在未來(lái)的某個(gè)時(shí)候，人們必定能夠相對(duì)自如地運(yùn)用人工智能，安全地駕車(chē)出行。這個(gè)時(shí)刻何時(shí)到來(lái)我無(wú)法預(yù)見(jiàn)；但我相信，彼時(shí)“智能”會(huì)顯現(xiàn)出更“切實(shí)”的意義。 與此同時(shí)，通過(guò)深度學(xué)習(xí)方法，人工智能的實(shí)際應(yīng)用能夠在汽車(chē)安全系統(tǒng)的發(fā)展進(jìn)步中發(fā)揮重要的作用。而這些系統(tǒng)遠(yuǎn)不止僅供典型消費(fèi)者群體掌握和使用。 深度學(xué)習(xí)這一概念在幾十年前就已提出，但如今它與特定的應(yīng)用程序、技術(shù)以及通用計(jì)算平臺(tái)上的可用性能更密切相關(guān)。深度學(xué)習(xí)的“深度”層面源于輸入層和輸出層之間實(shí)現(xiàn)的隱含層數(shù)目，隱含層利用數(shù)學(xué)方法處理（篩選/卷積）各層之間的數(shù)據(jù)，從而得出最終結(jié)果。在視覺(jué)系統(tǒng)中，深度（vs.寬度）網(wǎng)絡(luò)傾向于利用已識(shí)別的特征，通過(guò)構(gòu)建更深的網(wǎng)絡(luò)最終來(lái)實(shí)現(xiàn)更通用的識(shí)別。這些多層的優(yōu)點(diǎn)是各種抽象層次的學(xué)習(xí)特征。 例如，若訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）來(lái)對(duì)圖像進(jìn)行分類(lèi)，則第一層學(xué)習(xí)識(shí)別邊緣等最基本的東西…