幾十年前，人工智能被作為未來科技的趨勢。直到到今天，它正迅速從備受炒作的未來技術(shù)過渡到我們實際使用中，并影響我們的日常生活。從預(yù)測要鍵入文字的下一個單詞到為Instagram拍張完美照片，人工智能已融入我們每天使用的產(chǎn)品和服務(wù)中。

在制造業(yè)中，人工智能一直處于推動轉(zhuǎn)型的最前沿。尤其是，這項技術(shù)打破了傳統(tǒng)汽車制造業(yè)，催生了自動駕駛汽車時代。迄今為止，據(jù)估計，已有200多家科技公司正在開發(fā)軟件解決方案，以促進從手動駕駛向自動駕駛汽車革命的過渡。

由于自動駕駛汽車的前提是不需要人工干預(yù)，因此這一概念引起了公眾和利益相關(guān)者的許多關(guān)注。例如，這些自動駕駛汽車會安全嗎？他們的判斷水平是多少？我們是否在冒險創(chuàng)造最終將威脅我們的智能機器？

在本文中，我們將介紹所有這些問題。我們還將探討AI如何幫助改進自動駕駛汽車，AI開發(fā)人員在這場革命中的作用以及人工智能在汽車行業(yè)的未來。

自動駕駛汽車及其操作方式

自動駕駛汽車是一種結(jié)合了人工智能、傳感器、攝像頭和雷達的交通工具，可以在無人駕駛的情況下進行通勤。要使車輛具備完全自主標(biāo)簽的資格，它必須在沒有任何人工干預(yù)的情況下，使用一組預(yù)先設(shè)定的參數(shù)，從一個特定的位置自動操作到預(yù)定的目的地。

基本上，它們的運行遵循一個非常基本的原則，即人工智能開發(fā)人員開發(fā)自動駕駛汽車系統(tǒng)，將其與機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和圖像識別系統(tǒng)融合，以創(chuàng)建能夠自動駕駛汽車的復(fù)雜系統(tǒng)。

借助神經(jīng)網(wǎng)絡(luò)，人工智能系統(tǒng)能夠從成像系統(tǒng)識別交通信號燈、路牌、路邊緣、行人、樹木和其他物體等模式。然后，此數(shù)據(jù)被饋送到機器學(xué)習(xí)算法，并進行整理以創(chuàng)建自動駕駛汽車在其中運行的參數(shù)。

根據(jù)美國運輸部2019年的報告，美國道路上的自動駕駛汽車總數(shù)估計為1400。盡管這個數(shù)字似乎很小，但卻有80多家頂級人工智能公司已投入大量資金，以實現(xiàn)自動駕駛成為現(xiàn)實。

對于一個市值將達到36.8億美元的行業(yè)來說，對AI開發(fā)者技能的需求很非常大。因此，今天學(xué)習(xí)人工智能是一個明智的想法。但在我們了解如何成為一名人工智能開發(fā)者之前，這里有一個關(guān)于當(dāng)前人工智能勞動力市場的簡要概述。

人工智能勞動力市場概述

顯然，機器學(xué)習(xí)和人工智能專業(yè)人員非常短缺。行業(yè)估計顯示，由于技能短缺，有超過500,000個與AI相關(guān)的空缺職位。硅谷的跨國技術(shù)公司擁有大量的資源，并且能夠吸引最優(yōu)秀的人才來構(gòu)建其解決方案。但是，小型公司甚至很難找到初級開發(fā)人員。

根據(jù)PWC的一份報告，到2020年，人工智能將消除近180萬個工作崗位。而這項技術(shù)本身將創(chuàng)造230萬個工作崗位。AI工程師，機器學(xué)習(xí)工程師，計算機視覺工程師和數(shù)據(jù)科學(xué)家是AI生態(tài)系統(tǒng)中最受追捧的專業(yè)人員。

其他要求很高的AI技能包括Python和R編程，數(shù)據(jù)科學(xué)，Java，Hadoop，數(shù)據(jù)挖掘，大數(shù)據(jù)，Spark和SAS。

作為自動駕駛汽車行業(yè)的AI開發(fā)人員需要學(xué)習(xí)的技能

作為一個相對較新的領(lǐng)域，如果要完全實現(xiàn)自動駕駛，則需要廣泛的現(xiàn)有技能和尚未出現(xiàn)的技能。如果您正在尋找如何成為汽車行業(yè)AI開發(fā)人員的方法，那么這里是您需要學(xué)習(xí)的一些技能。

編程技巧

平均而言，一輛自動駕駛汽車的硬件中需要超過2.5億行代碼。這些多行代碼負責(zé)使汽車“智能”到足以了解現(xiàn)實世界中的周圍事物。此外，設(shè)計，構(gòu)造和操作自動駕駛汽車需要無數(shù)不同的程序和平臺。

平均而言，一輛自動駕駛汽車的硬件中需要超過2.5億行代碼。這些多行代碼負責(zé)使汽車“智能”到足以了解現(xiàn)實世界中的周圍事物。此外，設(shè)計，構(gòu)造和操作自動駕駛汽車需要無數(shù)不同的程序和平臺。

無論是有抱負的AI開發(fā)人員還是有志于進入這一領(lǐng)域的實踐開發(fā)人員，重要的是要全面了解編碼以及系統(tǒng)中不同元素如何工作并相互影響。特別是，豐富的Python、c++和Linux經(jīng)驗是不容置疑的，因為它們構(gòu)成了自動駕駛汽車行業(yè)的重要組成部分。

機器學(xué)習(xí)

ML是自動駕駛汽車中AI開發(fā)人員的另一項必備技能。如前所述，無人駕駛汽車通過算法工作。隨著新問題的不斷出現(xiàn)，這些算法需要不斷的更新和完善。只有通過分析從整個自主車隊收集的運營數(shù)據(jù)，并根據(jù)預(yù)先設(shè)定的參數(shù)創(chuàng)建解決方案，才能使用機器學(xué)習(xí)來實現(xiàn)這些改進。

作為一個人工智能開發(fā)人員，擁有ML技能和數(shù)據(jù)集準(zhǔn)備就成為一種必要。你看，不管你的信息存儲庫有多大，如果你不能理解你的數(shù)據(jù)記錄，人工智能也幾乎是無用的。人工智能開發(fā)中常用的數(shù)據(jù)集有三種；

訓(xùn)練集：基本上，該數(shù)據(jù)集用于訓(xùn)練算法以理解不同的概念，例如神經(jīng)網(wǎng)絡(luò)以及學(xué)習(xí)和產(chǎn)生結(jié)果。

測試集：用于確定使用訓(xùn)練數(shù)據(jù)集對算法進行訓(xùn)練的程度。

驗證集：用于選擇最終算法模型。

測試集：用于評估最終算法的性能。

計算機視覺

考慮到自動駕駛汽車尚處于早期開發(fā)階段，要在城市交通擁擠的道路上大規(guī)模部署這些汽車將花費更長的時間。這是因為在設(shè)計和開發(fā)階段即使是最細微的缺陷也可能是致命的然而，通過計算機視覺等技術(shù)，此類事件發(fā)生的可能性大大降低。。

計算機視覺通過以下方式幫助自動駕駛汽車：

3D映射：“計算機視覺”是自動駕駛車輛中實時視覺數(shù)據(jù)捕獲背后的秘密。自動駕駛汽車上安裝的攝像機能夠記錄實時素材，對其進行管理并繪制3D地圖。借助這些地圖，自動駕駛汽車能夠發(fā)現(xiàn)障礙物，越過其指定的路徑，從而尋找替代路線，從而更好地了解其環(huán)境。

物體檢測：自動駕駛汽車還使用計算機視覺來檢測和分析不同的物體。使用攝像頭和LiDar傳感器測量距離，然后將收集的數(shù)據(jù)與3D地圖組合在一起，以定位車輛，交通信號燈和行人等物體。因此，自動駕駛車輛能夠立即處理此數(shù)據(jù)，并做出實時決策（例如制動以避免碰撞）。

訓(xùn)練算法：通過傳感器和照相機的幫助，計算機視覺是收集大量數(shù)據(jù)的絕佳方法。通過收集關(guān)鍵信息，例如位置信息，道路維護或交通狀況，自動駕駛汽車能夠提高意識并迅速做出關(guān)鍵決策。

如您所見，如果沒有計算機視覺，自動駕駛汽車將本質(zhì)上仍然是科幻幻想。作為一名AI開發(fā)人員，擁有這些技能將使您的工作變得更輕松。

基于雷達的檢測

根據(jù)IHS的最新報告，到2035年，自動駕駛汽車的銷量預(yù)計將達到1180萬輛。這是一個很大的數(shù)目，可能會引起很多安全方面的擔(dān)憂。但是，雷達（無線電檢測和測距）所取得的巨大進步有望使自動駕駛汽車更加安全。

雷達的工作原理是將無線電波從源頭發(fā)射到地面上。然后，表面將這些波反射到接收器系統(tǒng)，然后對其進行處理。RADAR解決方案的一個很好的例子是ADAS（高級駕駛員輔助系統(tǒng)）。它已經(jīng)在使用中，并且在盲點監(jiān)視，碰撞警告和物體檢測中表現(xiàn)出色。

隨著無人駕駛技術(shù)的迅速普及，世界各地的監(jiān)管機構(gòu)都在推動強制性包括高級駕駛員輔助系統(tǒng)和其他類似安全功能。

作為開發(fā)人員，熟悉RADAR，LiDAR和紅外（IR）等不同的傳感器系統(tǒng)肯定會為您帶來優(yōu)勢。

人機界面

人機界面的主要目的是為自動駕駛汽車駕駛員提供多個平臺，使他們可以與車輛功能進行交互。汽車制造商已經(jīng)與技術(shù)公司合作，正在建造熱銷生產(chǎn)線的破壞性HMI。人們還討論了從現(xiàn)代顯示器向更自主的增強現(xiàn)實平視顯示器（HUD）轉(zhuǎn)變的可能性。

對更高自治性的更高親和力也將通過使用Touch HoloActive系統(tǒng)進行觸覺運動，在自動駕駛汽車功能的遠程訪問方面開辟新領(lǐng)域。

而且，由于所有這些補充技術(shù)都需要一個平臺來錨定，因此對于任何AI開發(fā)人員而言，學(xué)習(xí)人機界面技術(shù)都是至關(guān)重要的。

云服務(wù)

自動駕駛汽車將需要彼此連接，以促進其運行環(huán)境的順暢流動，從而生成大量數(shù)據(jù)。例如，據(jù)估計，一小群自動駕駛汽車每天最多可產(chǎn)生4,000 GB。借助AI Cloud平臺，所有這些數(shù)據(jù)都可以存儲，并在需要時輕松檢索。不用說，創(chuàng)建這樣的平臺將需要一些AI技能。

人工智能開發(fā)人員薪水

人工智能開發(fā)人員的薪水迅速上漲得如此之快，以至于科技行業(yè)開了個玩笑，說AI薪水需要有類似于國家橄欖球聯(lián)盟的薪金上限。

這些巨大的薪資很大程度上受多種因素的影響。硅谷和汽車行業(yè)之間的競爭，需要熟練的專家。一方面，像Google和Facebook這樣的大型科技公司正試圖使用AI解決諸如發(fā)現(xiàn)令人反感的內(nèi)容和建立數(shù)字助理之類的問題，并且他們正在提供虛假的薪水。另一方面，汽車行業(yè)正在尋求招募大量AI開發(fā)人員來幫助制造自動駕駛汽車。一些人甚至在學(xué)術(shù)界為這些大手大腳的專業(yè)人士釣魚，導(dǎo)致加入AI領(lǐng)域的開發(fā)人員嚴重短缺。

人工智能的薪水清楚地反映了這種短缺。根據(jù)Indeed.com的數(shù)據(jù)，美國的人工智能工程師的平均年薪為134,135美元，而機器學(xué)習(xí)工程師的年薪約為169,930美元。

在英國，高級AI工程師的基本年薪為每年84,000英鎊，而實習(xí)生的年薪則高達25,000英鎊。與其他發(fā)達經(jīng)濟體相比，東歐國家的工資相對較低。例如，在烏克蘭，人工智能開發(fā)人員的月薪為10,000美元或每年約120,000美元。

總結(jié)

如果說埃隆·馬斯克（Elon Musk關(guān)于人工智能的言論為依據(jù)，誤用人工智能技術(shù)可能成為人類生存的最大威脅。幾年前，在一次采訪中，他警告說，智能機器可能會變得危險，并在未來威脅我們。

另一方面，比爾·蓋茨（Bill Gates）是AI的大力支持者，他說AI技術(shù)的興起將為我們的社會帶來效率。根據(jù)您的看法，這兩個技術(shù)專家是正確的。

但是到目前為止，我們已經(jīng)看到了AI在醫(yī)療保健，制造業(yè)和農(nóng)業(yè)等其他領(lǐng)域的優(yōu)勢。如果這是可行的，那么無人駕駛汽車行業(yè)還沒有看到最好的人工智能。

對于AI開發(fā)人員來說，AI自動駕駛汽車行業(yè)的未來是光明的。與該行業(yè)的增長和進步相關(guān)的工作可能今天不存在，但是最好學(xué)習(xí)技能然后等待，而不是稍后再學(xué)習(xí)。

本文轉(zhuǎn)自：新機器視覺