Yann LeCun 是法國裔美國AI 科學家，目前是美國工程院院士、Facebook AI
研究院院長，同時也被譽為是卷積神經網路之父，他與Yoshua Bengio、
Geoffrey Hinton 三人獲得2018年的圖靈獎，這三人也被視為是AI 界三巨頭。
至於楊立昆是他2017年到中國演講時自己提供的中文名字。
這次他接受了麻省理工科學家Lex Fridman 的訪問，其中有一段談到了自動駕
駛，講到了之前Elon Musk 對於自動駕駛的看法與路線，並且也提到了Waymo，
大約是從影片1:00:27 開始。已經有人把這一段有關於自動駕駛的對話翻成中
文，轉貼如下：
Lex: Elon Musk非常看好通過大規模數據和深度學習解決自動駕駛的問題，你對
深度學習在真實道路場景下的潛力和天花板有什麼看法?
Yann：深度學習技術顯然是（自動駕駛）解決方案的一部分。我的意思是，至少
在可預見的未來，沒有任何自動駕駛系統可以不使用深度學習技術。
在工程學的歷史上，尤其是人工智能系統的歷史上，通常分為幾個階段。
第一階段的所有東西都是手工製造的，自動駕駛領域就是這樣。二三十年
前的自動駕駛會用到一點點深度學習，但同時需要大量的工程知識來處理
一些極端場景，因為他們的深度學習系統還很差勁。
隨著科技的進步，我們最終會應用越來越多的深度學習技術。在字符識別、
計算機視覺和自然語言處理領域，歷史就是這麼演進的。
我認為自動駕駛領域也會上演同樣的歷史，目前最接近於提供某種程度的
自動駕駛技術，就是說人類駕駛員啥事兒都不干的那種，就是Waymo的自
動駕駛汽車，但前提是你得劃定車的行駛區域。
比如在鳳凰城，你的車要限定在100平方公里的區域內跑，還得是天氣晴朗、
道路寬闊，這就是Waymo正在做的事。他們完全過度設計了汽車，使用了大
量的激光雷達和精密的傳感器，這對普通汽車來說太貴了。但如果你只跑
在那一小塊區域，那Waymo的自動駕駛汽車是沒問題的。
你把所有的東西都繪製出來，你繪製了整個世界，你有了擁有所有細節的
完整的3D模型地圖，那汽車的感知系統唯一需要處理的就是你地圖上沒有
的正在移動的物體或建築，然後你就可以開發一個好的視覺定位系統，諸
如此類，對吧？
目前這種技術路線最接近某種程度上的自動駕駛。但我認為最終的長期解
決方案將越來越依賴於機器學習，並可能結合自我監督學習和基於模型的
強化學習或類似的技術。
原始影片：
https://youtu.be/SGSOCuByo24?t=3627
中文翻譯來源：
https://www.weibo.com/5124470749/I5lwA3dEO?type=comment