僅技術好還不行，無人駕駛汽車還需具備人類常識

本文系網易新聞-智能工作室出品

聚焦AI，讀懂下一個大時代！

【網易智能訊 9月25日消息】一家名為iSee的創業公司認為，新的人工智慧技術可以讓自動駕駛汽車更好地應對意外情況。

波士頓的暴躁司機和混亂路況是全世界出了名的，但這可能是不同類型的自動駕駛汽車測試的絕佳場所。

據外媒報道稱，iSee正在開發和測試自動駕駛系統，該系統採用了一種新穎的人工智慧方法。這家創業公司沒有依賴簡單的規則或機器學習演算法來培訓汽車，而是從認知科學中獲得靈感，讓機器具備一種常識，能夠快速應對新情況。它正在開發一種演算法，試圖與人類理解和學習物理世界的方式相匹配，包括與他人互動。這種方法可能會讓自動駕駛汽車更好地應對陌生的場景和複雜的路況。

「人類的思維對物理學和社會線索非常敏感，」iSee的聯合創始人Yibiao Zhao說。「目前的人工智慧在這些領域相對有限，我們認為這實際上是駕駛中缺失的一環。」

Zhao的公司目前還只是初具規模，是由麻省理工學院創建的一家新投資公司，為創新的本土科技公司提供資金，一個小規模的工程師團隊在一個不起眼的實驗室空間里工作。在距離麻省理工學院校園只有一小段路程的地方，它俯瞰著一條街道，司機們在這裡爭搶停車位，並積極地擠進車流中。

iSee空間內的桌子上都安裝了激光雷達感測器和各式硬體，團隊已經組裝好了它的第一個原型產品，這是一輛原本屬於該公司聯合創始人之一的雷克薩斯轎車。幾名工程師坐在大型電腦顯示器後面，目不轉睛地盯著代碼。

與Waymo、Uber或福特等公司的無人駕駛汽車相比，iSee可能顯得微不足道，但它正在開發的技術可能會對目前應用人工智慧的許多領域產生重大影響。通過讓機器從更少的數據中學習，並建立某種形式的常識，它們的技術可以讓工業機器人變得更智能，尤其是在陌生的場景下。在人工智慧領域，人工智慧領域取得了令人矚目的進步，這得益於深度學習技術。這項技術使用了足以駕馭龐大數據的神經網路。

當輸入大量數據時，靈敏的神經網路可以識別細微的模式。舉例來說，給一個神經網路提供大量的狗的圖片，它就會知道如何在所有圖像中發現狗。但是，深度學習的能力是有限的，我們還需要一些更為激進的新想法來實現下一個飛躍。例如，犬類識別深度學習系統不明白狗狗通常有四條腿、皮毛和濕鼻子。而且，如果不進行進一步的訓練，它就不能識別其他類型的動物，或者畫一隻狗。

駕駛不僅僅是模式識別。人類司機總是依賴於對世界的常識。例如，他們知道公交車需要更長時間才能停下來，而且會突然產生大量行人。想要編排出自動駕駛汽車所遇到的每一種情況是不現實的。但人們能夠運用他們對世界的常識理解，通過一生的經驗積累起來，在各種新情況下明智地行動。

「深度學習很好，你可以從以前的經驗中學到很多東西，但你不能有一個包含整個世界的數據集，」趙說。「目前的人工智慧，主要是數據驅動的，很難理解常識;這是缺失的關鍵。」趙在視頻中展示了這一點，他在YouTube上打開了自己的筆記本電腦，展示了幾個真實世界的路況，包括複雜的交通合併情況和一些看起來很亂的事故。

缺乏常識，肯定給自動駕駛系統帶來了一些問題。例如，去年在佛羅里達州，一輛特斯拉在半自動模式下行駛時發生了事故，當一輛卡車穿過高速公路時，汽車的感測器一時失去了判斷能力。一個人類駕駛員可能會迅速而安全地弄清楚到底發生了什麼。

趙和黛比·余是他的聯合創始人之一，他在視頻中展示了一段在中國發生的特斯拉事故，當時這輛車直接撞向了一輛街道清潔車。「這個系統是在以色列或歐洲訓練的，而且他們沒有這種卡車，」趙說。他說：「這只是建立在檢測的基礎上，它並不能真正理解發生了什麼。」

iSee的建立是為了理解人類是如何理解這個世界的，並設計出能夠模仿人類的機器。趙和iSee的其他創始人來自Josh Tenenbaum的實驗室，他是麻省理工學院大腦和認知科學部的教授，現在是該公司的顧問。

Tenenbaum擅長探索人類智能的工作方式，並利用這一見解來設計新型人工智慧系統。例如，這包括對物理學的直覺性的研究，甚至是小孩子的表現。孩子們能夠理解現實世界的行為方式，使他們能夠預測不熟悉的情況會如何發展。Tenenbaum解釋說，對物理世界的理解與對心理學的直覺理解密切相關，這其中就包括對他人行為的預測，比如通過觀察一個人的行為來預測他拿起杯子的動作。

在不同情況下進行學習的能力也是人類智慧的一個標誌，即使是最聰明的機器學習系統，相比之下仍然是非常有限的。Tenenbaum的實驗室將傳統的機器學習與新穎的「概率編程」方法結合起來。這使得機器可以學習推斷世界的物理原理以及其他不確定因素的意圖。

Tenenbaum說，在這方面，即使是一個嬰兒也要比現在的最先進的人工智慧系統更聰明。所以逆向工程最終能使現有的人工智慧系統更加完善。2015年，Tenenbaum與紐約大學和卡內基梅隆大學的研究人員一起，利用其中的一些想法，開發了一個具有里程碑意義的計算機程序，能夠從幾個例子中學習識別筆跡。

一種相關的方法可能最終會讓自動駕駛汽車在不熟悉的場景中形成一種接近人類的常識。這樣一輛車或許可以斷定，一名駕車正在擠進道路的司機可能想要匯入車流中。

事實上，當談到自動駕駛時，Tenenbaum說，推斷其他司機試圖達到的目標的能力可能尤其重要。iSee的另一位聯合創始人克里斯·貝克在麻省理工學院開發了人類心理學的計算模型。Tenenbaum說：「以工程學的模型來研究人類如何理解其他人類，並能夠把這些人投入到自動駕駛中，這真的可以填補拼圖的空缺。」

Tenenbaum說，他最初沒有興趣將認知心理學的想法應用到自動駕駛上，但iSee的創始人說服他，這種影響將是重大的，而且他們要應對工程方面的挑戰。

「這是一種非常不同的方法，我完全贊同它，」Oren Etzioni說。他是艾倫人工智慧研究所的首席執行官，該研究所是由微軟聯合創始人保羅·艾倫創立的研究所，旨在探索人工智慧的新想法，包括受認知心理學啟發的想法。

Etzioni說，人工智慧領域需要探索超越深度學習的想法。他說，iSee要解決的主要問題將是證明所採用的技術能夠在關鍵的情況下正常發揮作用。他指出：「概率編程是一個全新的領域，因此人們對它的性能和穩健性有疑問。」

在iSee做研究的人似乎都同意這一觀點。Tenenbaum說，除了要改變汽車行業，甚至在這個過程中重塑交通，iSee還有機會測試一個新的人工智慧在冷酷的現實下如何工作的。

他說：「在某種意義上，自動駕駛汽車將成為第一個在現實世界中與人互動的自動機器人。真正的挑戰是，如何讓這些模型發揮作用？」

選自：Foreign Media 作者：Will Knight

編譯：網易見外智能編譯平台 審校：范航

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！