在自動駕駛領域，大多數人都不知道 Drive.ai 的存在，去年以來，這家研發如何將深度學習應用于自動駕駛的公司一致處于秘密狀態。 如今，Drive.ai 成為第十三家拿到牌照的公司，獲準在加州公共道路上測試無人駕駛汽車。IEEE Spectrum 采訪了 Drive.ai 兩位創始人 Sameep Tandon 和 Carol Reiley，與他們探討了為什么他們的無人駕駛汽車技術能讓汽車自動化比以前更有效率，適應性更強，以及更加可靠安全。

大約一年前，Drive.ai 從斯坦福大學人工智能實驗室分離出來，各領域內在深度學習系統研發方面極富經驗的專家組成了公司的核心團隊，他們精通自然語言處理、計算機視覺以及自動駕駛。「該團隊開辟了深度學習的規模化應用，這也是如今深度學習能夠如此成功的原因之一。」公司 CEO Tandon 說。

這些研究人員在斯坦福進行了多年研究，之前他們意識到，將他們的理念和技術進行商業化和產品化的最好方式就是成立一家公司。因此，他們將攻讀博士攻讀擱置在一邊，創辦了 Drive. ai。

「Drive.ai 是一家深度學習公司，」Reiley 表示，「通過將深度學習應用于全自動集成駕駛堆棧，從而解決了車輛的自動駕駛問題，從感知到運動規劃，再到控制，這和其他公司零散的自動駕駛解決方案完全不同。我們采用了整體架構來創造一種更加無縫的解決方案。」

什么是深度學習？為什么我們要對其應用于自動駕駛保持關注？Tandon說：

「通常來說，在深度學習之前，做機器學習完全就是關于特征選取，」Reiley 說，「那是非常原始的做法，并且做起來很難，讓這些算法去識別各種東西非常困難，也很耗時。」她認為深度學習類似于人類的學習方式。「你向算法展示好的例子或者壞的例子，然后它就學著形成概念。對于極端復雜的動態環境來說，我們相信深度學習是解決這一問題的最佳方法。」

Drive.ai 的第一步就是讓汽車開上馬路，開始收集數據來構建算法經驗。「這不是收集形式的英里數和小時數，」Tandon 說，「這都是為了有合適類別的經驗和數據擴充來訓練系統——這意味著我們的團隊要知道追求什么才能使保證車里的系統可用。從模擬環境和封閉線路走向公共道路，這對我們公司來說是極大的一步，我們非常謹慎的完成著我們的職責。」

對于那輛真實的汽車長什么樣子，Drive.ai 不太愿意進行評論。（注：如果機器之心的讀者在加州山景城的某處看到它，請給我們發張照片：）

毫無疑問，軟件是工程師們關注的重點，這也是任何自動駕駛系統中最困難、當然也是最重要的部分。但是，Tandon 和 Reiley 卻告訴我們，在他們眼里，當下很多可用的傳感硬件并沒有被充分利用起來。「如果開車時正聽著廣播，那么，你賴以控制汽車的唯一輸入傳感器，就是向前看的雙眼。」Reiley 解釋說。「今天，僅僅讓這些信息車控制汽車，我們還對自己的這種駕駛方式充滿信心，這其實有些可怕。」

Drive.ai 已經完成了 1,200 萬美元的 A 輪融資，團隊也正在大規模的招兵買馬。Drive.ai 目前還沒有去談論它們的最終目標，我們也十分好奇的想要看到，相較于其它方法，深度學習為無人駕駛汽車帶來益處的具體案例。