Apple Car需要机器学习来足够快地做出驾驶决策
Apple 计划在 Apple Car 中使用机器学习，特别是因为当前的处理器速度不够快，无法在没有该技术的情况下自主做出关键驾驶决策。
人们已经预料到苹果会在预期的苹果汽车中使用机器学习，尤其是自从该公司的人工智能主管约翰·詹南德里亚被任命以来可是，现在一项新披露的专利解释了如何使用机器学习——以及为什么需要它
使用强化学习评估不同大小的动作空间关注从机器学习中受益的汽车汽车从自己的错误中学习的想法有点可怕，但这更像是汽车开始使用从所有这些方面积累的数据汽车这一切都与如何在方向盘上做出的决定可能必须非常快有关如果没有足够快地完成，即使是关于改变车道或避免碰撞的正确决定也可能是致命的
直到最近，该专利说，由于可用硬件和软件的限制，用于分析车辆外部环境相关方面的计算可以执行的最大速度不足以实现重要的导航决策在没有人类指导的情况下制造
直到最近这句话似乎暗示硬件和软件正在变得更好他们是，但苹果随后表示这仍然不够
即使使用当今快速的处理器，大容量的内存和先进的算法，它继续说道，但是，对车辆环境做出及时和合理的决策仍然是一项重大挑战
该专利谈到了自主决策的复杂性，既不是基于过分悲观的假设，也不是基于过分乐观的假设那么汽车可能会自动驾驶，但它们永远不会单独驾驶——因此其他汽车中其他驾驶员的不可预测的行为是一个因素
再加上现实世界比任何测试环境都要混乱得多，因此苹果还指出，即使存在不完整或嘈杂的数据，也必须做出自动驾驶决策。。
超过 17，000 字的专利描述了与汽车动作空间有关的情况这是汽车必须做出决定的时间和距离
在某些州，例如当车辆在大部分空旷的直线高速公路上行驶时，几公里或几英里内都无法转弯，该专利继续说，要评估的动作数量可能相对较少，在其他州，当车辆接近拥挤的十字路口时，动作的数量可能会大得多。MLOps是AI领域中一个相对较新的概念，旨在确保模型输出质量的同时，加快机器学习模型的开发和生产部署，是数据科学家与操作专业人员之间进行协作和交流以帮助管理机器学习任务生命周期的一种实践。MLOps基于可提高工作流效率的DevOps(用于促进开发应用程序/软件工程，技术运营和质量保障部门之间的沟通，协作与整合)原理和做法演变而来。
。
