無人駕駛的落地，是一場AI與人的博弈

“人類創造技術的步伐在加快，技術的力量也在以指數速度增長。指數增長令人困惑，從最小的增長開始，然后以不可思議的速度爆炸——如果一個人不密切關注其發展趨勢，這種增長將完全出乎意料。”該雜志的“托馬斯·愛迪生的合法繼承人”雷·庫茲韋爾在他的書《奇點臨近》中寫道。。這位擁有13個榮譽博士頭銜的世界領先發明家為人們描繪了一幅人工智能社會的未來圖景。雷·庫茲韋爾認為，由于摩爾定律的存在，技術將呈指數級增長，人類社會將在2045年達到人工智能的奇點。其次，基于生物形態的人類本質上只是一個高度復雜的神經網絡下的算法系統，未來必然會被更高級的算法系統所取代。"盲目樂觀可能是最致命的大規模殺傷性武器."皮耶羅·加魯菲(Piero Garufi)認為，“人工智能并不是一個新概念，它起源于1956年或更早，但在過去，由于計算機處理系統的能力不足，人工智能并沒有獲得顯著和快速的發展。”從人工智能在現實中的應用程度來看，目前AI無人駕駛領域的進展似乎也印證了Piero Garufi的觀點。回顧人類歷史上的重大變革節點，不難發現，無論是蒸汽機的改進，還是內燃機的發明，出行領域一直是先進技術應用的最前沿。追根溯源，近年來無人駕駛技術爆發的技術基礎也源于2006年Hinton在深度學習領域取得的革命性成果。因此，基于神經網絡的深度學習算法已經深入應用于計算機視覺、語音識別和計算機行為決策，形成了無人駕駛軟件的技術基礎。在無人駕駛工程應用的實現上，不存在大的技術障礙，所以無人駕駛的天花板仍然在于基于深度學習的AI技術的局限性。另一方面，基于AI技術的L4級自動駕駛已經開始進入商業化階段。目前，谷歌Waymo、特斯拉AutoPilot、百度Apollo、通用Cruise都已經實現了L4級別的自動駕駛。無人駕駛的致命弱點在美國2016年，一輛自動駕駛的特斯拉車型與一輛白色拖車卡車相撞，司機死亡。這是無人駕駛車禍死亡的首例。事故發生后，一名專業人士基于事故現場的環境分析指出，在陽光直射下，依靠攝像頭的圖像識別系統未能及時發現前方橫過馬路的白色貨車。同時，由于毫米波雷達的位置較低，毫米波雷達的正常垂直視角在5°以內，當特斯拉接近拖車卡車側面時，雷達波束從下方穿過卡車，導致漏檢，導致事故發生。事故發生后，特斯拉對其無人駕駛系統進行了改進，并在其官網上修改了自動駕駛的定義。事實上，安全問題確實是無人駕駛技術全面實施的致命弱點。以深度學習算法為核心的AI技術構建的無人駕駛系統，還沒有真正解決“計算機理解偏差”帶來的駕駛安全問題。從AI技術進化的角度來看，以深度學習算法為核心的“智能”并不是真正意義上的真正智能，而是在“動態規劃”原則下，基于大數據和深度學習算法的統計“最優解”的達成。所以，要解決目前無人駕駛的安全問題，就要把這個框架下“不安全”的可能性降到比人類車禍概率更低的紅線，才有無人駕駛進入千家萬戶的“接受底線”。今年5月，在寧波舉行的第六屆中國機器人峰會上，中國工程院院士鄭南寧發表了主題為直覺人工智能與無人駕駛的演講。鄭南寧院士提出不可能建立一個覆蓋所有sc的場景模型……arios在一個算法模型下，然而“基于認知構建構建類人自動駕駛，使AI自動駕駛具備類人決策機制，可以應對高度動態、高度隨機的交通場景變化。在我看來，建立基于人類思維決策機制的算法模型，讓AI擁有類似人類的“意識”，以目前的技術條件是無法實現的。一方面，人類的決策往往是通過自身在多個方面的經驗來實現的，另一方面，在大多數人的決策過程中，感性因素往往占主導地位，而算法決策是100%理性的，而理性決策往往不是某些特定情境下的“最優選擇”。在電影《機械公敵》(又名《我，機器人》)中，由威爾·史密斯主演的戴爾·史普納(Dale Spooner)在一場車禍中帶著一個小女孩掉進了水里。經過計算，人工智能機器人選擇了生產力更高的戴爾·斯普納(Dale Spooner)，放棄了小女孩的生命。但如果現實中發生類似事件，作為人類救援人員，顯然會優先考慮救女孩，因為這是人性約束下的“最優解”。在“AI安全陷阱”下，AI駕駛技術的“奇點”展望未來，無人駕駛一定會在未來的某個時刻全面應用到出行領域。屆時，現有的交通規則甚至道路形態都可能發生新的變化。從無人駕駛的最初應用到無人駕駛時代的來臨，人們將長期處于一個“人+AI駕駛”的混合出行時代。在這個過程中，相應的法律法規也必須與之相適應。如果說安全問題是AI無人駕駛落地的“門票”，那么無人駕駛對現有交通系統和規則的適應就是AI與人類的直接“博弈”。本質上，AI無人駕駛的進化是人類在提高其便捷性和安全性的前提下，逐漸將出行的責任委托給AI的過程。在這個過程中，人類保留出行領域的主導權，同時將出行安全和控制權交付給AI，實現人力資源的解放。在這個過程中，人類作為游戲中的玩家之一，有著非常矛盾的心理。一方面，人們希望用AI解放人力資源，實現出行體驗中的“舒適”。另一方面，人們擔心在現有技術條件下，AI決策會帶來安全風險和道德風險。因此，無人駕駛汽車的落地不僅僅是技術層面的落地，更是對公眾認可和無人駕駛交通法規的系統適應。在決策層面，基于深度學習的AI在很長一段時間內都不會有“類人”的決策模型。因此，人們可以期待AI是無人駕駛的，本質上是一種安全風險低的交通輔助工具。從這個意義上說，AI無人駕駛的進步反而會增加陷入“AI安全陷阱”的人類駕駛員的數量:一方面，“非人類”的AI并沒有真正為駕駛員提供安全保障，另一方面，日益先進的AI無人駕駛技術可以增加駕駛員的“慣性”，造成潛在的安全風險。在編輯看來，無人駕駛跨越“AI安全陷阱”的關鍵在于能否準確判斷AI無人駕駛技術進化的奇點，判斷無人駕駛是否達到技術奇點的原則可以從兩個方面考慮:AI完全具備作為“人”的分析和決策能力(即人工智能實現獨立思考)；基于深度學習的AI無人駕駛在實際道路駕駛中的事故率遠低于人類駕駛。其次，從實用的角度來看，軟件程序是AI技術不可或缺的組成部分。在聯網狀態下，獲得車輛控制權的AI也更容易受到網絡黑客的攻擊。所以，除了行車安全，網絡安全問題也是無人駕駛真正落地需要解決的問題。那么，真正的無人著陸還需要多久？從AI技術的發展來看，自2006年深度學習領域取得突破以來，基于神經網絡的深度學習發展迅速。大數據、深度學習算法、計算能力已經成為AI領域的三大核心技術。目前，人工智能技術三要素中的計算能力仍然依賴于強大的計算機作為后勤支持，但隨著摩爾定律的失效，傳統半導體行業已經逐漸遇到技術瓶頸，人工智能技術進步可能面臨新的停滯。摩爾定律的失效意味著在目前的規模下，計算機計算能力也面臨著物理瓶頸，AI技術的成長需要大量的計算能力來支撐。可以預見，AI技術的成長將陷入新的困難期，而AI技術發展的停滯將進一步限制AI技術在無人駕駛領域的應用。在現有的AI技術及其成長空間下，未來無人駕駛的落地必然分為兩個階段，即封閉場景下的商業落地和作為駕駛輔助功能的商業落地。但是，真正實現智能無人駕駛還有很長的路要走。雷·庫茲韋爾(Ray Kuzweil)的《奇點臨近》(Singularity Approaches)讓人們驚呼人工智能時代似乎即將到來，但正如他在書中所寫的那樣，“人們總是高估短期內可以實現的目標，卻往往低估需要很長時間才能實現的目標。”也許，我們對真正的人工智能對人類社會的深刻影響還知之甚少，但人們也應該對AI在今天的實際應用給予更理性的認識，這也是AI技術持久繁榮的關鍵。

標簽：特斯拉發現

汽車資訊熱門資訊