当Sepp Hochreiter先生讲话时人们都在仔细地听，他说话的速度太快了，手势也很多，在科技巨头面前滔滔不绝。1991年，Sepp Hochreiter先生首次提出LSTM长短期记忆网络理论时，他没有这些热情激昂的举动。

现在，长短期记忆网络已经成为一项关键技术，几乎在全球所有手机的语音识别软件都得到了应用。奥地利Linz市约翰内斯开普勒大学（LKU）的Hochreiter生物信息研究所，成为了人工智能创新的基地。

与慕尼黑研究所合作的公司中有诸如微软、谷歌、苹果或者Zalando这样的国际大公司；而汽车行业正在崛起，正如Hochreiter先生所说的那样：特斯拉公司、博世公司和ZF公司也加入到合作大军的队伍中了，“似乎人工智能能够解决所有的问题。”但AI（人工智能）做不到。

奥迪公司早就与Sepp Hochreiter先生的研究所进行了合作，共同推动人工智能自动驾驶的车辆开发

OEM的更新速度

当前，可以应用的自动化驾驶功能的发展有着很大的不确定性。McKinsey公司的一项调查研究表明：80%的大型汽车生产厂家都宣布了到2025年的高自动化驾驶汽车的研发计划；Frost & Sullivan公司的一项调查表明：到2025年时全球自动化驾驶车辆的市场份额将会达到830亿美元。而且新的自动化驾驶功能也不仅是在车型更新换代时才开始引进到新车型中，而且也会在车辆改型或者在使用周期内（例如特斯拉、奥迪A8）就会出现在新的车辆中。

奥迪公司的生物信息研究

人们必须教会人工智能如何学习。Hochreiter研究所正在为奥迪公司做这件事情。Hochreiter先生与奥迪公司合作成立了“奥迪-JKU深度学习中心”。奥迪A8就是一个最佳的实际例子。作为自动驾驶功能Level 3级的车辆之一，它可以按照60 km/h的时速在多车道公路上行驶。

“基础研究的成果是专门针对大众市场的。奥迪公司的专业部门，例如自动驾驶研发部门，在基础研究之上继续进行自动驾驶技术的开发，开辟了许多新的研发项目。”奥迪电子事业有限公司、机器学习和嵌入式系统部门的主管Peter Schuberth先生说道。
Hochreiter先生的深度学习方法是从人脑的学习过程的研究中得出来的，其基础为人工神经网络是多层次的，因此用了英语“deep（深度）”，例如从大量的实际例子中学习。与传统的反复记忆网络相比较，Hochreiter先生的“长期短期”记忆网络考虑了较长一段时间内的延迟效应，例如分类任务。

AI并不了解世界

为了实现更高的自动化水平，人工智能就需要学习。汽车的“大脑”必须能够在现实世界中学习，记忆遇到的种种情况并从中区分出重要和次要的情况。只有这样，AI（人工智能）才能自己做出决策，才无须对每一种可能出现的情况都编写控制程序。尽管人工智能可以比人类更好地识别交通标志或者行驶限速，但它并没有自己对世界的认知。因此，Hochreiter先生正在研究顺序学习。“这里的问题是智能学习要向什么方向发展？不能只关注一个个单独的事物。”为此就需要数据，据Hochreiter先生解释，“这些数据还没有充分被利用起来，很多企业都坐在数据‘金山’之上，而没有用到这些重要的数据。”

与奥迪合作的一个重要项目是在汽车传感器中使用AI（人工智能）。奥迪公司在加利福尼亚州长滩举行的神经信息处理系统进展大会（NIPS）中，介绍了一种先进的研发技术，利用AI（人工智能）生成高精度车辆环境3D模型的单镜头摄像机。据奥迪公司介绍，它可以精确地记录车辆周围的环境。

市场中常见的前置摄像机可以当作传感器使用，并以大约120°的拍摄角度拍摄车辆前方的环境区域。每秒钟它可以拍摄15帧图片，分辨率为130万像素。然后神经网络系统对这些图像进行处理：按照13个对象类别对每一个像素进行分类。系统默认的对象类别为：轿车、货车、房屋、车道标记、人员和交通标志等13类。系统还利用神经网络来处理间距信息。可视化是利用ISO Linen等值线法来实现的，定义了一个恒定距离的虚拟世届。据奥迪公司介绍：将语义分割和深度评估两种方法结合起来，就能够得到精确反应真实环境的三维模型了。

奥迪公司的工程技术人员们已经接受了神经网络技术的培训，了解从事实和情景的观察中学习。作为回报，神经网络能够理解看到的许多街头景象的射频，并且从中学会理解一个个交通规则。

汽车的驾驶证

Hochreiter先生主张自动驾驶的车辆需要驾驶执照，并概述了不同的和非常复杂的驾驶场景，例如在大厅中的自动驾驶。对他来讲，仅仅依靠模拟是远远不够的。“怎样才能保证模拟中没有错误？走进现实世界才是最重要的。”什么时候才能达到最高级别的自动驾驶？对Hochreiter先生来讲，研究报告中提到的时间节点是2025年。“2025年时，公路上将会出现一些新鲜事。工业企业必须证明自己可以按时完成任务。”