自动驾驶AI不了解情况，向人们学习？

自动驾驶车辆能够通过摄像机和传感器掌握比人类多几倍的情况。然而，情况的检测仍然很晚或不能很好地发生，导致事故。即使您收集了周围的好信息，如果您还没有学会如何操作或者您正在学习，也可能会遇到此问题。

微软和麻省理工学院的合作者已经开发出一种学习模型，可以通过自主AI消除这个盒子。目前，在自主导航系统的开发中，AI通过一些虚拟空间仿真来教授基本的驾驶方法。但是，此方法不处理未假设的情况。例如，如果大型白色拖车横穿道路，则无法将其识别为拖车并将其误认为是空白区域，或者高速公路上的救护车闪烁红色警示灯可能会导致诸如停在肩上等错误。

在2018年人工智能自动导航多智能体系统国际会议上发表的一篇论文中，人工智能学会了在出现意外情况时如何应对机动，并发现人工智能自动驾驶的盲点我已经解释了要做的模型。

应用此模型允许实时驾驶员在驾驶和校准AI时了解驾驶员在实际道路上所采取的响应。简单来说，例如，如果驾驶员在AI出于某种原因离开道路车道时接管驾驶，则AI可以识别出有问题并了解响应。

该团队解释说，他们可以超速驾驶自动驾驶汽车，并防止他们错误地认为在任何情况下都是安全的。除了识别AI算法无法处理的情况之外，它还计算确定响应模式的概率，并确定哪个是最安全和最危险的。

即使自动驾驶系统的总驾驶时间的90％是安全的，如果在剩余的10％中发生事故则没有意义。这表明AI仍然需要学习如何处理它。不幸的是，这个模型就在论文发表之后，所以我们只用有限的参数和相对简单的条件测试了模拟。车队将来应该对赛车进行测试。

尽管如此，如果这些模型运行良好，自动驾驶汽车将更加实用。目前，自动驾驶车辆在对堆积积雪并且线路不可见的道路的响应方面存在问题。然而，如果该模型在这种困难的情况下工作良好，那么擅长以专业驾驶员的水平驾驶的自动驾驶车辆的出现的可能性可能变为现实。欲了解更多信息，请点击这里 。