如何開始成為無人駕駛汽車的AI開發(fā)人員

幾十年前，人工智能被作為未來的技術(shù)來使用。時(shí)至今日，它正迅速從備受贊譽(yù)的未來技術(shù)過渡到我們周圍，并影響我們的日常生活。從預(yù)測下一個(gè)單詞以鍵入文本消息到為Instagram完美拍照，人工智能已被融合到我們每天使用的產(chǎn)品和服務(wù)中。

在制造業(yè)中，人工智能一直處于推動(dòng)轉(zhuǎn)型的最前沿。尤其是，這項(xiàng)技術(shù)擾亂了汽車制造業(yè)，催生了自動(dòng)駕駛汽車時(shí)代。迄今為止，估計(jì)已有200多家技術(shù)公司在開發(fā)軟件解決方案，以促進(jìn)從手動(dòng)駕駛向自動(dòng)駕駛汽車革命的過渡。

由于自動(dòng)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(dòng)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(xiǎn)創(chuàng)造最終將我們殖民的智能機(jī)器?

在本文中，我們將解決所有這些問題。我們還將探討AI如何幫助改進(jìn)自動(dòng)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(dòng)駕駛汽車及其操作方式

自動(dòng)駕駛汽車是指在無需人工幫助的情況下，利用AI，傳感器，攝像頭和雷達(dá)的組合進(jìn)行通勤的車輛。為了使車輛具有完全自主標(biāo)簽的資格，它必須使用一組預(yù)先設(shè)定的參數(shù)在沒有任何人工干預(yù)的情況下自主操作，從特定位置到預(yù)定目的地。

基本上，它們以非常基本的原則運(yùn)行，即AI開發(fā)人員開發(fā)自動(dòng)駕駛汽車系統(tǒng)，將它們與機(jī)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)建可以自動(dòng)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，路緣，行人，樹木和其他物體等模式。然后，該數(shù)據(jù)被饋送到機(jī)器學(xué)習(xí)算法，并進(jìn)行整理以創(chuàng)建自動(dòng)駕駛汽車在其中運(yùn)行的參數(shù)。

根據(jù)運(yùn)輸部2019年的報(bào)告，道路上的自動(dòng)駕駛汽車總數(shù)估計(jì)為1400。盡管這個(gè)數(shù)字似乎很小，但該國80多家頂級人工智能公司已投入大量資金，以實(shí)現(xiàn)自動(dòng)駕駛。

對于一個(gè)行業(yè)來說，其市值將達(dá)到$ 36.8 B，只有假設(shè)對AI開發(fā)人員技能的需求已經(jīng)超過供應(yīng)量才有意義。因此，今天學(xué)習(xí)人工智能是一個(gè)明智的主意。但是，在我們研究成為一名AI開發(fā)人員所需的條件之前，這里簡要概述了當(dāng)前的AI勞動(dòng)力市場。

人工智能勞動(dòng)力市場概述

顯然，機(jī)器學(xué)習(xí)和人工智能專業(yè)人員非常短缺。行業(yè)估計(jì)顯示，由于技能短缺，有超過500,000個(gè)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(bào)告，到2020年，人工智能將減少近180萬個(gè)工作崗位。而這項(xiàng)技術(shù)本身將創(chuàng)造230萬個(gè)工作崗位。AI工程師，機(jī)器學(xué)習(xí)工程師，計(jì)算機(jī)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(dòng)駕駛汽車行業(yè)的AI開發(fā)人員需要學(xué)習(xí)的必要技能

自動(dòng)駕駛作為一個(gè)相對較新的領(lǐng)域，如果要完全實(shí)現(xiàn)，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(dòng)駕駛汽車在其硬件中需要超過2.5億行代碼。這些多行代碼負(fù)責(zé)使汽車“智能”到足以了解現(xiàn)實(shí)世界中的周圍事物。此外，設(shè)計(jì)，構(gòu)造和操作自動(dòng)駕駛汽車需要無數(shù)不同的程序和平臺。

作為有抱負(fù)的AI開發(fā)人員或正在嘗試進(jìn)入這一領(lǐng)域的實(shí)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以及如何相互交互。特別是，在Python，C ++和Linux方面具有廣泛的經(jīng)驗(yàn)是不可商議的，因?yàn)樗鼈儤?gòu)成了自動(dòng)駕駛汽車行業(yè)的重要組成部分。

機(jī)器學(xué)習(xí)

自動(dòng)駕駛汽車中的AI開發(fā)人員的另一項(xiàng)必備技能是ML。如前所述，自動(dòng)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。只能使用機(jī)器學(xué)習(xí)來實(shí)現(xiàn)這種改進(jìn)，方法是分析從整個(gè)自主艦隊(duì)收集的運(yùn)營數(shù)據(jù)并根據(jù)預(yù)設(shè)參數(shù)創(chuàng)建解決方案。

作為AI開發(fā)人員，特別需要ML技能和數(shù)據(jù)集準(zhǔn)備。您會看到，無論您的信息存儲庫有多大，如果您無法理解自己的數(shù)據(jù)記錄，那么即使對人工智能無害，它也幾乎是無用的。AI開發(fā)中有三種常用的數(shù)據(jù)集;

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(jìn)行訓(xùn)練的程度。

驗(yàn)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(jì)算機(jī)視覺

考慮到自動(dòng)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(fèi)更長的時(shí)間。這是因?yàn)樵谠O(shè)計(jì)和開發(fā)階段即使是最細(xì)微的缺陷也可能是致命的。但是，通過諸如Computer Vision之類的技術(shù)，此類事件的發(fā)生率大大降低了。

Computer Vision通過以下方式幫助自動(dòng)駕駛汽車：

3D映射：“計(jì)算機(jī)視覺”是自動(dòng)駕駛車輛中實(shí)時(shí)視覺數(shù)據(jù)捕獲的秘密。安裝在自動(dòng)駕駛汽車中的攝像機(jī)能夠記錄實(shí)時(shí)素材，對其進(jìn)行管理并繪制3D地圖。借助這些地圖，自動(dòng)駕駛汽車能夠發(fā)現(xiàn)障礙物，并越過指定的道路，從而更好地了解其環(huán)境，從而尋找替代路線。

物體檢測：自動(dòng)駕駛汽車還使用計(jì)算機(jī)視覺來檢測和剖析不同的物體。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諸如車輛，交通信號燈和行人等物體。因此，自動(dòng)駕駛車輛能夠立即處理此數(shù)據(jù)，并做出實(shí)時(shí)決策(例如制動(dòng)以避免碰撞)。

訓(xùn)練算法：通過傳感器和照相機(jī)的幫助，計(jì)算機(jī)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(hù)或交通狀況，自動(dòng)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(jì)算機(jī)視覺，自動(dòng)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(dá)的檢測

根據(jù)IHS 的最新報(bào)告，到2035年，自動(dòng)駕駛汽車的銷量預(yù)計(jì)將達(dá)到1180萬輛。這是一個(gè)相當(dāng)大的數(shù)目，可能會帶來很多安全隱患。但是，雷達(dá)(無線電檢測和測距)所取得的巨大進(jìn)步有望使自動(dòng)駕駛汽車更加安全。

雷達(dá)通過將無線電波從信號源傳輸?shù)降孛嫔蟻砉ぷ?。然后，表面將這些波反射到接收器系統(tǒng)，然后對其進(jìn)行處理。RADAR解決方案的一個(gè)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(diǎn)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(jī)構(gòu)都在推動(dòng)強(qiáng)制性加入高級駕駛員輔助系統(tǒng)和其他類似的安全功能。

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(jī)界面

人機(jī)界面的主要目的是為自動(dòng)駕駛汽車駕駛員提供多個(gè)平臺，使他們可以與車輛功能交互。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I。人們還討論了從現(xiàn)代顯示器向更自主的增強(qiáng)現(xiàn)實(shí)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(jìn)行觸覺運(yùn)動(dòng)，在自動(dòng)駕駛汽車功能的遠(yuǎn)程訪問方面開辟新的領(lǐng)域。

而且，由于所有這些輔助技術(shù)都需要一個(gè)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(jī)界面技術(shù)都是至關(guān)重要的。

云服務(wù)

自動(dòng)駕駛汽車將需要彼此連接，以促進(jìn)其運(yùn)行環(huán)境的順暢流動(dòng)，從而生成大量數(shù)據(jù)。例如，據(jù)估計(jì)，一小群自動(dòng)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(shí)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(gè)玩笑，說人工智能的薪水需要有類似于橄欖球聯(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催化。硅谷和汽車行業(yè)之間的競爭，這是熟練的專家。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，以幫助制造自動(dòng)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)人士垂釣，導(dǎo)致加入AI領(lǐng)域的開發(fā)人員嚴(yán)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)，人工智能工程師的平均年薪為134,135美元，而機(jī)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(shí)習(xí)生的年薪則高達(dá)25,000英鎊。與其他發(fā)達(dá)經(jīng)濟(jì)體相比，東歐的工資相對較低。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。

最后的想法

如果說埃隆·馬斯克(Elon Musk)關(guān)于人工智能的話無話可說，那么濫用AI技術(shù)可能會成為對人類的最大生存威脅。幾年前，他在一次采訪中警告說，智能機(jī)器可能會變得危險(xiǎn)，并在未來殖民我們。

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(gè)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(dòng)駕駛汽車行業(yè)的未來是光明的。與該行業(yè)的增長和進(jìn)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)。’