而在达摩院构建的场景下，一辆车日均可检测 4000 万个障碍物，每天与行人和非机动车进行超过 5000 次的交互。随着更多的车辆被部署后，其产生的数据将是难以想象的。
获取数据之后，最重要的节点就是掌握利用数据的方法。
王刚表示，“数据是一个石油，但是怎么样提炼出来是另外一个同样重要的问题。” 而实现这样的人工智能无外乎三个方向。
第一个方向是学习人脑。不过王刚也表示，人脑是非常复杂的结构，很难做到彻底了解，因此不宜在这个方向投入太多的资源。第二个方向是自动化学习，即通过仿真虚拟化场景提高人工智能能力，而不过度依赖人工的经验和能力。第三个方向是小样本学习能力，同样受人的启发。
达摩院自动驾驶实验室在自动化学习上做了很多努力，且拥有了独属于自身的差异化竞争优势，分别表现在硬件和工程上。王刚说道，“比如我们做了无人驾驶全链路的自动化学习，包括最困难的决策规划、控制以及定位，而不仅仅是常见的感知和图象识别，这就是我们工程上的差异化。”
将智能仿真和强化学习相结合
那么如何将智能仿真和强化学习结合在一起呢？
王刚表示，谷歌作为世界上最好的 AI 公司之一，其实已经做了类似的探索，那就是阿尔法围棋（AlphaGo）。作为第一个战胜围棋世界冠军的人工智能机器人，AlphaGo 由谷歌旗下 DeepMind 公司戴密斯·哈萨比斯（Demis Hassabis）领衔的团队开发，其主要工作原理正是 “深度学习”。
但之所以这样的方法没有大规模应用在机器人和无人驾驶领域，在于其中仍有迫切需要解决的问题。
首先是如何仿真场景，因为在围棋领域，仿真是非常容易的，把棋盘画出来就可以了，而无人驾驶却需要构造交通场景，这就需要工程上的投入。
其次，从算法上来讲 AlphaGo 是离散空间，而无人驾驶场景却是连续空间，所以达摩院也研发出了基于连续空间的蒙特卡洛树搜索算法，从而让该方法在连续空间里同样得以实现。
在王刚看来，积累数据和用好数据都是为了去更好地解决自动驾驶问题。他表示，“目前我们已经基本解决了末端的低速问题，不仅能满足业务需求，还极大地降低了成本。在未来，我和团队将围绕更泛化的场景做进一步的研发，并基于当前的经验以及数据去攻克更大的挑战。”
【 自动驾驶|阿里达摩院王刚：数据驱动是解决无人驾驶难题的关键技术路径】-End-

• 酷睿处理器|关键数据出炉，京东比阿里差远了
• 观光巴士|无人驾驶观光巴士走进湖滨
• 资讯丨智能DHT＋高阶智能驾驶辅助，魏牌开启“0焦虑智能电动”新赛道
• 算力|不靠显卡！NVIDIA在中国焕发第二春：自动驾驶芯片被车厂爆买
• 自动驾驶|华为首秀自动驾驶，王兴：特斯拉遇到技术与忽悠能力相当的对手了
• CPU|阿里反贪第一人蒋芳，入职23年将7名高层送入狱，连马云都可以查
• 美通社|驭势科技与Teksbotics打造无人驾驶递送车现身沙特 | 阿卜杜拉
• 测试|解码自动驾驶商业化进阶的亦庄样本
• 阿里巴巴|社区团购是互联网巨头的宝地，美团拼多多发展强劲，阿里坐不住了
• 阿里巴巴|被苹果无辜“踢出局”，引发央视点名，国产制造该何去何从？