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過渡到我們實際使用中，并影響我們的日常生活。從預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品和服務中。

在制造業中，人工智能一直處于推動轉型的最前沿。尤其是，這項技術打破了傳統汽車制造業，催生了自動駕駛汽車時代。迄今為止，據估計，已有200多家科技公司正在開發軟件解決方案，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，因此這一概念引起了公眾和利益相關者的許多關注。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開發人員在這場革命中的作用以及人工智能在汽車行業的未來。

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簽的資格，它必須在沒有任何人工干預的情況下，使用一組預先設定的參數，從一個特定的位置自動操作到預定的目的地。

基本上，它們的運行遵循一個非常基本的原則，即人工智能開發人員開發自動駕駛汽車系統，將其與機器學習、神經網絡和圖像識別系統融合，以創建能夠自動駕駛汽車的復雜系統。

借助神經網絡，人工智能系統能夠從成像系統識別交通信號燈、路牌、路邊緣、行人、樹木和其他物體等模式。然后，此數據被饋送到機器學習算法，并進行整理以創建自動駕駛汽車在其中運行的參數。

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

對于一個市值將達到36.8億美元的行業來說，對AI開發者技能的需求很非常大。因此，今天學習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者之前，這里有一個關于當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，機器學習和人工智能專業人員非常短缺。行業估計顯示，由于技能短缺，有超過500,000個與AI相關的空缺職位。硅谷的跨國技術公司擁有大量的資源，并且能夠吸引最優秀的人才來構建其解決方案。但是，小型公司甚至很難找到初級開發人員。

根據PWC的一份報告，到2020年，人工智能將消除近180萬個工作崗位。而這項技術本身將創造230萬個工作崗位。AI工程師，機器學習工程師，計算機視覺工程師和數據科學家是AI生態系統中最受追捧的專業人員。

其他要求很高的AI技能包括Python和R編程，數據科學，Java，Hadoop，數據挖掘，大數據，Spark和SAS。

作為自動駕駛汽車行業的AI開發人員需要學習的技能

作為一個相對較新的領域，如果要完全實現自動駕駛，則需要廣泛的現有技能和尚未出現的技能。如果您正在尋找如何成為汽車行業AI開發人員的方法，那么這里是您需要學習的一些技能。

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。這些多行代碼負責使汽車“智能”到足以了解現實世界中的周圍事物。此外，設計，構造和操作自動駕駛汽車需要無數不同的程序和平臺。

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。這些多行代碼負責使汽車“智能”到足以了解現實世界中的周圍事物。此外，設計，構造和操作自動駕駛汽車需要無數不同的程序和平臺。

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

機器學習

ML是自動駕駛汽車中AI開發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，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據，并根據預先設定的參數創建解決方案，才能使用機器學習來實現這些改進。

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

訓練集：基本上，該數據集用于訓練算法以理解不同的概念，例如神經網絡以及學習和產生結果。

測試集：用于確定使用訓練數據集對算法進行訓練的程度。

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階段，要在城市交通擁擠的道路上大規模部署這些汽車將花費更長的時間。這是因為在設計和開發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，此類事件發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據捕獲背后的秘密。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現障礙物，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，然后將收集的數據與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據，并做出實時決策（例如制動以避免碰撞）。

訓練算法：通過傳感器和照相機的幫助，計算機視覺是收集大量數據的絕佳方法。通過收集關鍵信息，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上仍然是科幻幻想。作為一名AI開發人員，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IHS的最新報告，到2035年，自動駕駛汽車的銷量預計將達到1180萬輛。這是一個很大的數目，可能會引起很多安全方面的擔憂。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射到地面上。然后，表面將這些波反射到接收器系統，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）。它已經在使用中，并且在盲點監視，碰撞警告和物體檢測中表現出色。

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

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

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。汽車制造商已經與技術公司合作，正在建造熱銷生產線的破壞性HMI。人們還討論了從現代顯示器向更自主的增強現實平視顯示器（HUD）轉變的可能性。

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域。

而且，由于所有這些補充技術都需要一個平臺來錨定，因此對于任何AI開發人員而言，學習人機界面技術都是至關重要的。

云服務

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

人工智能開發人員薪水

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

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解決諸如發現令人反感的內容和建立數字助理之類的問題，并且他們正在提供虛假的薪水。另一方面，汽車行業正在尋求招募大量AI開發人員來幫助制造自動駕駛汽車。一些人甚至在學術界為這些大手大腳的專業人士釣魚，導致加入AI領域的開發人員嚴重短缺。

人工智能的薪水清楚地反映了這種短缺。根據Indeed.com的數據，美國的人工智能工程師的平均年薪為134,135美元，而機器學習工程師的年薪約為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，而實習生的年薪則高達25,000英鎊。與其他發達經濟體相比，東歐國家的工資相對較低。例如，在烏克蘭，人工智能開發人員的月薪為10,000美元或每年約120,000美元。

總結

如果說埃隆·馬斯克（Elon Musk關于人工智能的言論為依據，誤用人工智能技術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技術的興起將為我們的社會帶來效率。根據您的看法，這兩個技術專家是正確的。

但是到目前為止，我們已經看到了AI在醫療保健，制造業和農業等其他領域的優勢。如果這是可行的，那么無人駕駛汽車行業還沒有看到最好的人工智能。

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

本文轉自：新機器視覺