深度学习是个大概念，你说这个好比说编程一样，天下编程都一样吗？
另外什么脚“真正的自动驾驶”，如果完全不出错才算的话，那就绝对不是真正的自动驾驶
只要出错概率低于人类百分之一，甚至千分之一，其实就够了
想象一下，没有自动驾驶，每年死亡8万人，有了死80-800人，这还不香吗
【 在 qtpr 的大作中提到: 】
: 深度学习（DL）早就在“智驾”系统里用了。不过之前DL主要侧重于感知，即做对象识别之类的基础性任务。基于感知结果的决策，往往是基于规则的。所谓的端到端就是把决策这一块功能也用DL的数据驱动训练来实现了。
: 虽然规则系统有一些众所周知的局限性，例如一阶逻辑不完备二阶及以上逻辑可能不一致，以及规则系统设计的人力成本较大等等。但是规则系统跟冯诺依曼架构下的DL模型在理论上没有区别，后者实质上只是一个由数据驱动的规则系统而已（有些做“DL模型解释”的人，就是研究把DL模型映射成规则系统）。虽然数据驱动的路线可以降低开发和维护的人力成本，加快系统迭代演化的频率，但数据驱动模型本质上是统计的，模型所能学习的只是样本相关，不能保证能学到真正的总体相关，更遑论因果关系。所以这类模型的智能上限是相当可疑的，不足以承担真正的自动驾驶。
--
FROM 36.110.8.*

这是你的想象，实际数据表明，比人开车事故率低得多。尽管如此，还没做到低到能让监管部门认为放心的程度，需要再低。接下来就会测试完全不用人接管的自动驾驶。你想接管也没有，因为没有方向盘和刹车。

【 在 alou 的大作中提到: 】
: 头疼的是你完全依赖它的话，它会杀死更多的人，或者完全不工作。
:
--
FROM 36.110.8.*