们周围的世界发生的事情产生更多的认知。

　　如果一个人看到慢跑者，他可能会推断，这个慢跑者不太可能突然跑到马路上。而机器则倾向于，或被明确地将其设计的更谨慎，至少现在是如此的。

　　那些类似于Mobileye开发的视觉技术，会提供更多精细的“场景环境”，帮助汽车更自信地驾驶。

　　视觉技术可以读取面部表情并分析身体姿势和站在路边的人的可能意图。视觉技术甚至可以看到另一个人类驾驶的汽车，看看驾驶员是看路还是在打他们的电话。

　　基于视觉的技术还可以更加无缝地与驾驶员辅助系统中的人类驾驶员结合，这有助于人类避免错误，典型例子便是丰田的Guardian系统。

　　丰田Guardian系统

　　相关问题

　　已经有十多家公司展示了自动驾驶汽车在不同情况下的自主驾驶技术，但是我们仍然没有可靠的车队可以让我们在任何时间都能预订。

　　无人驾驶汽车还面临的最大问题是，即便顶级的无人驾驶汽车在绝大多数时间是可靠的，但也并不是“全部”时间都可靠。

　　他们也不好处理那些一百万（或十亿）分之一的小概率事件，那些完全意想不到的事情，比如说一个人拿个沙发坐在马路边，或者一个人在路边扮成一只巨大的火鸡。

　　一个男子坐在马路边的沙发上

　　去年，特斯拉的事故中，在人为失误及不“太”可能但可能发生的事件的共同作用下，事故发生了。其中有一个问题很关键，由于当时天空非常明亮，自动驾驶仪并没有注意到拖车的白色一侧，这便是在无人驾驶界很多玩家都想解决的视觉问题的经典例子。

　　特斯拉事故官方分析：