好不容易放个假，好好歇歇。所以咱们这次，就不给大家讲 Python 编程了。
但是咱们要谈的话题，依然是和数据科学有关。那就是——自动驾驶。
我上课的时候，没少给学生播放 Tesla 那段脍炙人口的自动驾驶视频。学生们都觉得很惊艳。
但是，看视频，和自己坐在这样的车上，还是有些区别的。
前几天，我刚好有个机会，亲自体验了一把。
地点是在得克萨斯州的 Arlington 。当天早上，我应 North Central Texas Council of Governments（以下简称 NCTCOG） 的邀请，做了一场报告，介绍如何用深度神经网络分析 Waze 交通事件数据序列，预测交通拥堵。
报告效果不错。会后主办方的 Thomas 和 Clint 很热情地与我们共进午餐（当然，还是AA制），还邀请我们 UNT 团队坐了自动驾驶汽车，往返于他们单位和餐馆。
目前这种自动驾驶服务，还不是到处都有。因此车辆虽然是小汽车，但是也像公交车一样，设置了几个固定的站点。
NCTCOG 楼下，刚好就是一站。
Thomas 的手机上，已经安装好了 App，因此他很娴熟地来到这个机器前面，输入了相关信息，不一会儿就收到提示，5分钟以后，车就会到。
跟我一起来的两位 UNT 成员，分别是计算机系的杨青老师，和我们系的博士生 Habib 。
他俩的共同特点，是都坐过自动驾驶汽车了。
所以，可想而知，最兴奋的，是我。
Thomas 的手机 App 提示车辆接近的时候，我们几个就来到了大门外的站牌前面等候了。
不一会儿，一辆绝对足够显眼的橙色小车，就来了。
车辆停下，我有些失望。
不是说好了无人驾驶吗？
坐在驾驶位上这位大哥，你……
有意思的是，车虽然停下来，但是车门是不开的。
叫车的人，得到副驾驶位车门跟前，根据屏幕提示“对暗号”，也就是几个数字。输入正确后，后方车门自动解锁。
我们三个人，坐在后排，有点儿挤。
不过我一看前方椅背上的屏幕，立刻就激动起来了。
屏幕分上下两部分。上面是摄像头拍摄的左、前、右三方实景，下方是车辆感知周围物体的动态图像。
车辆周围的物体，都被识别得一清二楚。
前排大哥说了欢迎词，然后让我们系好安全带后，自己按下绿色按钮。
按完之后，车辆就自动起步，然后就按照设定的终点规划路线，开起来了。
停车场、小路、大路、交叉路口……每一种场景，车辆都能轻松应付。
甚至是连左转弯，都可以正确识别对方直行车辆，严格根据交通法规礼让之后，才会转。
在这个过程中，你当然可以看窗外的景色。但是我的注意力，全都被那块小屏幕吸引住了。
不管是动态还是静态的物体，识别得都及时准确。车速、方向、距离的掌握都与人类司机驾驶的效果无异。
我很怀疑前面大哥自己开的。大哥只好很无辜地把双手举起来给我们看，证明目前的转弯，确实不是他做的。
他特别说明，自己的职位，不是“司机”，而是“自动驾驶交通工具操作员”（以下简称“操作员”）。
这份工作的上岗考试，可比出租司机复杂多了。
我们于是问：“既然无人驾驶，为什么还要在司机位置坐人呢？”
操作员说，这是为了安全起见。如果真的出现紧急状况，他会介入干预，以保证乘客的安全。
介入的方法，包括触碰方向盘、油门、刹车等。总之，只要人一干预，车自动转让控制权。
我问，这样需要介入干预的情况，有多频繁？
他笑了，说就他自己的经验而言，一次都没有。
Habib 特别能聊，一路上都在问操作员问题。我从他们的对话里，学到了不少东西。
原来，这不是他服务的第一家自动驾驶企业。
之前，这位操作员曾经在另外两家公司干过。
于是 Habib 让他谈谈区别。
他说，之前操作过的自动驾驶车辆，从配置上来说，也是有摄像头、传感器、雷达这些外设标配。
但是最大的区别，在于早先那些车辆，用的是基于规则（rule-based）的程序。
基于规则，就意味着人需要把所有可能的情况，都预先编写到程序里面。这样，人考虑的不周全的地方，也成了后面实际驾驶环节中，可能出现的隐患。
所谓“智者千虑必有一失”，因此可想而知，这种隐患会有多大。
然而现在他操作的车辆，用的是（深度）机器学习模型。
人们不用预先设定各种情况的处理方式。车辆自己根据数据来学习。
车在路上跑的时间越长，积累的数据就越多，模型能应对的情况也就越多。
之所以现在只能按照固定的站点跑，是为了安全起见。实际上，车辆走的并不是封闭道路，因此各种车辆、行人、路标基本上都见过了。
一个让人疑惑的问题，是如果遇到天气不好的时候，怎么办？
操作员的回答是，目前的规则，是安全第一。如果遇到下大雨，影响视觉，那就暂时不提供服务。
但是后来我听杨老师补充，目前这种车辆，使用的已经是激光雷达。这种雷达，根本不关心下雨这种影响视线的问题，对物体都能正确识别。
想想，估计也是因为新生事物，大家都加以保护吧。毕竟如果灾害天气出行，万一因为非技术原因出了事故，可能会对产业的发展都造成影响。小心驶得万年船啊。
Habib 自然而然地，就问了个问题：
你觉得都改成了自动驾驶，会不会造成大量失业？
操作员斩钉截铁认为不会。
一些职位被取代的同时，也会有新的职位创造出来。例如说他自己。如果没有自动驾驶，他又哪来的现在的工作岗位呢？
他说，自动驾驶是未来的趋势。机器来操作车辆，远比人要来得安全。人类不用开汽车了，还可以做许多其他更有用的事情。
杨老师也跟我解说了未来自动驾驶会给社会带来的改变。
至少，所有的路牌，全都不需要了。其实有了 GPS 之后，这些路牌的价值就已经大打折扣。
所有的路牌，可都是需要花钱购买、安装和维护的。这笔费用，不可小视。
另外，公路上的汽车，如果都是自动驾驶，那么电脑之间就可以进行直接通信。道路的限速可以从现在的70提升到90，而且车辆之间的距离也可以大幅缩短。
这一切，不仅提升了效率，也并不会以牺牲安全为代价。
从餐馆回去的路上，我们刚好看到了一个非常有趣的情景。
自动驾驶汽车的站点，刚好在一个公交车站后面。
我们走过去的时候，一辆公交车，就停在自动驾驶汽车的前面。
两种诞生日期相差百年的交通工具，静静地停在一起。
未来和历史，就这样活生生地呈现在我们眼前。
如果你有机会来得克萨斯州，欢迎到 Arlington 或 Frisco 来体验自动驾驶汽车。这是对公众开放的项目，任何人都可以尝鲜。
更重要的是，（至少目前阶段）这项服务，是免费的。
写完文章才发现，今天刚好是除夕。
给各位亲爱的读者拜个年！
王树义祝大家新春快乐、万事如意！
喜欢请点赞和打赏。还可以微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。
如果你对 Python 与数据科学感兴趣，不妨阅读我的系列教程索引贴《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
