正如字面意思所示，自动驾驶和无人驾驶有所区别，无人驾驶是自动驾驶的高级阶段。例如，现在电动汽车品牌特斯拉已经实现了一定程度的自动驾驶，但是自动驾驶时人类驾驶员仍然需要把手按在方向盘上，这说明特斯拉的技术还不是“无人驾驶”，人类驾驶员还需要保持警惕。
为了更方便地区分和定义自动驾驶技术，有许多组织对自动驾驶进行了分级。目前全球汽车行业公认的两个分级制度分别由美国高速公路安全管理局（NHTSA）和国际自动机工程师学会（SAE）提出，具体分级标准如表10-1所示。
表10-1 自动驾驶分级
其中国际自动机工程师学会的分类更加详细且更容易理解，它将自动驾驶技术分为L0到L5六个级别。
L0是指传统驾驶，完全由人类驾驶员进行驾驶操作，属于纯人工驾驶，汽车只负责执行驾驶人的命令，没有处理器进行驾驶干预。
L1是指自动驾驶系统在一些时点能够辅助人类完成某些驾驶任务，这些技术包括车道保持系统、自动制动系统等，现在很多车辆已经使用了这些技术。
L2是指自动驾驶系统能够完成某些驾驶任务，但人类需要参与监控驾驶环境并准备随时接管。根据公开的数据，绝大多数自动驾驶企业都已经做到了L2级别的自动驾驶。例如，特斯拉在高速公路的自动驾驶就属于此级别。
L3是指人类驾驶员不再需要手脚待命，机器可以独立完成几乎所有驾驶操作，但人类驾驶员需要保持注意力集中，以便应对可能出现的人工智能无法处理的极端特殊情况。
L4和L5级别是真正的无人驾驶，或者称为完全自动驾驶技术。汽车可以在完全不需要人类介入的情况下完成所有的驾驶操作，这意味着人类可以将注意力放在其他方面，比如工作或休息。
L4和L5在场景方面有所区别。L4级别的自动驾驶适用于部分场景，这些场景对自动驾驶技术要求相对较低，通常指在城市或在高速公路行驶的场景。L5则要求自动驾驶汽车在任何场景都可以完成自动驾驶。
一般自动驾驶是通过在某种意义上模拟人类驾驶行为来实现的，需要汽车也“能听、能看、能思考”。这是通过传感器、控制器和执行器实现的，传感器赋予汽车听觉和视觉，控制器起到大脑的作用，而执行器用来替代人类的手、脚，如图10-11所示。
图10-11 自动驾驶简单技术图
深度学习被广泛地用于自动驾驶的各个方面，并且起到了关键的作用。可以使用卷积神经网络处理和理解图像，这对车辆判断路面情况，识别交通标志和信号是至关重要的。可以通过递归神经网络处理语音信息及其他带有时间标记的数据，这可以帮助车辆方便准确地接收人类指令，并对路面上的各种声音做出反应。多数自动驾驶技术需要进行超长时间和里程的路测，通过路测不断学习并更新系统，这涉及诸如强化学习、对抗生成网络和迁移学习等深度学习的细分领域。
作为人工智能的一个终极应用场景，自动驾驶是促进人工智能发展的重要推动力，也是检测各种技术能力的试金石。人工智能的应用场景当然不限于此，读者可以充分发挥想象力，学习和探索各种已知和未知的应用场景。在已有场景中不断取得新的技术突破固然重要，但是充分发挥人类的想象力，不断探索各种未知的人工智能应用场景也同样是重要而且美妙的事情。本书只是起到介绍、认知、实践、入门的作用。机器通过学习不断更新参数，得到更加智能的系统；希望读者也在学习人工智能的过程中，不断更新自己的认知水平，建立更加完善和深刻的人工智能知识系统。
