新闻资讯2004年，DARPA（美国国防部高级研究计划局）组织一次无人车挑战赛，共有106俩车辆参赛。这些车辆将按要求在10小时以内跑完142英里。来自卡内基-梅隆大学的团队，用一辆悍马车进行改装。该大学在自动驾驶汽车领域积累了几十年的经验，被认为是最有希望夺魁。
当时的参赛自动驾驶汽车，还根本谈不上应用机器学习和神经网络。他们沿用了18世纪法国机械天才雅克·沃康松设计的仿真人长笛演奏机的离心调速器的原理，编制了速度控制算法。开赛前两小时，比赛组织者才为参赛者提供了电子地图，卡内基-梅隆大学团队根据地图配备GPS传感器来检测位置，并根据卫星图像来确定途中障碍物的位置。由于比赛路途的地形复杂（需要穿越戈壁、沙漠等复杂地段），所以该团队还将路途区域划分为细小的方形单元格，用迪杰斯特拉算法来找出可行的、相对便捷平坦的路线。
卡内基-梅隆大学团队考虑到GPS位置确定有时不够精准，有时还大大延迟，所以还为参赛悍马车安装了加速度计、测量旋转角度的陀螺仪，并给车辆安装了一只巨大的“眼睛”（由激光和光传感器组成）。
万事俱备，参赛悍马车也仅仅在沙漠里行驶了7英里，就迎头撞上了一块岩石，然后滑入到松软的沙土里，卡在里边最终着火。
2004年的赛事，所有参赛车辆都没能行驶完142英里的路程，上面提到的悍马车甚至还是表现最好的车辆。尽管这样，赛事举办方和参赛各方仍然感到高度满意，因为这有效调动了美国工业界、工程技术领域、硅谷、大学甚至资本机构、公众对于自动驾驶汽车的关注。
因而在一年半以后，DARPA第二次无人车挑战赛重燃战火。这一次的赛事中，卡内基-梅隆大学的悍马参赛车经改进，跑完了赛程，却没有获胜。比赛的赢家是斯坦福大学人工智能实验室制造的赛车“斯坦利”。
“斯坦利”获胜，源自吸取了此前第一次赛事中，悍马车过于强调地图和导航而忽视环境感知的教训，他们开始引入机器学习。“斯坦利”软硬件包含三层，硬件层由传感器（GPS、加速度计等）、执行器（油门和转向）组成，中间层由感知模块和环境模块构成，思考曾则通过机器学习进行路径规划，并进行关于油门和转向的决策。
到了2007年，卡内基-梅隆大学的团队在吸取了此前的经验教训基础上，设计出一款新的自动驾驶赛车Boss。这款车的硬件层、感知和环境建模层、规划和推理层，已经显得相当完善。但在Boss参赛当天，却出现了“幻觉”：即认为车辆前面停有车辆，但实际上空无一物；最终，Boss依靠错误恢复系统得以解决，最终领先上届冠军“斯坦利”而夺魁。
DARPA举办无人车挑战赛，本意是解决美军海外作战、驻防、反恐的运输安全问题，找到经济、安全的自动驾驶汽车解决方案，但连续举办的比赛最终很好的促成了自动驾驶汽车的复兴。自动驾驶汽车、新能源汽车的交叠，将有望在未来替代目前的人工驾驶燃油车辆，这将创造出一个新的巨大的产业，也将对于社会发展带来深刻影响。
中信出版集团近日引进了谷歌前工程专家、普林斯顿大学的机器学习博士、机器学习极客肖恩·格里什所著的《智能机器如何思考》。这本书用生动、通俗的语言展示人工智能领域近几十年来所取得的一系列重要的前沿成果，包括感知算法、强化学习、智能体、卷积神经网络、深度语音识别、图像识别等。书中依次详细解析了自动驾驶汽车的设计和运行原理、网飞等分类推荐网站的算法奥秘，机器人如何通过机器学习和神经网络不断向国际象棋、围棋和《星际争霸》游戏的顶尖人类玩家（棋手）发起挑战。
《智能机器如何思考》这本书具有几个方面的意义。首先，通过解析自动驾驶汽车、分类推荐网站（中国读者非常熟悉豆瓣等分类推荐网站，今日头条等网站也沿用了类似的算法机制）等而今应用前景已经十分明朗的技术的运行机制，逆向推导这些技术的迭代发展，对于读者尤其是科普爱好者、机器算法初学者、低龄极客激发兴趣、树立信心不无裨益。
其次，还原上述技术的运行机制和迭代发展，还有助于祛除大众对于机器算法应用的神秘感和恐惧。
第三，正如书作者所指出的那样，人工智能领域曾在20世纪50-60年代就曾迎来过一个成果迭出的“小高潮”，但随后研发和应用进入了长达几十年的“寒冬”，直到DARPA举办无人车挑战赛，才重新确立各界尤其是公共部门、资本和公众对于这个领域研发应用的信心。人工智能研究显然不可能一直保持着不断加速的垂直上升路线，在未来依旧可能再现“寒冬”，这就需要公共部门及社会资金保持对于大学、企业研究的支持。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。