豐田研究所負責人認為，早期使用深度神經網絡處理大量數據所帶來的成功，讓研究人員感到樂觀。這種樂觀就如同1990年代，互聯網泡沫期間廣為人知的“非理性繁榮”。

1996年12月，美聯儲主席艾倫·格林斯潘（Alan Greenspan）在華盛頓發表了一次例行演講，用了一個新詞——“非理性繁榮Irrational Exuberance”，來形容股票投資客的行為。市場迅速進行解讀，認為美聯儲將采取貨幣緊縮政策了，第二天，美國道瓊斯指數下跌2．3％，全球其他國家的股票指數也隨即應聲而落。

而后，一個名叫羅伯特·J·席勒（Robert J． Shiller）的經濟學家，把這種“市場的運行超出了正常的規律，由人類的心態推動市場運行”的現象稱為“非理性繁榮”。

自動駕駛世界中是否也存在著“非理性繁榮”？

汽車行業的很多人談論全自動駕駛汽車即將問世的時間太久了。  

2013年，時任日產董事長的卡洛斯·戈恩（Carlos Ghosn）表示，將在七年內實現。早在2016年，伊隆·馬斯克就曾暗示他的車基本上能做到這一點了。在2017年左右到2019年年初，GM克魯斯談到的期限是2019年。而Waymo ，迄今為止發展靠前的公司，說只是一年或兩年的事情。

面對這一切不可能實現的諾言，加利福尼亞豐田研究所的首席執行官吉爾·普拉特（Gill Pratt）表現得更實際一點。普拉特（Pratt）是一位資深機器人專家，他于2015年加入豐田公司，負責開發機器人汽車，從一開始就強調了這項任務的艱難程度，以及實現中間目標的重要性，特別是通過制造一輛現在可以幫助駕駛員的汽車，而不是現在只能設定一個較遠的時間點。

所以，豐田其實也在奉行著兩條腿走路，正通過名為“Guardian（高級安全駕駛輔助）”和“Chauffeur（自動駕駛）”的兩條路徑開發自動駕駛技術。“Guardian”是高級駕駛輔助系統，監控車內外環境，在緊急情況下可向駕駛員發出警告或介入駕駛。

在今年年初，CES展上，豐田研究院推出了TRI－P4自動駕駛測試車，P4是基于全新的第五代雷克薩斯LS旗艦轎車，將用于TRI的雙軌Guardian和Chauffeur自動駕駛系統開發中。

P4增加了兩個額外的攝像頭以改善側面的狀況，添加了兩個新的成像傳感器（一個面向前方，一個指向后方），這些傳感器專門為自動駕駛汽車設計。成像傳感器采用具有高動態范圍的新型芯片技術。雷達系統已經過優化，可以在車輛周邊進行近距離檢測。LIDAR傳感系統繼承了之前的測試模型Platform 3．0，并演變為新的車輛設計。

P4得益于雷克薩斯（Lexus）的新一代底盤和轉向控制技術，該技術提供了更大的靈活性，并在自動駕駛過程中提供了更靈敏的響應和更流暢的操縱。

圍繞“深度學習”緩慢的進步

似乎看起來發展一片繁榮，但普拉特（Pratt）對自動駕駛技術的前景和陷阱仍有很多話要說。

“沒有任何事情告訴我們完全自動駕駛是這不可能完成的；我對此應該很清楚，”普拉特說。“僅僅因為我們不知道該怎么做并不意味著它就不能完成。” 

他指出，早期使用深度神經網絡處理大量數據所帶來的成功，讓研究人員感到樂觀。這種樂觀就如同1990年代，互聯網泡沫期間廣為人知的“非理性繁榮”一詞。

事實證明，早期的成功來自那些眾所周知的深度學習最有效的領域，例如人工視覺和感知的其他方面。長期以來一直被認為在模式識別方面特別糟糕的計算機突然被證明在其上特別擅長，在某些情況下甚至比人類還要好。

普拉特說：“非理性的繁榮透過圖表的斜率，讓我們看到深度學習看似奇跡般的進步速度。” “每個人，包括開發它的人都感到驚訝，突然間，如果您向它投入足夠的數據和足夠的計算，性能將變得非常好。可以很容易地說，因為我們為這件事感到驚訝，那就意味著我們將在未來幾年繼續感到驚訝。”  
然而，近幾年人們逐漸意識到，人工智能不僅必須感知世界（即使是現在也不是小問題），而且還必須做出有關人類行為的預測。這個問題是非常棘手的。

當然，我們始終可以使用深度學習來做最擅長的事情，然后使用專家系統（ES）來處理其余的事情。這樣的系統使用邏輯規則（由實際專家輸入）來處理出現的任何問題。該方法還使工程師能夠調整系統，這是深度學習的黑匣子所不允許的選項。

Pratt說，將深度學習和專家系統整合在一起確實有幫助。“但還遠遠不夠。”

豐田公司自動駕駛技術副總裁沃爾夫拉姆· 伯加德（Wolfram Burgard）表示，無論AI研究人員可以使用什么新工具，都將繼續進行日常改進。  

他說：“我們現在處于深度學習的時代。” “我們不知道會發生什么—這可能是舊技術的重生，該技術突然超越了我們之前所看到的。我們仍處在利用現有技術取得進步的階段，但是梯度并不像幾年前那么陡峭。這變得越來越困難。”