谷歌、特斯拉，百度、滴滴、蔚來(lái)……如今從國(guó)外到國(guó)內(nèi)，越來(lái)越多的企業(yè)投身到無(wú)人駕駛的開(kāi)發(fā)大軍當(dāng)中。相比于人機(jī)對(duì)弈、人臉識(shí)別、圖像識(shí)別等深度學(xué)習(xí)領(lǐng)域在近年取得的進(jìn)步，無(wú)人駕駛似乎“慢”了一些。

不過(guò)，慢自有慢的道理。不同于深度學(xué)習(xí)，無(wú)人駕駛面對(duì)的挑戰(zhàn)更多來(lái)自環(huán)境的開(kāi)放性和不確定性，這無(wú)疑對(duì)機(jī)器的能力提出了更高要求。

無(wú)人駕駛已來(lái)，它將駛往何處？這是所有關(guān)注這一行業(yè)的人亟待思考的問(wèn)題。如果要問(wèn)誰(shuí)對(duì)這一問(wèn)題具有發(fā)言權(quán)，鄭南寧一定榜上有名。

鄭南寧是中國(guó)自動(dòng)化學(xué)會(huì)理事長(zhǎng)，中國(guó)工程院院士。他長(zhǎng)期從事無(wú)人駕駛研究，團(tuán)隊(duì)和項(xiàng)目已進(jìn)行過(guò)多次路測(cè)試驗(yàn)。他在多個(gè)場(chǎng)合闡釋過(guò)對(duì)于未來(lái)人工智能、尤其是無(wú)人駕駛發(fā)展的思考。

傳統(tǒng)人工智能與深度學(xué)習(xí)的局限

要理解傳統(tǒng)人工智能的局限，需要先了解它的工作方法。當(dāng)面對(duì)一個(gè)問(wèn)題時(shí)，傳統(tǒng)人工智能首先要給出精確數(shù)學(xué)意義上的解析模型，如果模型無(wú)法抽象出來(lái)，這個(gè)問(wèn)題就是無(wú)解的。

模型出來(lái)后，要給出確定的算法，之后人工智能系統(tǒng)的算力、能力或任務(wù)就是唯一的。

但在現(xiàn)實(shí)生活中，人類(lèi)面臨的許多問(wèn)題往往具有不確定性、脆弱性和開(kāi)放性。鄭南寧指出，當(dāng)前人工智能的理論框架是建立在演繹邏輯和語(yǔ)義描述基礎(chǔ)之上的，我們不可能對(duì)所有遇到的問(wèn)題都進(jìn)行建模，因?yàn)闂l件問(wèn)題的存在，我們不可能把一個(gè)行為的所有條件都模擬出來(lái)。傳統(tǒng)人工智能的局限性由此可見(jiàn)。

近年來(lái)深度學(xué)習(xí)取得了喜人進(jìn)步，給人工智能的發(fā)展帶來(lái)了春天。但在鄭南寧看來(lái)，深度學(xué)習(xí)面對(duì)的諸多問(wèn)題也不容回避。

首先是深度學(xué)習(xí)的泛化能力差，且訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)必須是同分布的，如果做不到這一點(diǎn)，機(jī)器的分類(lèi)能力就會(huì)極大降低。

其次是深度學(xué)習(xí)的表達(dá)能力較弱。雖然它可以通過(guò)長(zhǎng)期訓(xùn)練輸出合理、準(zhǔn)確的結(jié)果，但它始終“知其然而不知其所以然”，無(wú)法了解結(jié)果背后的推理過(guò)程。

最后是深度學(xué)習(xí)無(wú)法引入注意機(jī)制。這一機(jī)制強(qiáng)調(diào)的是計(jì)算過(guò)程中的路徑選擇和計(jì)算負(fù)載的分配，深度學(xué)習(xí)目前還找不到有效辦法解決這一問(wèn)題，而注意機(jī)制是構(gòu)成高級(jí)AI的基本核心。

“直覺(jué)性”將成為人工智能的未來(lái)

既然當(dāng)前人工智能存在這些局限，未來(lái)我們應(yīng)該如何尋找突破口，讓人工智能實(shí)現(xiàn)升級(jí)？

鄭南寧認(rèn)為，當(dāng)前人工智能與人類(lèi)的“較量”中，在邏輯性、可重復(fù)性和規(guī)范性方面，計(jì)算機(jī)已經(jīng)明顯勝出；但是人類(lèi)面對(duì)的大部分問(wèn)題都是開(kāi)放的、動(dòng)態(tài)的、復(fù)雜的，大腦在處理這類(lèi)問(wèn)題時(shí)所表現(xiàn)出的想象力和創(chuàng)造力，以及對(duì)復(fù)雜問(wèn)題的分析和描述，是當(dāng)前人工智能的方法所無(wú)法企及的。

鄭南寧說(shuō)：“人類(lèi)思維是在記憶經(jīng)驗(yàn)和知識(shí)的基礎(chǔ)上進(jìn)行預(yù)測(cè)、模式分類(lèi)以及學(xué)習(xí)的。特別要注意這個(gè)預(yù)測(cè)能力，每個(gè)人的大腦中都有預(yù)測(cè)的模型，所以說(shuō)從本質(zhì)上來(lái)講，大腦就是一個(gè)預(yù)測(cè)的機(jī)器，而對(duì)于駕駛行為而言，預(yù)測(cè)能力非常重要”。相較之下，計(jì)算機(jī)想要實(shí)現(xiàn)預(yù)測(cè)就非常困難。

在鄭南寧看來(lái)，未來(lái)的計(jì)算機(jī)需要像人一樣，能夠?qū)ξ锢硎澜绠a(chǎn)生直觀理解。人類(lèi)產(chǎn)生認(rèn)知的過(guò)程，已經(jīng)給計(jì)算機(jī)的進(jìn)化指明了方向。

人腦對(duì)于非認(rèn)知因素的理解更多地來(lái)自于直覺(jué)，并受到經(jīng)驗(yàn)和長(zhǎng)期知識(shí)積累的影響，這些因素在人對(duì)物理環(huán)境理解與行為交互、非完整信息處理等問(wèn)題中有著極其重要的作用。

此外，人類(lèi)是通過(guò)與事物的互動(dòng)來(lái)實(shí)現(xiàn)學(xué)習(xí)的，人類(lèi)認(rèn)知過(guò)程中的特征概念形成，往往是建立在語(yǔ)義解釋的基礎(chǔ)上，人類(lèi)依賴對(duì)事物的觀察在大腦中建立不同的分析模型，并利用這些模型來(lái)推測(cè)事物的變化。

機(jī)器學(xué)習(xí)與人類(lèi)產(chǎn)生認(rèn)知的路徑是完全不同的。鄭南寧認(rèn)為，為使機(jī)器學(xué)習(xí)人類(lèi)的認(rèn)知方式，需要其所學(xué)特征在一定程度上符合神經(jīng)生理學(xué)的實(shí)驗(yàn)結(jié)果，同時(shí)要使特征具有數(shù)學(xué)和語(yǔ)義的解釋性。此外，大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可塑性，以及人腦在非認(rèn)知因素和認(rèn)知功能之間的相互作用，它們是形式化方法難以、甚至不能描述的。

因此，鄭南寧提出：“我們需要從腦認(rèn)知機(jī)理和神經(jīng)科學(xué)獲得靈感和啟發(fā)，發(fā)展新的AI計(jì)算模型與架構(gòu)，讓機(jī)器具備對(duì)物理世界最基本的感知與反應(yīng)，即使機(jī)器具有‘常識(shí)’推理的能力，從而實(shí)現(xiàn)更加健壯的人工智能系統(tǒng)。”

鄭南寧把這樣的AI技術(shù)，稱為“直覺(jué)性AI技術(shù)”。

要實(shí)現(xiàn)這一步，鄭南寧認(rèn)為計(jì)算機(jī)需要具備三個(gè)基本要素：

（1）對(duì)環(huán)境中的所有對(duì)象進(jìn)行特征識(shí)別，并且進(jìn)行長(zhǎng)期記憶；

（2）理出對(duì)象間的關(guān)系，并對(duì)它們相互間的作用進(jìn)行描述；

（3）基于想象力的行為模型，人在進(jìn)行具體行動(dòng)之前，會(huì)想象其帶來(lái)的后果，但機(jī)器就需要分析物體之間的各種關(guān)系。

直覺(jué)性AI技術(shù)可助力無(wú)人駕駛

隨著人工智能熱的興起，無(wú)人駕駛也被人們寄予厚望，全球已有多家企業(yè)宣布在2020年前后推出無(wú)人駕駛汽車(chē)。

但鄭南寧提出，當(dāng)前無(wú)人駕駛還面臨這五個(gè)方面的挑戰(zhàn)。

第一，如何周密感知復(fù)雜的交通場(chǎng)景？它需要對(duì)天氣、路況等方面的所有條件，都能作出安全判斷。

第二，如何判斷和理解意外或突發(fā)情況？比如當(dāng)遇上交通管制，街口出現(xiàn)交警指揮時(shí)，它可以有效識(shí)別并作出正確反應(yīng)嗎？

第三，如何實(shí)現(xiàn)對(duì)預(yù)行為的理解？比如人類(lèi)司機(jī)可以通過(guò)前方行車(chē)狀況判定開(kāi)車(chē)的是老司機(jī)還是新手，并形成自己的應(yīng)對(duì)策略（果斷超車(chē)還是保持車(chē)距），系統(tǒng)呢？

第四，如何防范安全問(wèn)題？數(shù)據(jù)都在云端，安全風(fēng)險(xiǎn)無(wú)可避免。

第五，在人車(chē)交互上，它如何實(shí)現(xiàn)與乘客的無(wú)障礙交流？

在對(duì)交通場(chǎng)景的認(rèn)知上，人類(lèi)是一個(gè)連續(xù)的過(guò)程，但計(jì)算機(jī)是離散的。鄭南寧提出，把直覺(jué)性AI用到無(wú)人駕駛中，就是要基于認(rèn)知構(gòu)建一個(gè)類(lèi)人自主駕駛，使計(jì)算機(jī)也變得連續(xù)起來(lái)。

自主學(xué)習(xí)的無(wú)人駕駛系統(tǒng)，其學(xué)習(xí)過(guò)程與人類(lèi)司機(jī)相似，都是靠熟能生巧。其中要解決的問(wèn)題包括以下三點(diǎn)：

第一，人類(lèi)駕駛員如何注意并獲取交通環(huán)境信息；

第二，交通環(huán)境信息如何在大腦中存儲(chǔ)和加工；

第三，產(chǎn)生駕駛行為的背后存在怎樣的內(nèi)部表征。

盡管取得了一些進(jìn)步，但鄭南寧坦言，無(wú)人駕駛的商用在短期內(nèi)還難以實(shí)現(xiàn)，真正要“飛入尋常百姓家”，還需要10年甚至更長(zhǎng)時(shí)間。