乘客在上海交通大學校園內(nèi)體驗實驗性運行的無人駕駛小巴。

現(xiàn)如今，人工智能已經(jīng)在下圍棋方面勝出，可在駕駛汽車時，卻似乎比人類顯得笨拙。今年美國的一輛無人駕駛汽車在城市道路上做實驗時，將一位橫穿馬路的行人撞倒。這起事故，也讓這一備受熱捧的新技術受到一些爭議。無人駕駛下一步該從哪些技術角度進行完善，我國的無人駕駛技術近來有哪些進展?日前，在由中國自動化學會主辦、西安交通大學承辦的2018中國自動化大會上，中國工程院院士鄭南寧對此進行了解讀。

人類擅長感知預測 計算機擅長邏輯推理

下圍棋屬于邏輯推理腦力勞動，而駕駛汽車卻是感知、運動等結合的腦力勞動。人類經(jīng)過駕校訓練，相對容易就可以掌握這個技能，但是用機器實現(xiàn)它卻遇到了艱難挑戰(zhàn)。

這種情況在人工智能領域被稱為莫拉維克悖論。“它意味著人類覺得簡單的事情，計算機卻難做到，人類覺得難度大的事情，計算機卻完成得很輕松。”鄭南寧說，早在20世紀80年代，人工智能研究者就發(fā)現(xiàn)了這個挑戰(zhàn)，對計算機而言實現(xiàn)邏輯推理等人類高級智慧只需要相對很少的計算能力，而實現(xiàn)感知、運動等智慧行為卻需要巨大的計算能力。

這種情況是由二者的基本特性決定的。如果把人腦和計算機做一個比較，計算機顯然是在邏輯性、可重復性和規(guī)范性方面超過了人類，但是人類的大腦具有動態(tài)性、復雜性，還具有創(chuàng)造性和想象力。“人類思維是在記憶經(jīng)驗和知識的基礎上進行預測、模式分類以及學習的。特別要注意這個預測能力，每個人的大腦中都有預測的模型，所以說從本質上來講，大腦就是一個預測的機器，而對于駕駛行為而言，預測能力非常重要。”鄭南寧說：“但計算機要實現(xiàn)這種預測則非常困難。”

無人駕駛沒那么快進入生活

從對錯誤的容忍度來說，人工智能系統(tǒng)可以分成兩大類：一類犯了錯誤可以重來，另一類在統(tǒng)計意義上不能夠犯錯誤，無人駕駛屬于后者。

從這一現(xiàn)實來看，鄭南寧認為當前的無人駕駛技術主要面臨對環(huán)境的可靠感知、預行為理解、應對意外等方面的難題。

“對環(huán)境的可靠感知，也就是說無論在任何路況和天氣狀況下，無人駕駛汽車都能準確而周密地感知周圍環(huán)境。”鄭南寧說，而預行為理解即對對方可能產(chǎn)生的行為進行準確的預估和判斷，另外還有就是對意外遭遇的處理，包括如何對交警的手勢作出反應，如何應對突然從路邊闖進一個小孩等意外情況。“這樣的突發(fā)異常情況是無人駕駛必須要解決的，但目前還無法事先為這類場景編碼，也無法用簡單的基于規(guī)則的模型來應對。”

鄭南寧表示，針對這些難題所開展的嘗試，需要把深度學習網(wǎng)絡、長短期記憶、選擇性注意機制以及提取知覺物體等技術，整合在基于認知計算引擎的自主駕駛系統(tǒng)中，這是無人駕駛研究領域值得研究的方向。

他介紹說，在11月份由國家自然科學基金委員會組織的2018中國智能車未來挑戰(zhàn)賽上，西安交通大學研制的“先鋒號”智能汽車進入高架道路后，平穩(wěn)匯入多輛有人駕駛車輛的自然車流。這輛無人駕駛實驗車還在沒有GPS信號的情況下，在高架橋下的地面道路，由計算機自主駕駛通過了S形的彎道和各種路障。

盡管取得了這些進展，但鄭南寧認為對無人駕駛仍然應該保持冷靜，并沒有那么快就進入生活。“真實的交通環(huán)境復雜多變，實現(xiàn)完全自主的無人駕駛是一個令人興奮卻又望而生畏的艱難挑戰(zhàn)。”

發(fā)現(xiàn)人工智能的突破點還需更多時間

那么，最終有沒有可能找到一種終極算法，能使某種智能不僅能完成單一的任務，還能具有非常強大的普遍適應性能力，來解決無人駕駛等任務呢?

鄭南寧表示，未來需要從腦認知和神經(jīng)科學研究中得到啟發(fā)，發(fā)展一種新的學習機器。

“將神經(jīng)科學和腦認知作為新的機器學習算法和架構的靈感來源，使用這些知識來幫助我們思考在人工智能系統(tǒng)中如何實現(xiàn)同樣的功能，是未來人工智能發(fā)展重要的研究方向之一。”鄭南寧說，“我們需要更多時間來發(fā)現(xiàn)受腦認知和神經(jīng)學科啟發(fā)的人工智能突破點在哪里，也需要多學科的實驗科學家和理論科學家的合作。”

他同時提醒，面對近年來人工智能的熱潮，更應該將基礎研究建立在嚴謹?shù)睦碚摗⒛Ｐ徒ㄔ臁�實驗驗證與分析的基礎上。

“如果讓社會的期望值過高，又沒有達到預期的目標，它就有可能給學科發(fā)展帶來低潮，甚至是災難性影響，使最初期望的目標成為‘皇帝的新衣’。”鄭南寧說：“面對人工智能的研究與其在無人駕駛等領域的應用熱潮，我們需要保持冷靜的思考，踏踏實實推進基礎研究和實驗驗證。”

(新媒體責編：wb001)