首先這個是肯定能實現的
不僅僅是大資料技術，還有人工智慧（AI）的完善
大資料就是一堆資料，說有用就有用，說沒用就沒用，關鍵這些資料給誰去用的。
筆者要說的是未來幾年發展異常火爆的AI技術
AI技術為什麼那麼牛，最簡單的一點他不是程式設計師寫條程式讓他做什麼就去做什麼，關鍵是他能自己學習，不斷的學習，會進行自我批評與自我發展。
阿法狗就是最典型的例子，所有參與這個專案的人圍棋都不怎麼樣，但這隻狗有兩個優勢，一個就是大資料，擁有全球所有幾百年來的圍棋棋譜。這些大資料對於所有人來說都不可能全部有用，有限的人群只能去研究有限的那些棋譜。阿法狗的第二個優勢是他不僅能夠短時間內全部學完棋譜，關鍵的是能一邊學一邊完善自己，自己跟自己下，自己不斷超越自己。最終的結果就是沒有人能打敗他，打敗他的只有其他類似的狗啊貓的。
問題中提到的是如何利用大資料開發一個決策選擇器，讓人們在猶豫不決中能做大機率做出最優的選擇？
那我們舉個例子大家就明白了。
可以預測未來幾年，無人駕駛將會逐步成為主流，無人駕駛如何在現實中碰到突發狀況下最快做出最優選擇呢？很多人都在思考這個問題，估計國內那些開發無人駕駛的大佬們也都在思考，會不會在未來的行使中再次出現類似特斯拉出現的問題，把一輛大客車判斷為藍天白雲，而直接撞上去。
筆者在這裡奉勸各位無人駕駛的大佬們，無人駕駛領域做到一定機率的安全，離不開大資料的支援，大資料不是呼叫幾個攝像頭，或者幾篇交通法則，或者幾個老司機的經驗就能解決的。那要實實在在的進行實地採集。真正有錢去燒，就全國招募10萬老司機，分不同行業不同區域不同環境進行招募，每月根據里程數進行補貼。每個司機車上安裝無人駕駛模擬駕駛系統及資訊採集系統還有資訊上傳系統，針對實地駕駛進行模擬判斷，並與老司機的實際操作進行比對，進行自我學習不斷更新。只有這樣經過無數大資料的採集，無數老司機各種路況的實際判斷，進行合理最佳化，最終才能達到各類情況的最優處理方案。這樣在未來的實際運行當中才能從容應對各類突發事件，而不是出現一次事故更新一次系統。未來安全的無人駕駛系統不應該建立在血淋淋的事故中，而是在建立在無數的實際安全行駛的大資料中。
首先這個是肯定能實現的
不僅僅是大資料技術，還有人工智慧（AI）的完善
大資料就是一堆資料，說有用就有用，說沒用就沒用，關鍵這些資料給誰去用的。
筆者要說的是未來幾年發展異常火爆的AI技術
AI技術為什麼那麼牛，最簡單的一點他不是程式設計師寫條程式讓他做什麼就去做什麼，關鍵是他能自己學習，不斷的學習，會進行自我批評與自我發展。
阿法狗就是最典型的例子，所有參與這個專案的人圍棋都不怎麼樣，但這隻狗有兩個優勢，一個就是大資料，擁有全球所有幾百年來的圍棋棋譜。這些大資料對於所有人來說都不可能全部有用，有限的人群只能去研究有限的那些棋譜。阿法狗的第二個優勢是他不僅能夠短時間內全部學完棋譜，關鍵的是能一邊學一邊完善自己，自己跟自己下，自己不斷超越自己。最終的結果就是沒有人能打敗他，打敗他的只有其他類似的狗啊貓的。
問題中提到的是如何利用大資料開發一個決策選擇器，讓人們在猶豫不決中能做大機率做出最優的選擇？
那我們舉個例子大家就明白了。
可以預測未來幾年，無人駕駛將會逐步成為主流，無人駕駛如何在現實中碰到突發狀況下最快做出最優選擇呢？很多人都在思考這個問題，估計國內那些開發無人駕駛的大佬們也都在思考，會不會在未來的行使中再次出現類似特斯拉出現的問題，把一輛大客車判斷為藍天白雲，而直接撞上去。
筆者在這裡奉勸各位無人駕駛的大佬們，無人駕駛領域做到一定機率的安全，離不開大資料的支援，大資料不是呼叫幾個攝像頭，或者幾篇交通法則，或者幾個老司機的經驗就能解決的。那要實實在在的進行實地採集。真正有錢去燒，就全國招募10萬老司機，分不同行業不同區域不同環境進行招募，每月根據里程數進行補貼。每個司機車上安裝無人駕駛模擬駕駛系統及資訊採集系統還有資訊上傳系統，針對實地駕駛進行模擬判斷，並與老司機的實際操作進行比對，進行自我學習不斷更新。只有這樣經過無數大資料的採集，無數老司機各種路況的實際判斷，進行合理最佳化，最終才能達到各類情況的最優處理方案。這樣在未來的實際運行當中才能從容應對各類突發事件，而不是出現一次事故更新一次系統。未來安全的無人駕駛系統不應該建立在血淋淋的事故中，而是在建立在無數的實際安全行駛的大資料中。