無人駕駛目標是個性化駕駛

人工智慧經過兩個寒冬以後，給其他領域帶來了很大變化：首先是腦科學，然後是認知心理學，接著是神經生物學。

這三個學科對於人智能的啟發更大一點，我們把這一塊叫腦認知。腦認知啟發的人工智慧就是目前研究的對象，這一塊怎麼測，按照圖靈的說法，拿對話來測，用一個人和一個機器人對話，看看我們能不能知道它是人的聲音還是機器的聲音。聽起來很簡單，但需要一定智商，比如你回答問題的時候是否得體，交談的時候帶不帶情感，你是沮喪的溝通，還是愉悅的溝通，這樣一來，其實這件事情並不那麼簡單。

圖靈測試本質上就是交互智能的測試。如果我們用大數據，用深度學習訓練一個機器人，讓它達到某個特定人的說話水平，它發出的聲音就是虛擬組織的聲音。

還有一個很重要的事情，最近全世界都在做智能駕駛，無人駕駛，駕駛驅動的圖靈測試怎麼測。如果我們在路上看到一台汽車，你是否分辨得出是機器人開的還是人開的？你是否能分辨出他是一個新手或者是老司機？是A駕照還是C駕照？圖靈測試在後圖靈時代已經進入了我們的生活。

谷歌公司是無人駕駛的領頭羊，2015年就聲稱跑了100萬英里，達到人類75年的駕齡了，但遇到一個最基本的問題，無人車上路怎樣獲得駕照，駕駛認知度量已經成為交管部門的當務之急。對科技工作者來說，腦認知如何度量，這是一個非常重要的科學問題。假如我們把圖靈測試的這個人變成一個自動駕駛儀，你區別不出是智能駕駛的汽車還是無人駕駛，那能不能叫圖靈測試，如果測試者坐在直升飛機上，看交通流，車子往前走，你區別不出哪一輛車是人開的，哪一輛車是機器人開的，可不可以說就達到了人的水平呢？

駕駛圖靈測試的現實意義非常重要，隨著機器換人時代的到來，有這樣一個問題，相比較而言，汽車自動化程度比較高，一個駕駛員怎樣通過方向盤油門的動作改變習慣的，常年的考駕照的測試，已經積累了豐富的經驗，駕駛圖靈測試可以成為圖靈測試的起始點。汽車工程師學會有一個對自動駕駛的等級區分，分成L0到L5。上面兩個是人駕駛，下面三個是機器人駕駛，有的廠家宣稱我要做L4的自動駕駛，有人說我只能做L3，我覺得輔助駕駛挺好。

再有，當你看周圍場景的時候，駕駛員是有選擇性注意的，同樣一個場景，小孩子和一個經驗駕駛員看，注意點是不一樣的。很多人做機器視覺，有人說是計算機視覺，確切說是圖像的處理和理解，它無特定的任務驅動，所以我們進行分類、聚類，進行一些識別，形成一個全局的認知。但是人類認知難道都是這樣的嗎？不是的，因為我們在做無人駕駛的時候，有一條堅定的信念，叫做感測器不完美，不要想著哪個感測器是完美無缺的。

生物視覺和機器視覺是有差別的，視覺的種類包括觀而不覺，無視後覺，邊視邊覺，先覺後視。我們的問題是，在選擇注意力的時候，這幾個問題碰到一起到底誰優先。研究結果標明，對於生物視覺來說，真正的是記憶優先，你頭腦里記憶的東西對當前情景會產生很大的注意。我們在研究計算的同時，應該花更多的精力研究記憶和交互，這才是受腦認知啟發的人工智慧。

大家都知道，做無人駕駛最難的技術，就是實時定位，我們把大的坐標系叫做上帝坐標系，每個人看的都一樣，我們的智能體是以它為基礎的認知，因此我們提出對周邊環境進行實時定位，以及影射，這樣才能知道我這輛車當前應該在什麼地方採取什麼動作。這時我們就看到了計算機的局限性。計算機最主要的是CPU，腦認知的單元每層都有記憶智能，計算智能和交互智能，這樣才能建立起來。我們的觀點和特斯拉不一樣，和谷歌有區別，和英特爾也有不同，我們認為八個字：無人駕駛，難在擬人。無人駕駛不僅僅是車，不是做自動化就可以的，自動化遇到了天花板，人工智慧來了。

車的行為是由駕駛員決定的，無人駕駛難在擬人，因此我們要研究駕駛員行為學和駕駛員心理學，我們要研究駕駛員的感知、記憶、控制和行為技巧，而不是一味的改良車輛動力學性能，實現自動駕駛。

自動駕駛是機器駕駛，它物化了駕駛員的認識。不同的人開車行為習慣不一樣，我們認為自駕車應該有個性，好像我們每個人開車都有個性一樣，如果你不強調開車的水平，我們可以找標杆駕駛員開車，這也是可以的。駕駛技能的習得通常由認知，關聯，自主三個因素決定的。如果像特斯拉一樣，把感測器放在車裡，讓人工開車，開了兩年以後，拿回來一學習，再放回去讓它和你開車一樣，這樣，自動駕駛在路上的行為就成了自己的行為，人的感知和車的行為達到了合一的境界，這是我們追求的目標。

（作者系中國工程院院士，本文摘編自「2017全球人工智慧技術大會」發言）

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！