自駕車的訓練過于謹慎，但可能會出現需要進行高速機動以避免碰撞的情況。這些車輛裝飾著價值數萬美元的高科技傳感器，并以奶奶的速度進行編程，可以像人類一樣處理這些瞬間的決定嗎?

斯坦福大學的工程師可能會有答案。他們創建了一個神經網絡，可以使無人駕駛汽車像賽車手一樣進行高速，低摩擦的操作。當它們最終到達時，無人駕駛汽車將需要超越人類的能力，因為94%的碰撞可歸因于人為錯誤。研究人員表示，這是提高自動駕駛汽車避免事故能力的重要一步。

本周早些時候在科學 機器人雜志上發表的一篇論文的主要作者納森斯皮爾伯格說：“我們希望我們的算法能夠與最熟練的駕駛員一樣好 - 而且希望更好。” “我們的工作是出于安全的原因，我們希望自動駕駛汽車能夠在許多情況下工作，從高摩擦瀝青的正常駕駛到冰雪中快速，低摩擦的駕駛。”

該團隊使用了一種稱為神經網絡的人工智能算法，該算法松散地基于我們大腦中的神經網絡，以創建自動駕駛系統。神經網絡是一種機器學習，程序員可以構建模型來篩選大量數據并查找模式。這些網絡用于為自主車輛的“大腦”供電，該大腦通常是存儲在每輛車行李箱中的高功率GPU，用于控制決策過程。

斯坦福大學的團隊訓練了一個神經網絡，其中包含200,000個運動樣本的數據，包括在冰雪等滑溜的表面上進行試駕。然后他們將他們的系統帶到薩克拉門托山谷的Thunderhill賽道進行測試。斯坦福大學的車隊在他們的測試中使用了兩輛自動駕駛汽車：Niki，一輛自動駕駛的大眾GTI，以及Shelley，一輛自主的奧迪TTS。

首先，Shelley在基于物理的自動系統控制下加速，預裝了有關課程和條件的固定信息。當在連續10次試驗中對同一球場進行比較時，雪萊和熟練的業余車手產生了相當的單圈時間。然后，研究人員用他們新的神經網絡系統加載了Niki。雖然神經網絡缺乏關于道路摩擦的明確信息，但汽車的表現類似于運行學習和基于物理的系統。

該團隊表示他們對結果感到鼓舞，但強調他們的神經網絡系統在任何環境中都表現不佳。他們需要 - 還有什么? - 更多數據能夠處理更廣泛的條件。