在機器學習、影像辨識及 NVIDIA GPU 的推波助瀾下，列車將在自動運輸方面擔任領頭羊的角色。
自動駕駛車和自動駕駛卡車已是人們口中的熱門話題，不過火車或許會率先成為完全自動駕駛的交通工具。
原因在於火車跟汽車或長途卡車不同，火車是在軌道上移動，無需瞭解四周環境，簡化了需要做出決定的類型。
從硬體信號系統到無線射頻調度系統，火車系統採用已經發展了數十年的技術。
如今準時發車的火車專業人員開始改為採用網際網路、精密的感應器，還有日漸增加的 GPU 深度學習等工具。
對於最早引發工業革命的招牌產業來說，這是一個巨大的變化。
「未來的智慧火車」
「未來我們將發展出智慧火車與無聲軌道，在技術方面從軌道技術轉向列車車載技術。」澳洲的私營 4TEL Pty Ltd 公司總經理 Derel Wust 如此說道。，該公司致力於在新南威爾斯州進行深度學習試行計畫。
Wust 在今年初於 GPU 技術大會上進行的一場演講裡，以紐約大都會運輸署（MTA）一項價值數十億美元的通訊列車控制地鐵案為例，說明老舊火車技術的高昂成本。紐約州長 Andrew Cuomo 在某場演講中表示，按照這個速度，升級整套系統需要四十年的時間。
一份報告估算 MTA 案會在35年的期間內用掉約200億美元。Wust 說火車人工智慧解決方案可以大幅減少支出，還能加快完成速度。
4TEL 致力於提高火車系統的安全性、減少基礎設施的數量及持續進行機器學習。許多人覺得自動加速和煞車系統改善了火車駕駛員扮演的角色。「日常生活裡許多交通事故通常都歸咎於人為疏失。」Wust 說。
4TEL 與 John Holland 工程公司簽約合作，提供機會將該公司嶄新的機器學習技術用於訓練南威爾斯州的國家區域交通網路。Wust 在這個階段想要收集資料，以瞭解如何將這些資料用於行為模型。
4TEL 在新南威爾斯州使用該公司的 Horus 盒子進行一項試行計畫，這項計畫使用紅外線和光學攝影機，加上機器學習演算法提供火車運行軟體服務。這個盒子是在 NVIDIA DRIVE 平台上運行。
軌道模擬
Wust 的公司是少數幾間使用「Digital Twin」（數字孿生）模型，率先開發自動駕駛火車的鐵路公司之一，這些模型可以在軌道上模擬鐵路網路系統。
在瑞士這個寬200英里的國家裡，管理著近五千英里長鐵路系統的瑞士聯邦鐵路公司（Swiss Federal Railway Company），在 GTC 大會上介紹該公司如何為更新火車系統，以維持準時發車所做出的努力。
該公司維護著一套混合高鐵和慢速貨運火車的系統，需要使用約1.3萬個開關來控制如此複雜的火車行駛交通情況。
被稱為 SBB 的瑞士聯邦鐵路公司，每天運送逾120萬名乘客。旗下自營的發電廠幾乎只使用可再生能源來供電給火車。它也是瑞士最大的房地產公司之一。「最讓人驚訝的是，我們還是一間大型軟體公司。」瑞士聯邦鐵路公司的商業分析與人工智慧研究員 Erik Nygren 說。
瑞士聯邦鐵路公司的研發與創新平台由 Dirk Abels 領軍，使用 NVIDIA DGX-1 人工智慧超級電腦進行模擬和深度強化學習，以取得最佳的火車時刻表和調度內容。
SBB 已經將所有地理資訊納入其模擬環境，讓火車調度員能在虛擬環境裡即時以互動方式操控火車資料。
SBB 還開發出機車自動煞車系統的安全功能，目前正進入模擬階段。SBB 的商業分析師與 HPC 專家 Adrian Egli 說：「我們的碰撞偵測功能可以在半秒鐘內進行動作。」
維護軌道
美商奇異公司（General Electric）也在開發整合了攝影機、軟體和 GPU 技術的火車引導系統。奇異公司與印度鐵路公司（Indian Railways）簽約，將在印度班加羅爾進行機車技術試行計畫。
奇異公司銷售相關設備，還有包括分析在內的訂閱制攝影機系統。GE Transportation 使用 NVIDIA DGX-1 及其它 NVIDIA GPU 進行訓練，另外使用 NVIDIA Xavier 平台和 P100 GPU 來進行機車車載模型的推論作業。
嚴苛的檢查作業得分段封閉軌道，作業員走在軌道上查看枕木有無任何缺失和其它維護方面的問題，光是停駛成本便達數百萬美元。GE Transportation 致力於使用人工智慧技術，將定期維護作業改為「預測性和規範性作業」，在不影響安全的情況下節省成本。
GE 致力於將其前置攝影系統用在確保列車安全和檢查軌道的作業上。「我們可以讓機車達到足夠的聰明才智和自我認知程度，來檢查自己車底下的軌道嗎？」GE Transportation 的首席架構師 Dattaraj Rao，在 GTC 大會進行演講時如此說道。
GE 跟其它公司一樣，也是使用 Digital Twin 法或是模擬出的鐵路交通網路，以不斷掌握軌道狀況和安排維護作業。
4TEL 的 Wust 說很輕易便能想像出，使用車上的攝影機和感應器來取得資料的火車，一樣可以取得相反方面軌道的資料，像是軌道上的障礙物，如此一來便能將如同 Waze 一般的交通資訊投入鐵路系統，供其它火車使用。
「我們開始研究這些影像，試圖從中找出價值。」Rao 說。