主题：人类在所有竞技项目上输给机器是必然的 -- 贼不走空

找来看了一下，大致有这么一些感受

首先，自动驾驶和阿尔法狗有一个很大的不同点，设计者对自动驾驶的算法控制能力比阿尔法狗中要强得多。在阿尔法狗中，是以深度学习的选位和胜率判断为主，然后MCTS主要是用来实现利用深度学习进行后手预测的工具；而在自动驾驶中，深度学习只是作为一种特殊的传感器，比如告诉你周边有人、有车、有路牌等等之类的信息，真正的决策机构应该是一个类似于专家系统的东西，应该不可能用深度学习去学习交规哈，直白点说就是一堆的if...else...告诉汽车如果前面有人就要刹车等等

从这样的一个系统上看，其实控制力比较弱的就只是深度学习部分，但是在本次事故中，深度学习表现一切正常，没有出现装着看不见公交车或者认成飞机之类稀奇古怪的问题。专家系统的部分是可以完全控制的，所以修改也很便捷，“现在谷歌已经对其软件进行了修改，让软件不太可能认为公交和其他大型车辆将会向其让路。”看来大车在哪里都是路霸啊。。。

软件系统上看起来谷歌无人车问题不大，但是整体系统设计说道起来就可能有问题的了

看到说撞车时无人车时速只有大约3km/h，在这个时速下，随便一脚刹车就踩停了，居然撞了上去。。。首先一种可能，系统猜测公交车会让行，一脚油就启动了，然后就没继续跟踪监控两者之间的距离了吗？这个可能有点太弱智了，那么第二种可能，虽然在跟踪距离，但是系统响应时间太慢，等反应过来已经撞了，还有第三种可能，隔得太近了，撞车这边有盲区（可能性不太大，测试这么久了，有盲区早发现了），或者是离近了摄像头拍出来的公交车已经不知道是个什么鬼了

不管是出于哪种原因，这个可能只有谷歌自己知道，感觉谷歌这次有点太托大了，我觉得这种还在做实验的东西，怎么也该来个双保险吧，先在车子一圈装几十个倒车雷达，然后滴滴滴了就来一脚刹车，在保证安全方面绝对比再NB的深度学习都要更稳定可靠。毕竟谷歌基本上是一个纯软件公司，估计不能理解什么叫“能靠机械的就不要靠电气，能靠电气的就不要靠软件”吧

深度学习属于机器学习，经常又叫模式识别，所谓模式，其实就是一套较大概率适用的规律，在规律找到之后，我们就可以利用规律直接从因得到果，免去中间复杂的推导和计算，所以看起来就跟人类的“直觉”一样

所以基本上只要这个任务的实质是属于“找规律”的，深度学习理论上来说都能够胜任，而且可能比人做得更好

况且煽风点火的媒体往往并不懂计算机，甚至不懂围棋，而是说“古狗在研究人类的明天而百度变成了骗子”这样的话，说“来中国挑战麻将”这样的话

王羲之还没有实现，不过梵高已经被训练出来了，语音的理解、合成也很多了

算法的“自动化”“数据驱动”的“学习”依旧局限在人设计的范畴内，算法能够使用的资源仍然是有限的