Yann LeCun 是法国裔美国AI 科学家，目前是美国工程院院士、Facebook AI
研究院院长，同时也被誉为是卷积神经网络之父，他与Yoshua Bengio、
Geoffrey Hinton 三人获得2018年的图灵奖，这三人也被视为是AI 界三巨头。
至于杨立昆是他2017年到中国演讲时自己提供的中文名字。
这次他接受了麻省理工科学家Lex Fridman 的访问，其中有一段谈到了自动驾
驶，讲到了之前Elon Musk 对于自动驾驶的看法与路线，并且也提到了Waymo，
大约是从影片1:00:27 开始。已经有人把这一段有关于自动驾驶的对话翻成中
文，转贴如下：
Lex: Elon Musk非常看好通过大规模数据和深度学习解决自动驾驶的问题，你对
深度学习在真实道路场景下的潜力和天花板有什么看法?
Yann：深度学习技术显然是（自动驾驶）解决方案的一部分。我的意思是，至少
在可预见的未来，没有任何自动驾驶系统可以不使用深度学习技术。
在工程学的历史上，尤其是人工智能系统的历史上，通常分为几个阶段。
第一阶段的所有东西都是手工制造的，自动驾驶领域就是这样。二三十年
前的自动驾驶会用到一点点深度学习，但同时需要大量的工程知识来处理
一些极端场景，因为他们的深度学习系统还很差劲。
随着科技的进步，我们最终会应用越来越多的深度学习技术。在字符识别、
计算机视觉和自然语言处理领域，历史就是这么演进的。
我认为自动驾驶领域也会上演同样的历史，目前最接近于提供某种程度的
自动驾驶技术，就是说人类驾驶员啥事儿都不干的那种，就是Waymo的自
动驾驶汽车，但前提是你得划定车的行驶区域。
比如在凤凰城，你的车要限定在100平方公里的区域内跑，还得是天气晴朗、
道路宽阔，这就是Waymo正在做的事。他们完全过度设计了汽车，使用了大
量的激光雷达和精密的传感器，这对普通汽车来说太贵了。但如果你只跑
在那一小块区域，那Waymo的自动驾驶汽车是没问题的。
你把所有的东西都绘制出来，你绘制了整个世界，你有了拥有所有细节的
完整的3D模型地图，那汽车的感知系统唯一需要处理的就是你地图上没有
的正在移动的物体或建筑，然后你就可以开发一个好的视觉定位系统，诸
如此类，对吧？
目前这种技术路线最接近某种程度上的自动驾驶。但我认为最终的长期解
决方案将越来越依赖于机器学习，并可能结合自我监督学习和基于模型的
强化学习或类似的技术。
原始影片：
https://youtu.be/SGSOCuByo24?t=3627
中文翻译来源：
https://www.weibo.com/5124470749/I5lwA3dEO?type=comment