如今自动驾驶在全球范围内的发展势头愈发“凶猛”，该领域人才也一度被视为“香饽饽”。
即使在美国，自动驾驶工程师的起薪也已经突破了25万美元，我国‘“开价”之高更是令人咋舌。
人才、人才、还是人才！重要的事情说三遍！
我们深知，少数的几位技术大咖根本无法支撑自动驾驶技术的持续性发展，更多的工程师需要加入到自动驾驶的研发队伍中，可是具备丰富经验的专家又很忙，人才培训怎么办？
对此，Udacity 团队的David Silver深有感触！
作为Udacity 团队中自动驾驶课程培训的leader，David Silver向小编讲述了他与自动驾驶及其课程结缘的始末。
几年前，当时的David Silver还是一名网络软件开发人员，在编写网站的同时对自动驾驶非常感兴趣，但苦于没有任何机器人软件或自动驾驶软件开发的背景。
“因为没有基础，所以我就开始在Udacity或其他在线课程网站上学习在线课程。后来终于凭借自己的能力得到了在California一家公司的自动驾驶团队工作的机会。”David Silver说。
在David Silver拿到那份工作的offer后，Udacity团队闻讯得知了此事。
“他们问我是否可以到Udacity帮助打造自动驾驶课程，让其他人也有机会像我一样学成足以担任一名自动驾驶工程师的技能。”David Silver补充道。
对于David Silver来说，能够进入到自动驾驶领域工作是一件相当令人兴奋的事儿。此外，还有很重要的一点，Udacity自动驾驶项目的负责老师Sebastian Thrun，也是Udacity的创始人，还曾是斯坦福大学计算机系的教授。
在创办Udacity之前，他曾开启并领导谷歌的自动驾驶项目，如今被称为Waymo。谷歌项目之前，还曾领导斯坦福大学的No.1自动驾驶团队，完全可以称得上是“自动驾驶之父”。
David Silver很兴奋地回忆当时的情景：“在Udaicty，我可以和他一起工作，并教给那些学生，我成为自动驾驶汽车工程师之前所学到的东西，这种体验简直太棒了。”
据CSDN了解，目前在全球范围内，已经有超过11,000名学生参与了Udacity自动驾驶Nano项目的学习。
Nano项目如此引人关注，小编针对几个有关自动驾驶培训以及行业发展的问题与David Silver展开了深入探讨。
CSDN：如果想参与到自动驾驶课程中，学生是否需要提前具备一些技能呢？
David Silver：其实这取决于课程的难度。
对于Udacity的自动驾驶微学位项目，学生在开始课程之前必须具备基本的工程技能。
所以我们会在申请程序中进行审核，例如中级程序设计能力、基本计算、物理学以及统计学知识背景。
相比较而言，在Udacity中开设的其他课程则不需要任何背景，任何人都可以参加。
例如，一个名为“无人驾驶入门”的纳米学位项目，根本不需要学生有任何知识背景，甚至可以没有编程经验。我们会帮助他们完成参加自动驾驶纳米学位项目所需要的准备，以便可以进一步学习从而成为自动驾驶汽车工程师。
我们在网络开发和移动开发方面也有类似的项目，无论身在何处都可以学到需要的课程，来助推自己的职业生涯。
CSDN：您认为一名合格的自动驾驶领域的汽车工程师需要具备怎样的技能？
David Silver：其实自动驾驶工程是一个非常有趣的方向，因为涉及到好几个不同的领域，其中包括软件工程、机械工程、还有数学、统计学以及电气工程等，这么看就需要来自很多截然不同领域的技能加身。
在我刚开始研究自动驾驶之前，那时还是一名网络软件开发人员，从来不需要知道很多关于机械工程甚至统计学的知识。
但如果要成为一名自动驾驶汽车工程师，除了掌握所有这些不同领域的知识外，还要将这些知识结合在一起，这个环节比较困难，这也是学生来Udacity学习自动驾驶的原因之一。
在这个过程中，我们会帮助他们学到所需的所有技能。
需要学习的技能如此之多，如何确保学生们都能获得行业所需的技能呢？
关于这个问题，David Silver表示，其实Udacity的课程设置是非常注重实际工作中的需求，所以所做的工作都是围绕学生在工作中取得成功所需要知道的技能而展开。
例如，如果想要教授一门关于自动驾驶、机器人或者深度学习甚至是网络开发的课程时，首先需要与相关公司的招聘经理沟通。比方说会询问一些问题，希望具备什么样的技能的求职人员来面试工作等。
“我们专注于完成这些工作，并且向学生传授这些技能，这与传统的大学教育可能会有一些差异性。但在Udacity，只要学习了你需要知道的事情，就可以在工作中取得成功，这种方式可以让我们提供周期更短，内容更集中的教育。”David Silver认为。
小编觉得，Udacity所做的事情实际上就是试图将教育与行业招聘合作伙伴联系起来，并将重点放在人们择业时为了获得更高的薪酬而需要了解的事情上，可以称之为实用的教育体验。
除了掌握所有这些不同领域的知识外，合格的自动驾驶工程师还要学会将这些知识融合在一起，这个环节相对比较困难。如何将不同的、但却是所有的相关技能融合在一起？
对此，David Silver提出，Udacity的自动驾驶项目学习为期9个月，每个月都会涉及自动驾驶领域的不同话题。
据小编了解，在完成起初的课程介绍之后，项目会开始介绍深度学习，以及计算机视觉和感官视觉等内容。
感官视觉就是除了汽车上的摄像头以外，如何使用其他传感器了解现实情况，其中还涉及到定位的一些知识。
随后还会介绍运动规划或者路径规划，也就是汽车如何在现实中规划行车路径。
关于系统控制方面，可能会涉及到汽车如何将沿着路径前进的计算机命令转化为实际行为。在接下来的几个月时间里，会让学生深入了解一个或者几个不同的主题。
最后，还会有一个月的系统讨论，也就是将所有内容整合在一起，并与全球范围内其他学生一起参与到团队任务中，也就是发送代码并将代码运用在实际的自动驾驶汽车上。
需要强调的一点，Udacity在California有一辆自动驾驶汽车。每个要从该项目毕业的学生都要发送他们的代码，并将他们的代码放在自动驾驶汽车上运行。
CSDN：有没有想过在中国将Udacity这项课程本地化？与百度Apollo合作进展如何？
David Silver：我们已经选择在中国本地化部分课程。事实上，我们甚至开始专门为中国开设课程。
例如，我们正在为微信开发人员开发一门微信微学位课程，这是针对中国软件工程师设立的教育目标。
同时，我们也开设了诸如自动驾驶项目这样的课程，并将它们翻译成中文，也在同时研究许多其他项目。因为看到了大量来自中国的学生参加我们的课程，这个现象让我们很兴奋。
我们非常需要观察中国学生如何通过官方社区与全球学生互动，以及如何通过其他在线论坛、在线分享参与互联网社交活动，或者通过互相分享在线提问。
Udacity非常渴望与中国学生一起工作。未来我们将创造更多精彩的机会来开展自动驾驶活动。
中国有很多不同的科技主题，在引领世界这么多不同领域方面取得了相当大的进步。非常荣幸可以帮助中国学生评估并改进职业生涯，未来将会对中国市场情况有更加深入的了解。
此外，这次来到中国，还有一个重要原因，就是我们正在与百度合作为Apollo创建免费课程，这也是Udacity与行业伙伴的合作，来帮助学习者为实际工作做好准备的典型事例。
都知道，Apollo作为一个开源的自动驾驶平台，由百度和全球范围内的自动驾驶开发者一起运作。许多不同领域的公司都在与Apollo合作，来为他们的汽车赋予自动驾驶能力。
我们正在与百度团队以及其他合作伙伴一起，向他们咨询，面试Apollo工程师时需要具备哪种能力。随后我们会与百度仔细沟通，弄明白为了让学生成为Apollo工程师要怎样教授他们需要学的知识。
重要的一点，不管是对于我还是像百度Apollo 一样的合作伙伴来说，合作构建并在夏季推出的Apollo开源自动驾驶课程，都是在中国进入自动驾驶行业的好时机。
对于Apollo的未来，我表示极大的兴奋。
过去，由于商业机密的限制，自动驾驶这件事儿一度做的很隐秘，表现为每个公司都对自己这方面的业务守口如瓶，并不想分享给他人有关的数据以及软件。
而现在，Apollo正在向全世界开放自己的自动驾驶解决方案，为更多不同的群体提供可使用的工具，通过Apollo增强自己的能力。
或许我们可以预见，在未来的五到十年中，自动驾驶汽车的种会越来越多，尽管我们可能依旧拥有并使用普通汽车。我们或许可以发现高速上设置了自动驾驶专用车道，或许可以拥有真正的无人送货卡车，帮我们快速地运送食物或者辅助购物，当然也会感受到带来的副作用等。
但是不管怎样，我认为有一个自动驾驶汽车的开源系统，就像Apollo，将帮助许多不同的公司学会采用这样的软件并将其应用于不同的业务，这样的场景会非常有趣。
不管是学习成为自动驾驶工程师还是补充其他的一些技能，本质上都属于“终身学习”的范畴，对此David Silver也有自己的见解。
“我认为Udacity提供的服务归根结底就是终身学习。终身学习的想法会影响职业生涯的每个阶段，所以必须跟上最新的形势。这就是为什么我们要与百度Apollo合作开发免费课程，就是为了让普通的软件工程师甚至已经成为自动驾驶汽车工程师的人都可以了解Apollo并将其应用于他们正在进行的工作中。”David Silver表示。
他向小编提到，每次听到很多已经进入自动驾驶团队工作的工程师都很兴奋地参加了我们正在打造的Apollo课程，想学习如何将Apollo应用到自己的自动驾驶项目上，我们就很开心。
其实仔细想一想，每个人的职业生涯都将如此。
现在早就已经不再是上完四年大学之后就再也不需要学习任何东西的时候了，而是每个人每年都必须学习新知识，以便在当前保持最好的状态。
说到自动驾驶，David Silver不但是一位经验丰富的技术培训专家，对于行业发展也有自己的思考。
相关数据显示，仅仅过去一年的时间，就约有26.5万的中国公民因自动化事故（automated piltions）而死亡，都希望这个数字可以从26.5万人下降到接近零的状态。
反观自动驾驶，带给我们最大影响就在于其安全性。它们不会真正打扰我们，不会喝醉，不会犯很多人类驾驶员犯下的错误。
此外，David Silver认为，自动驾驶的另一个奇妙之处在于，它们会从所犯的错误中重新学习。当我们自己考驾照的时候，必须从零开始学习，但当每次我们制造一辆新的自动驾驶汽车时，它都将提前学习到所有过去学习过的所有东西，经验这时候就起到了重要作用。
“我认为自动驾驶的另一个影响是可以带来的巨大经济增长。据世界帮助组织（The world help organistion）估计，由于自动化事故我们每年会损失约3-6％的GDP。当人们因为交通事故死去时，没有人能感觉到他们的经济潜力，这也是由交通堵塞与交通污染造成的，所以我们希望可以减少或者缓解自动化事故，这样每年就可以获得大约3-6％的经济增长。如果能够认识到中国GDP的6％实际有多么巨大，而美国经济的增长速度相对会更快，这样看即使自动驾驶什么也不做，也能让每个人的生活更美好。”David Silver补充道。
CSDN：面对如今自动驾驶的发展形势，大多数公司都声称自己的汽车将在2020年或者2021年前上路，基于您对这方面的了解，哪个公司会首先实现这一目标呢？
David Silver：很多公司都已经宣布了要尽可能快的研发出自动驾驶汽车，其中对普通公众来说，或许可以称作达到了公路Level 4 自动驾驶汽车水平的公司就是Waymo。所以Waymo最近刚刚宣布，他们将在今年年底之前在美国的Araziona拥有完全无人驾驶汽车，并向任何人开放。你，我，任何人都应该去试驾下。
然而，除了Waymo之外，还有很多其他公司也将在不久的将来制造出无人驾驶汽车。我想在美国，你会看到Uber，会看到Cruz ……他们都在进行自动驾驶的汽车测试，其中许多都是真人在试驾。
在中国，你会看到像百度或Pony.ai这样的公司也在测试自动驾驶汽车。预计在未来几年，你会看到中国企业研发的自动驾驶汽车开始真正搭载游客。所以我认为谁会获得第一名还说不准，接下来几年我们拭目以待就可以。
目前看到的场景是自动驾驶汽车的落地会按照非常紧凑的地理区域向外拓展。
现在，我们可以在波士顿、在Araziona驾驶这种车，但行驶范围被限制在非常小的地区，或许也就3030公里。如果超出了这片区域，汽车就会不知道怎么办。
这片区域的扩张速度有多快？可能是从3030公里到100100公里，200200公里。
还会有多少这样的区域冒出来呢？
在接下来的几年里，我们将会开始看到越来越多的测试开始落地。不会是突然的，而是以一种更渐进的节奏。
CSDN：这个领域，很多小公司最终依然难以逃脱被收购的命运，是否还是坚持小公司能从市场上分得一杯羹吗？
David Silver：当然，我认为自动驾驶汽车的创业有很多不同的途径，都可以取得成功。
一些公司将采用已经存在的Apollo等软件，为他们构建出色的业务能力，从事各种令人惊叹的事情。
但我们也会看到其他自动驾驶汽车初创公司提出的创造性的解决方案，大公司将关注他们。如果那些大公司认为这样的初创公司非常有助于自动驾驶汽车的发展，就会收购这些初创公司。
当然，也有一些自动驾驶汽车的初创公司最终不会成功，会倒闭。
我想所有这些结果我们都可能见到。
当然也很期望看到有几家初创公司提出创新性的技术带来转折点，并借此构建起庞大的业务。
其实现在建立自动驾驶汽车公司比建立许多其他类型的公司更具吸引力。
就自动驾驶而言，现在更多是一个开放的行业，许多公司都在积极打造自己的自动驾驶汽车，我认为小公司完全可以在这种情况下立足并建立真正的大企业。
而且百度通过Apollo有助于建立这样的模式，因为它可以让中国公司专注于研究Apollo开源驱动汽车碰到难题的地方，而这也确实应该是他们真正擅长或感兴趣的事情。
未来自动驾驶汽车的很多不同技术将由许多不同的公司分工解决，这是有点像目前汽车行业的工作方式。
自动化制造环节和销售环节通常是由大公司负责，但汽车需要其他很多种资源，很多不同的供应商，大小不一。
所以我认为未来可能会由大公司负责自动驾驶汽车制造，小公司开始使用自动驾驶汽车去做有趣的事情，可能是为餐馆运送食物，也可能是提供新零售的送货上门服务。
这有很大的潜力，只需要拭目以待，见证行业如何发生改变。大公司正在处理这个问题，但小型创业公司也可以正在进入这个市场的不同环节。
CSDN：美国和中国的自动驾驶汽车市场究竟有什么区别？
David Silver：美国的自动驾驶汽车市场与中国自动驾驶汽车市场之间存在的一个很大的差异，就是美国自动驾驶汽车市场开始较早。
美国已经有很多公司已经在自动驾驶上耕耘了5年或10年时间，而自动驾驶汽车在中国则显得更为新鲜。
我认为移动行业有几个领域，，中国在这几个领域相当令人出色。一个是基础设施，中国的基础设施建设如此迅速，并且开始出口基础设施通信生态的理念，可能是交通灯与汽车交流，汽车之间互相交流以及汽车正在通过发明的传感器学习关于道路的事情。
此外，中国真正擅长的另一个领域是电气化，电池技术，这与自动驾驶式汽车有点不同。但中国在电池和电动汽车领域处于世界领先地位，而电动汽车与自动驾驶汽车的融合非常迅速。
由于很多自动驾驶汽车会在沙漠地区运行，电动汽车对这些地区来说也非常有意义，所以我认为中国已经是世界电动车领域的领导者了，它有潜力在自动驾驶领域同样成为世界领导者，这将为自动驾驶汽车带来一些非常有趣的机会。
未来5-10年，我们会看到许多人开始在城市地区使用自动驾驶汽车，这些小型测试现在在美国波士顿、在Phoniex和Pittsburgh、或者新加坡等小型地区和城市都能看到，而且正在开始迅速向美国和中国的许多其他城市扩展。甚至在拥有自动驾驶汽车的城市之间，我们也能开始看到融合。
如果有两个彼此邻近的城区，我们甚至可以使用自动驾驶往返两者之间。
Veen, Fjodor Van. "The Neural www.baohuayule.net Network Zoo." The www.qinlinyule.cn Asimov Institute. www.120xh.cn October www.taohuayuan178.com 28, 2016. Accessed September 20, 2017. http://www.asimovinstitute.org/neural-network-zoo/.
"Long short-term memory." Wikipedia. August 27, 2017. Accessed September 20, 2017. https://en.wikipedia.org/wiki/Longshort-termmemory.
Zhang, Fangyi, Jürgen Leitner, Michael Milford, Ben Upcroft, and Peter Corke. "Towards Vision-Based Deep Reinforcement Learning for Robotic Motion Control." [1511.03791] Towards Vision-Based Deep Reinforcement Learning for Robotic Motion Control. November 13, 2015. Accessed September 20, 2017. https://arxiv.org/pdf/1511.03791.pdf.
"TensorFlow." TensorFlow. Accessed September 20, 2017. https://www.tensorflow.org/.
"Caffe." Caffe | Deep Learning Framework. Accessed September 20, 2017. http://caffe.berkeleyvision.org/.
"Keras: The Python Deep Learning library." Keras Documentation. Accessed September 20, 2017. https://keras.io/.
"Video: Unlock deeper learning with the new Microsoft Cognitive Toolkit." Microsoft Cognitive Toolkit. Accessed September 20, 2017. https://www.microsoft.com/en-us/cognitive-toolkit/.
http://www.ysgj1688.com -computing.com/ www.feifanyule.cn hardware/machine-learning-now-and-into-the-future
我认为有很多令人兴奋的事情值得期待。
未来5到10年内，很多地区将不需要有人驾驶。虽然许多道路，农村公路以及其他地方都还没有自动驾驶汽车，但我认为5-10年内很多人都会开始使用自动驾驶汽车，就像今天很多人使用网约车服务或者滴滴一样简单普遍。