現如今，人工智能已經在下圍棋方面勝出，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。
乘客在上海交通大學校園內體驗實驗性運行的無人駕駛小巴。新華社發
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，但是用機器實現它卻遇到了艱難挑戰。
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現了這個挑戰，對計算機而言實現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、可重復性和規范性方面超過了人類，但是人類的大腦具有動態性、復雜性，還具有創造性和想象力。“人類思維是在記憶經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，人工智能系統可以分成兩大類：一類犯了錯誤可以重來，另一類在統計意義上不能夠犯錯誤，無人駕駛屬于后者。
從這一現實來看，鄭南寧認為當前的無人駕駛技術主要面臨對環境的可靠感知、預行為理解、應對意外等方面的難題。
“對環境的可靠感知，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境。”鄭南寧說，而預行為理解即對對方可能產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。“真實的交通環境復雜多變，實現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。”
發現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科學研究中得到啟發，發展一種新的學習機器。
“將神經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中如何實現同樣的功能，是未來人工智能發展重要的研究方向之一。”鄭南寧說，“我們需要更多時間來發現受腦認知和神經學科啟發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的理論、模型建造、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。”
