智东西（公众号：zhidxcom）
译 | 连然

自动驾驶涉及到巨大的计算问题，以至于传统的计算机技术失去了用武之地。于是Nvidia转而选择了用被称为深度学习的人工智能技术来训练计算机以使其了解在道路上如何识别危险，安全引导自动驾驶的进行。

这种技术需要大量的识别模式和发达的计算能力，也就意味着Nvidia需要用图形处理单元，或GPU来进行处理。黄仁勋，Nvidia公司的首席执行官，在本周的2016国际CES上表示如果云计算或者汽车超级计算机里有了足够的GPU的话，深度学习将会非常实用。

黄仁勋称Nvidia的策略是创建GPU以确保深度学习的进行，创建供他人使用的深度学习平台，以及创建终端到终端的深度学习网络用于学习和解决现实世界的问题。

他还表示关键之一在于深度学习网络会随着时间在物体识别方面能够有所进步，例如在危险驾驶情况下对行人的识别。Nvidia建立了名为Jetson的深度学习平台，致力于实现对驾驶图像的识别。

在对自动驾驶的处理过程中还会用到Nvidia的新型汽车超级计算机，Nvidia PX 2，同样基于云计算的深度学习网络。黄仁勋表示GPU将深度学习的计算效率提高到了20到40倍。因此，这类平台将能够处理自动驾驶中的问题。

“我们看到深度学习的应用程序数量是相当惊人的，”黄仁勋表示。 Nvidia将开发一个用于PC到自动驾驶汽车的深度学习平台，解决终端到终端的问题。

Nvidia正在不断地从汽车中收集数据，用于训练神经网络对正确与错误行为的辨识。目前已收集到1.2万张左右的图像用于训练。由此可见，随着时间的推移，深度学习网络将变得越来越聪明。

目前Nvidia的Drivenet深度学习神经网络，拥有相当于37亿个神经元或脑细胞的样细胞，在网络上运行一次需要耗费约400亿个操作，并且每运行一次都会变得更好。该网络在七月正确识别物体的成功率大约为39％，现在已经达到了88％。Nvidia已经对它进行了120亿个对象的训练。

Nvidia的PX2超级计算机能够收集数据并将其发送到运行车载信息娱乐系统的Nvidia CX，例如仪表盘，从而使驾驶员可以实现实时监测。