第二种则是基于深度学习算法。工程师通过计算机视觉定义交通中的几个元素变量，从不断的模拟驾驶中学习人类驾驶汽车的习惯，比如路口出现红灯的时候，驾驶汽车的人采取了刹车动作；在左转的车道内都执行转动方向盘左转动作；空旷的公路上驾驶员更愿意深踩油门加速等等……这种模式框架下，无人车学习的是逻辑，即使更换了场景也能应付得来。

　　百度今天展示的无人车使用了深度学习式和代码规则式的融合方案。简单来说，它更全面了。它在安全（safety check）方面基于既定规则，比如当超声波雷达检测到旁边的障碍物距离已经足够近时，即触发制动；前方有人横穿马路可能会发生碰撞时，执行制动；而在深度学习方面，则是指让这辆汽车学习人类司机的驾驶习惯——比如学会看标识符、识别车道线，识别道路中的各种元素，学习整体的驾驶风格，这通通算是深度学习的路线。

　　百度一位技术人员告诉我：

　　“你看它模仿人类驾驶员在入弯的时候减速，慢慢转动方向盘，出弯的时候缓踩油门进行加速。现在百度无人车所行驶的路线以及驾驶风格全部来自于车上的这位老司机，是他训练出了这辆无人驾驶车。”

　　比如什么时候会停下来打方向盘，在什么位置打，都是这位老司机的驾驶习惯。

　　工程师告诉我——在这个场地内，深度学习让百度无人车在几个小时内就学会规范行驶。如果在公开道路上，基于深度学习的无人车也会学习驾驶者（使用者）的行为习惯。

　　这样理解就十分有趣了。比如，如果你是一个暴躁的赛车手，你的无人车在自动驾驶状态下就可能会频繁提速；如果你是一个开车安稳的司机，你的无人车开起来或许就会被后车频繁“滴滴”；如果你喜欢超车，如果你喜欢漂移，如果你喜欢不按规则驾驶，如果你喜欢将前轮开进排水渠……每个深度学习无人车的背后都是一位风格迥异的司机啊。

　　“千人千面”描述的是当下非常流行的信息个性化推荐。今日头条通过机器学习的算法，分析使用者的行为、学习使用者的爱好，通过多个变量、维度推送个性化的新闻，每个使用者所得到的推送内容都不同。如果套用在无人车上，其机器学习原理或许也会是这样。

　　场外一位百度技术人员告诉我——如果基于深度学习算法的无人车未来成为主流，结果很可能就是“千人千面”，它会模仿你的习惯开车。