1994 年某個陽光明媚的秋日，法國 Autoroute 高速上，其他車主可能沒有意識到正在發生的不同尋常的事情，兩輛德國牌照的豪華轎車正在行駛於高速。這兩輛灰色的梅賽德斯奔馳 500 SEL 正在加速到時速 130 公裏，它們通過路況自動做出改變，沒錯，這兩輛車是自動駕駛的，計算機控制方向盤，油門和剎車，而且它們這趟行程經過了德國和法國政府的允許。
在谷歌、特斯拉、Uber 開展自動駕駛業務的近 30 年前，壹名叫 恩斯特·迪克曼斯 的德國科學家領導者壹個工程師團隊已經成功的實現自動駕駛。
今天園長來講講迪克曼斯的自動駕駛，以及他如何被人遺忘，順便再說壹下 AI 歷史浪潮中的自動駕駛的起起伏伏。
迪克曼斯現在 82 歲，他已經停止向研究人員提供壹般性建議，他說「人們永遠不應該完全忽視曾經非常成功的方法」。
在成為「自動駕駛實際發明者」之前，迪克曼斯工作的前十年是分析太空飛船重回地球在大氣層所需的軌跡。
作為壹名航天工程師，他在西德雄心勃勃的航天界迅速晉升，在 1975 年，不到 40 歲的他在大學的研究院任職。
在此段時間，他的人生使命發生了改變：他想讓汽車自己認路。迪克曼斯越來越相信，他的未來不在太空而是陸地。幾年內，他買了壹輛面包車安裝了計算機，照相機和傳感器，並於 1986 年開始在大學內測試。
大學同事們說他是個怪人，但是因為之前航天領域的成績，所以對他也就睜壹只眼閉壹只眼。
1986 年，迪克曼斯的面包車成為第壹輛自動駕駛汽車。次年，這輛車在巴伐利亞尚未對外公開的高速上以時速 90 公裏的速度進行了測試。不久之後德國汽車制造商戴姆勒找到了迪克曼斯，戴姆勒成為了他的資助方，並且在 20 實際 90 年代初，提出了壹個項目，他們想要壹臺大型客車，能夠在 1994 年的巴黎展會上演示自動駕駛。
迪克曼斯聽完這個要求後，做了個深呼吸，然後告訴戴姆勒「我的團隊和我們的方法可以做到」。
1994 年 10 月，迪克曼斯的團隊從戴高樂機場接了壹批高級客人，在高速公路上，他們使用自動駕駛來完成行駛任務。名為貝林格的工程師坐在車輛的駕駛座，雙手放在方向盤上以防出現問題。貝林格 24 年後談論此事仍興奮不已。
很多報紙頭條報道了這件事。壹年之後，團隊測試了另壹輛新車，他們從巴伐利亞到丹麥的高速公路上，用自動駕駛總***行駛了 1700 公裏，最高時速超過了 175 km/h。
不過，不久之後，項目被迫中止了。
迪克曼斯的技術到了天花板，戴姆勒失去了興趣，再之後，迪克曼斯的開拓性的工作機會被人遺忘。
人工智能的歷史已經有了 60 多年,它往往伴隨著壹個又壹個「盛夏」和「寒冬」。迪克曼斯項目起始於盛夏，而終結於寒冬。
20 世紀 50 年代末，人工智能的研究方向是如何讓機器像人壹樣思考。壹開始，人工智能這個領域的最大特點就是雷聲大雨點小，各種宣傳各種大佬站臺，經濟學家赫伯特·西蒙 20 世紀 60 年代曾預測「機器將會在 20 年內取代人類的工作」。
這些刺激了投資，大量熱錢湧入但技術不能實現，20 世紀 70 年代中期泡沫破滅，資金減少，人工智能技術預冷。
在 20 世紀 80 年代中期，迪克曼斯的自動駕駛項目趕上了新壹輪的盛夏，他的概念讓資本方產生了興趣，他的團隊曾壹度擴張至 20 人。然後是 20 世紀 90 年代寒冬的來臨，讓迪克曼斯的概念不再吸引人。
當時坐在駕駛室的工程師貝林格說「這是壹個有趣的概念，但是對很多人來講，太過未來主義了」。
技術專家說發明有兩種：像燈泡壹樣，被發明就壹直被使用，不斷被改進。另壹種像超音速客機壹樣，比如協和飛機，它們體現出了革命性的技術，但是過於先進而不適於當下。
迪克曼斯的自動駕駛就屬於第二種。
當他在 20 世紀 80 年代開始研發時，計算機仍然需要 10 分鐘來分析圖像，對周圍環境做出反應，並實現駕駛。
面對著看似不可逾越的障礙，他從人體生物學中汲取靈感，他認為，汽車應該想人眼壹樣，對街道和周圍的環境有所感知。人類只能以高分辨率註意到視野中心，同樣的，汽車也應該只關註與駕駛有關的東西，如道路標記。這會大大降低計算機處理的信息量。
事實上，汽車在高速公路上自動駕駛是比較簡單的，因為路面不復雜，車道明確，指示牌都很清晰。
當時也有壹些問題，比如前面的車擋住了指示牌，或者指示牌太舊看不清，都會讓自動駕駛出現問題。
在寒冬來臨之際，戴姆勒告訴迪克曼斯希望能盡快推出商用，而迪克曼斯知道這項研究在幾年內根本無法商用。戴姆勒也就漸漸失去了繼續下去的興趣。
瑞士盧加諾 Dalle Molle 人工智能研究所聯合主任 JürgenSchmidhuber 說「事後看來，這些項目並沒有立即繼續下去，這可能是壹個錯誤，如果繼續了，現在自動駕駛也沒有 Google 、Uber 這些公司的事了」。
德國公司現在持有自動駕駛技術壹半以上的專利，但是新參與者比如 Alphabet 的 Waymo 這樣的美國科技巨頭正在迎頭趕上。
20 世紀 90 年代末，迪克曼斯與美國陸軍研究實驗室簽訂四年的合同。他們的合作除了新壹代的自動駕駛汽車，能夠處理更復雜的路面。在迪克曼斯退休時，這個項目引起了五角大樓新興技術部的達爾帕的註意。於是 2004 年，該部門搞了了壹系列「挑戰」鼓勵科學家們參與自動駕駛競賽。
2005 年斯坦福大學計算機教授塞巴斯蒂安·特倫贏得了挑戰賽，成立了谷歌自動駕駛車隊，他是 AI 社區的名人。而與此同時，本文的主角迪克曼斯和他開創性的工作也被人遺忘了。
2011 年，迪克曼斯巴黎演示無人車之後的 17 年，紐約時報報道了塞巴斯蒂安·特倫努力制造了第壹輛無人車，但馬上就進行了修正，寫到盡管塞巴斯蒂安·特倫開發了壹輛無人駕駛汽車，但是他不是第壹個這麽做的人。
在 2018 年，隨著人工智能之前的炒作，新的寒冬來了麽？不少人這麽認為的。
最近 AI 的研究普遍采用深度學習，通過算法來識別。其基本原理是在復雜的數據中找到相關性，這對大多數應用程序都奏效，但在某些情況下是死路壹條。由於深度學習是數據驅動，它伴隨著局限性。
之前翻譯過聖地亞哥計算機科學 Piekniewski 的文章《 AI Winter is coming 》，他表示大量的熱錢湧入 AI，特別是自動駕駛和機器人技術方面，指望馬上出成果並不切實際。
很多投資者因為投入了這麽多錢，但是期望沒有成真而感到惱火。
代爾夫特大學教授 Virginia Dignum 表示「AI 人員繼續去重點關註深度學習，結果會讓人失望，這個領域如果想要有所突破，壹定要通過較少的數據或者因果關系來建立模型，而不是依賴大量數據帶來的相關性。」但她不相信 AI 寒冬來了，因為現在和以往不同，現在有大量的可商用 AI，這是因為 2010 年起的技術進步，特別是計算能力和數據儲存方面的進步。
迪克曼斯仍然相信，現在的自動駕駛真正成熟，還需要十年以上的時間。現在的汽車並沒有真正的分辨能力，他們僅僅是依賴於大量數據的訓練，這意味著在壹些道路以及通用情況下會很好，但是在壹些特定的環境中會出現意外。
迪克曼斯說「我的自動駕駛技術命名為「尋路者（pathfinder vision）」，現在仍有幾個機構在研究這種方法，它能讓汽車在任何地方和情況下運行，不論是暴風雨過後，地震之後，戰區，都可以起到作用」。
他預測，總有壹天，行業會意識到現在通用的方法的局限性，到時候他會再度出山。
他補充道「我很高興我可以成為開拓者之壹，但是如果我今天重新開始，憑借現有的技術，這將是壹個完全不同的故事」。