無人駕駛汽車不是深度學習正在滲透的唯一應用：神經網路已經開始進入汽車行業的各個角落， 從供應鏈管理到發動機控制器。
我們的人工智慧（AI）和機器學習（ML）系列中已經延續了好幾期， 本期我們與Ford Research & Advanced Engineering執行技術負責人Dimitar Filev進行了交談， 他領導著該公司控制方法和計算智慧的團隊。
福特第一次將人工智慧和機器學習應用在了哪裡？
福特研究實驗室已經對計算智慧進行了系統性的研究——這是人工智慧的一個分支——研究已經持續了二十多年。 大約十五年前， 福特汽車公司推出了神經網路的大型工業應用，
今天你是如何利用人工智慧和機器學習創造出更好的產品的？
我們可以在我們的車輛中考慮兩類機器學習和人工智慧的應用。 除了無人駕駛汽車這個明顯應用之外， 福特還開發了基於人工智慧的技術， 支援車輛工程的不同功能。 這些驅動程式對於駕駛員來說並不一定能夠看得見。
如同我在前面提到的那樣， 我們在V10引擎中使用基於神經網路的曲軸加速度分類器進行發動機不啟動故障檢測；當駕駛員離開車輛時， 我們還將其用於入侵者檢測。 我們還將模糊邏輯型基於規則的增益調度控制器同混合動力汽車的電池控制系統進行了集成。
在我們的供應鏈中， 神經網路是庫存管理系統的主要驅動因素， 向經銷商推薦特定車輛配置， 並且部署了（與動態語義基於網路的專家系統相結合的）進化計算演算法， 以支援裝配廠的資源管理。
今天的福特還有其他用例嗎？
另一組人工智慧應用的推動力在於， 目前的車輛已經發展成為複雜的移動網路系統， 不斷增長的計算能力和資源每小時產生千百萬位元組資訊，
最常見的人工智慧應用涉及直接與駕駛員交互， 包括能夠監控加速度和制動模式， 對駕駛員的偏好和不同目標的意圖進行車內評估的顧問系統， 能夠為駕駛員提供燃油效率駕駛和安全駕駛方面的建議， 自動選擇最佳的懸掛和轉向模式， 通過評估下一個最有可能的目的地來簡化人機交互， 根據氣候控制首選設置等等。 這些系統使用傳統的人工智慧方法——基於規則的瑪律可夫模型——聚類；它們不需要特殊的硬體。
自主駕駛車輛近期的廣泛開發是車輛定位、物體檢測、分類和跟蹤等深度學習應用的推動力。 我們可以期待在不久的將來， 我們的汽車和卡車會出現大量基於深度學習的新功能和用戶體驗， 在我們的製造工廠裡出現更多的創新移動解決方案和智慧自動化系統。
您需要採取哪些步驟來建立一個可以掌握和應用人工智慧和機器學習最新進展的團隊？
我們擁有多個機器學習和人工智慧的卓越中心， 專注于機器人技術、下一代自主駕駛和資料分析技術。 我們的目標是在整個公司擴展基於人工智慧的方法和開發工具，
創建人工智慧和機器學習卓越中心並不算特別有挑戰性， 正如我之前提到的， 我們擁有在傳統神經網路、模糊邏輯、專家系統、馬可夫決策流程、進化計算以及其他重要的計算智慧等重要領域中具有背景和經驗的工程師和研究人員。 這構成了我們正在通過深度學習方法和工具對最先進的專業知識進行升級的基礎。 我們不斷擴充經驗豐富的工程師， 聘用了更多在人工智慧和深度學習方面具備更強教育背景的電腦專家。
福特希望應用人工智慧和機器學習在哪些方面獲得競爭優勢？
人工智慧提供了一個機會， 可以更好地利用可用的資訊來創建新功能和駕駛員感知的個性化車輛， 以更好地適應特定的客戶。此外，機器學習是創建智慧駕駛員輔助系統和完全自主駕駛車輛的不可替代的推動者。增加連線性是通過整合雲資源來擴展車載資訊娛樂和控制系統能力的主要推動力之一。在不久的將來，我們可以設想車載系統與基於雲的智慧代理、自組織演算法和其他人工智慧工具無縫集成，從而擴大我們的移動解決方案提供的用戶體驗範圍。
有沒有什麼領域是你曾經考慮過利用人工智慧/機器學習但是後來又發現技術還是沒有做好準備的？
我並不這麼認為——我的看法恰恰相反。人工智慧/機器學習工具箱似乎在呈指數級增長，領先于大規模應用。我們目睹了一個有趣的現實——雖然許多研究領域（例如控制工程、電腦程式設計、控制論）是由對新技術解決方案的需求推動的，而現在爆發的人工智慧革命則是受到機器學習研究進步的推動。除了一些非常成功的刺激效果（例如Google DeepMind）之外，我還想說說這種快速發展的兩個重要而獨特的推動因素——首先，研究思路和成果通過arxiv.org及其他公共網站最近發佈的內容立刻得到了快速擴散；其次，開放原始程式碼的人工智慧軟體發展工具——例如TensorFlow、Neon、Torch、Digits、Theano，這裡僅僅是舉一些例子——廣泛地易於採用。現在的挑戰是讓最有效和創新的人工智慧解決方案成熟起來，並將其集成到新的功能和客戶體驗之中。
福特有興趣與矽谷其他的公司或創業企業合作嗎？你有沒有希望看到社區關注什麼行動？
福特汽車公司與世界各地的很多高科技公司和創業公司——當然也包括不少矽谷的企業——有合作關係。通過我們在帕洛阿爾托的研發創新中心，我們成為了創新的矽谷社區中的積極成員，並且一直都有興趣與新公司和創業企業合作。
你最近在人工智慧領域看到的最有希望或有趣的進步是什麼？你覺得這會對福特產生什麼影響？
很難勾勒出最有趣的一個，因為人工智慧的進步是巨大的。人工智慧領域的出版、專利和軟體產品數量呈指數級增長，幾乎每天我們都會看到新的成就、新穎的方法和智慧應用。我對強化學習、智慧代理、遊戲理論和馬可夫決策流程的發展特別感興趣，因為它們打開了自動化推理、決策和最優控制以及汽車和移動應用領域新進展的大門。
以更好地適應特定的客戶。此外，機器學習是創建智慧駕駛員輔助系統和完全自主駕駛車輛的不可替代的推動者。增加連線性是通過整合雲資源來擴展車載資訊娛樂和控制系統能力的主要推動力之一。在不久的將來，我們可以設想車載系統與基於雲的智慧代理、自組織演算法和其他人工智慧工具無縫集成，從而擴大我們的移動解決方案提供的用戶體驗範圍。有沒有什麼領域是你曾經考慮過利用人工智慧/機器學習但是後來又發現技術還是沒有做好準備的？
我並不這麼認為——我的看法恰恰相反。人工智慧/機器學習工具箱似乎在呈指數級增長，領先于大規模應用。我們目睹了一個有趣的現實——雖然許多研究領域（例如控制工程、電腦程式設計、控制論）是由對新技術解決方案的需求推動的，而現在爆發的人工智慧革命則是受到機器學習研究進步的推動。除了一些非常成功的刺激效果（例如Google DeepMind）之外，我還想說說這種快速發展的兩個重要而獨特的推動因素——首先，研究思路和成果通過arxiv.org及其他公共網站最近發佈的內容立刻得到了快速擴散；其次，開放原始程式碼的人工智慧軟體發展工具——例如TensorFlow、Neon、Torch、Digits、Theano，這裡僅僅是舉一些例子——廣泛地易於採用。現在的挑戰是讓最有效和創新的人工智慧解決方案成熟起來，並將其集成到新的功能和客戶體驗之中。
福特有興趣與矽谷其他的公司或創業企業合作嗎？你有沒有希望看到社區關注什麼行動？
福特汽車公司與世界各地的很多高科技公司和創業公司——當然也包括不少矽谷的企業——有合作關係。通過我們在帕洛阿爾托的研發創新中心，我們成為了創新的矽谷社區中的積極成員，並且一直都有興趣與新公司和創業企業合作。
你最近在人工智慧領域看到的最有希望或有趣的進步是什麼？你覺得這會對福特產生什麼影響？
很難勾勒出最有趣的一個，因為人工智慧的進步是巨大的。人工智慧領域的出版、專利和軟體產品數量呈指數級增長，幾乎每天我們都會看到新的成就、新穎的方法和智慧應用。我對強化學習、智慧代理、遊戲理論和馬可夫決策流程的發展特別感興趣，因為它們打開了自動化推理、決策和最優控制以及汽車和移動應用領域新進展的大門。