德国慕尼黑工业大学（TUM）的一个研究人员团队开发了一款新型车辆预警系统，这个系统能利用人工智能学习数千种真实的交通情景。这个系统的一项研究是与宝马集团合作进行的。结果显示，如果用在当今的自动驾驶车辆上，该系统能提前七秒钟对车辆无法独自处理的潜在危险情形进行预警，准确性超过85％。
为了使未来的自动驾驶汽车更安全，开发工作通常依赖于复杂精密的模型，致力于使车辆有能力对所有交通参与人的行为进行分析。但是，如果模型仍然不能处理一些复杂或没有预见到的情形，会发生什么呢？
与埃克哈德·斯坦巴赫教授开展合作的一个团队正在采取一种新方法，埃克哈德·斯坦巴赫教授是媒介技术的主席，还是慕尼黑工业大学慕尼黑机器人与机器智能学院（MSRM）董事会的一名董事。借助人工智能（AI），他们的系统可以学习过去自动驾驶试验车辆在现实道路交通中被推到极限的情形。这些情形是人类驾驶员会接手的情形——要么是因为汽车发出需要人工干预的信号，要么是因为驾驶员出于安全考虑决定进行干预。
通过递归神经网络进行模式识别
这项技术使用传感器和摄像头来捕捉周围的情况，并且记录车辆的状态数据，如方向盘角度、道路状况、天气、能见度和速度。基于递归神经网络(RNN)的人工智能系统学习用数据识别出模式。如果这个系统在新的驾驶情形中发现了控制系统过去无法处理的一个模式，那么驾驶员将在可能的严重情况发生之前得到警告。
“为了让汽车更加自主，许多现有的方法都是研究汽车现在对交通状况的了解，然后试图改进车辆使用的模型。我们技术的大优势是：我们完全不理会汽车的想法。取而代之的是，我们根据实际发生的情况将自己限制在数据上，并且寻找模式，”斯坦巴赫说道。“通过这种方式，人工智能可以发现模型可能无法识别或尚未发现的潜在关键情形。因此，我们的系统提供了一个安全功能，可以知道汽车在何时何地有缺陷。”
提前7秒发出警告
这个研究团队与宝马集团用宝马集团开发的自动驾驶汽车在公共道路上对这项技术进行了测试，并且分析了大约2500种司机不得不干预的情况。研究表明，这项人工智能技术已经能够预测潜在的危险情形，准确性超过了85％，即在这些潜在危险情形发生前最长可提前七秒钟发出警告。
数据收集无需付出更多努力
需要大量数据才能让这项技术发挥作用。这项人工智能技术毕竟只能在系统极限情况下的体验进行识别和预测，前提是这些情形是过去见到过的。随着大量试用车辆的上路，数据实际上是车辆自己产生的，这项研究的一位作者克里斯托弗·库恩说：“每次试驾遇到潜在的紧急情况时，我们最终都会得到一个新的培训示例。”数据的集中存储使每辆车都有可能学习整个车队记录的所有数据。”
