无人驾驶的落地，是一场AI与人的博弈

“人类创造技术的步伐在加快，技术的力量也在以指数速度增长。指数增长令人困惑，从最小的增长开始，然后以不可思议的速度爆炸——如果一个人不密切关注其发展趋势，这种增长将完全出乎意料。”该杂志的“托马斯·爱迪生的合法继承人”雷·库兹韦尔在他的书《奇点临近》中写道。。这位拥有13个荣誉博士头衔的世界领先发明家为人们描绘了一幅人工智能社会的未来图景。雷·库兹韦尔认为，由于摩尔定律的存在，技术将呈指数级增长，人类社会将在2045年达到人工智能的奇点。其次，基于生物形态的人类本质上只是一个高度复杂的神经网络下的算法系统，未来必然会被更高级的算法系统所取代。"盲目乐观可能是最致命的大规模杀伤性武器."皮耶罗·加鲁菲(Piero Garufi)认为，“人工智能并不是一个新概念，它起源于1956年或更早，但在过去，由于计算机处理系统的能力不足，人工智能并没有获得显著和快速的发展。”从人工智能在现实中的应用程度来看，目前AI无人驾驶领域的进展似乎也印证了Piero Garufi的观点。回顾人类历史上的重大变革节点，不难发现，无论是蒸汽机的改进，还是内燃机的发明，出行领域一直是先进技术应用的最前沿。追根溯源，近年来无人驾驶技术爆发的技术基础也源于2006年Hinton在深度学习领域取得的革命性成果。因此，基于神经网络的深度学习算法已经深入应用于计算机视觉、语音识别和计算机行为决策，形成了无人驾驶软件的技术基础。在无人驾驶工程应用的实现上，不存在大的技术障碍，所以无人驾驶的天花板仍然在于基于深度学习的AI技术的局限性。另一方面，基于AI技术的L4级自动驾驶已经开始进入商业化阶段。目前，谷歌Waymo、特斯拉AutoPilot、百度Apollo、通用Cruise都已经实现了L4级别的自动驾驶。无人驾驶的致命弱点在美国2016年，一辆自动驾驶的特斯拉车型与一辆白色拖车卡车相撞，司机死亡。这是无人驾驶车祸死亡的首例。事故发生后，一名专业人士基于事故现场的环境分析指出，在阳光直射下，依靠摄像头的图像识别系统未能及时发现前方横过马路的白色货车。同时，由于毫米波雷达的位置较低，毫米波雷达的正常垂直视角在5°以内，当特斯拉接近拖车卡车侧面时，雷达波束从下方穿过卡车，导致漏检，导致事故发生。事故发生后，特斯拉对其无人驾驶系统进行了改进，并在其官网上修改了自动驾驶的定义。事实上，安全问题确实是无人驾驶技术全面实施的致命弱点。以深度学习算法为核心的AI技术构建的无人驾驶系统，还没有真正解决“计算机理解偏差”带来的驾驶安全问题。从AI技术进化的角度来看，以深度学习算法为核心的“智能”并不是真正意义上的真正智能，而是在“动态规划”原则下，基于大数据和深度学习算法的统计“最优解”的达成。所以，要解决目前无人驾驶的安全问题，就要把这个框架下“不安全”的可能性降到比人类车祸概率更低的红线，才有无人驾驶进入千家万户的“接受底线”。今年5月，在宁波举行的第六届中国机器人峰会上，中国工程院院士郑南宁发表了主题为直觉人工智能与无人驾驶的演讲。郑南宁院士提出不可能建立一个覆盖所有sc的场景模型……arios在一个算法模型下，然而“基于认知构建构建类人自动驾驶，使AI自动驾驶具备类人决策机制，可以应对高度动态、高度随机的交通场景变化。在我看来，建立基于人类思维决策机制的算法模型，让AI拥有类似人类的“意识”，以目前的技术条件是无法实现的。一方面，人类的决策往往是通过自身在多个方面的经验来实现的，另一方面，在大多数人的决策过程中，感性因素往往占主导地位，而算法决策是100%理性的，而理性决策往往不是某些特定情境下的“最优选择”。在电影《机械公敌》(又名《我，机器人》)中，由威尔·史密斯主演的戴尔·史普纳(Dale Spooner)在一场车祸中带着一个小女孩掉进了水里。经过计算，人工智能机器人选择了生产力更高的戴尔·斯普纳(Dale Spooner)，放弃了小女孩的生命。但如果现实中发生类似事件，作为人类救援人员，显然会优先考虑救女孩，因为这是人性约束下的“最优解”。在“AI安全陷阱”下，AI驾驶技术的“奇点”展望未来，无人驾驶一定会在未来的某个时刻全面应用到出行领域。届时，现有的交通规则甚至道路形态都可能发生新的变化。从无人驾驶的最初应用到无人驾驶时代的来临，人们将长期处于一个“人+AI驾驶”的混合出行时代。在这个过程中，相应的法律法规也必须与之相适应。如果说安全问题是AI无人驾驶落地的“门票”，那么无人驾驶对现有交通系统和规则的适应就是AI与人类的直接“博弈”。本质上，AI无人驾驶的进化是人类在提高其便捷性和安全性的前提下，逐渐将出行的责任委托给AI的过程。在这个过程中，人类保留出行领域的主导权，同时将出行安全和控制权交付给AI，实现人力资源的解放。在这个过程中，人类作为游戏中的玩家之一，有着非常矛盾的心理。一方面，人们希望用AI解放人力资源，实现出行体验中的“舒适”。另一方面，人们担心在现有技术条件下，AI决策会带来安全风险和道德风险。因此，无人驾驶汽车的落地不仅仅是技术层面的落地，更是对公众认可和无人驾驶交通法规的系统适应。在决策层面，基于深度学习的AI在很长一段时间内都不会有“类人”的决策模型。因此，人们可以期待AI是无人驾驶的，本质上是一种安全风险低的交通辅助工具。从这个意义上说，AI无人驾驶的进步反而会增加陷入“AI安全陷阱”的人类驾驶员的数量:一方面，“非人类”的AI并没有真正为驾驶员提供安全保障，另一方面，日益先进的AI无人驾驶技术可以增加驾驶员的“惯性”，造成潜在的安全风险。在编辑看来，无人驾驶跨越“AI安全陷阱”的关键在于能否准确判断AI无人驾驶技术进化的奇点，判断无人驾驶是否达到技术奇点的原则可以从两个方面考虑:AI完全具备作为“人”的分析和决策能力(即人工智能实现独立思考)；基于深度学习的AI无人驾驶在实际道路驾驶中的事故率远低于人类驾驶。其次，从实用的角度来看，软件程序是AI技术不可或缺的组成部分。在联网状态下，获得车辆控制权的AI也更容易受到网络黑客的攻击。所以，除了行车安全，网络安全问题也是无人驾驶真正落地需要解决的问题。那么，真正的无人着陆还需要多久？从AI技术的发展来看，自2006年深度学习领域取得突破以来，基于神经网络的深度学习发展迅速。大数据、深度学习算法、计算能力已经成为AI领域的三大核心技术。目前，人工智能技术三要素中的计算能力仍然依赖于强大的计算机作为后勤支持，但随着摩尔定律的失效，传统半导体行业已经逐渐遇到技术瓶颈，人工智能技术进步可能面临新的停滞。摩尔定律的失效意味着在目前的规模下，计算机计算能力也面临着物理瓶颈，AI技术的成长需要大量的计算能力来支撑。可以预见，AI技术的成长将陷入新的困难期，而AI技术发展的停滞将进一步限制AI技术在无人驾驶领域的应用。在现有的AI技术及其成长空间下，未来无人驾驶的落地必然分为两个阶段，即封闭场景下的商业落地和作为驾驶辅助功能的商业落地。但是，真正实现智能无人驾驶还有很长的路要走。雷·库兹韦尔(Ray Kuzweil)的《奇点临近》(Singularity Approaches)让人们惊呼人工智能时代似乎即将到来，但正如他在书中所写的那样，“人们总是高估短期内可以实现的目标，却往往低估需要很长时间才能实现的目标。”也许，我们对真正的人工智能对人类社会的深刻影响还知之甚少，但人们也应该对AI在今天的实际应用给予更理性的认识，这也是AI技术持久繁荣的关键。

标签：特斯拉发现

汽车资讯热门资讯