王晓雷：从自动驾驶看人工智能的能与不能

本篇文章2149字，读完约5分钟

2008年7月16日，网络服务器频道(Text/Li)消息:近年来，感知、集成、决策和控制相结合的自动驾驶技术无疑是近年来最热门的研发领域之一。这是由于人工智能技术的发展，但在思维工程大数据团队首席科学家王晓磊看来，人工智能并不是万能的，深度学习可能会被愚弄。

在最近举行的2018年思维工程技术雷达峰会上，王晓磊发表了主题为“自动驾驶仪的人工智能能力和禁用”的演讲，并结合自动驾驶仪技术的最新发展，分享了一些关于智能算法在现实世界中的优势和局限性的想法。

从备受争议的自主驾驶开始，2015年5月，工业和信息化部发布了《中国制造2025》，将智能车联网提升到国家战略层面。在过去的三年里，各种各样的政策相继出台，甚至包括北京和上海的一些道路在内的一些路段已经开放进行道路测试。然而，最近，自动驾驶汽车的安全和道德一直有争议。不仅发生了几起引人注目的特斯拉自动驾驶系统事故，还在2018年3月发生了一起致命事故。在这起致命事故中，优步的自动驾驶汽车与行人相撞，导致行人死亡。这让人们关注自主驾驶技术的灵活性和安全性，以及汽车公司如何确保它万无一失。

王晓磊说，与完整的信息游戏相比，自主驾驶更像是驾驶员与环境之间的对话。涉及到很多环节。如定位和制图；场景理解；路径规划；国家意识等。

如此复杂的过程必须得到人工智能技术的支持，包括深度学习。该机通过收集大量数据和提取特征，在一定算法的基础上独立完成优化和改进，最终获得统计显著性结果。这个统计结果的结论实际上值得讨论。由于数据不足和模型本身的各种限制，深度学习不能达到100%的准确率。

人工智能是由一整套算法支持的，这些算法的优化依赖于大量的数据进行连续的训练，从而在训练数据上获得一个比较好的模型，然后利用这个模型对其他数据进行预测。在这个过程中，任何因素都可能导致预测结果的偏差。例如，当我们试图训练一个模型来创建一行标题来描述图片的内容时，我们通常认为该模型是基于对图片内容的理解，从而生成相应的标题。然而，当训练数据中的图像稍微改变时，例如调制一些特殊的噪声，开发者会惊讶地发现模型开始产生完全荒谬的字幕。

通常，这种行为被强调为对抗案例，通过向深层学习网络输出错误的样本来欺骗模型。如上图所示，当我们拍摄一辆卡车并添加鸵鸟梯度噪声时，经过训练的神经网络可以以高置信度将卡车分类为鸵鸟，但是人类肉眼根本无法判断两幅图像之间的差异。这证明了深度学习模型不是万能的，它们从输入到输出的映射和我们人类的感知之间有着深刻的差异。

简而言之，深度学习模型对他们的输入没有理解，至少在人类的意义上没有。我们对图像、声音和语言的理解是基于我们的感官体验。然而，机器人没有这样的经验，所以他们不能以任何以人为本的方式理解他们的进入。通过输入大量的训练示例来训练我们的模型，我们让他们学习几何变换，将数据映射到这组特定示例上的人类概念，但是这种映射只是我们头脑中原始模型的简单草图。

这就是人工智能技术发展的困境。同样，这也适用于自动驾驶技术。现在，有两种人害怕对人工智能的态度。一种是不理解的人，他们认为人工智能是破坏性的；另一类是理解的人，因为他们知道人工智能可以解决许多实际问题，但这需要正确理解和使用人工智能技术，尤其是算法的设计。

当算法应用于产品时，不仅要考虑算法是否满足要求，还要考虑算法本身的性能和精度，这与算法本身的体系结构密切相关。

为你的场景找到人工智能的位置。人工智能只是一项简单的技术，需要与相应的应用场景相结合。自动驾驶是一个典型的应用。王晓磊说人工智能能做什么和人类想要什么的交集是我们的机会。因此，我们为人工智能找到了一个合适的着陆场景。为了实现这个目标，我们需要考虑以下问题:

预测目标可以量化吗？与目标相关的特征能被有效地表达吗？指标与目标相关吗？有足够的数据来训练模型吗？不可否认，人工智能代表了未来的方向。然而，在生活中，除了一些特定的场景(自然语言处理和计算机视觉)，人们感觉不到它的存在和意义。目前，人工智能还远远没有被公众广泛接受，因为它真正缺少的是核心的东西，即用户场景。更准确地说，这是一个基于用户的场景。

目前，随着cnn、rnn等算法的成熟和gpu计算能力的提高，人工智能今天需要面对的是如何深化其应用，从而引发行业变革。尤其是场景和标签数据的获取是人工智能应用的关键。以安防为例，在计算机视觉算法深度学习和开源的大趋势下，特征场景数据集的获取是人工智能视频分析技术在安防行业真正应用的关键。

1956年，达特茅斯大学会议标志着人工智能研究的正式诞生，并推动了世界人工智能的第一波浪潮。但这一次，人工智能的春天只持续了20年，因为当时它过于注重算法和方法论，导致了人工智能在处理问题上的局限性。

如今，人工智能研究的发展经历了60多年的跌宕起伏，从硬件的计算能力到深度学习算法、计算机视觉技术和自然语言处理等都有了实质性的飞跃。人工智能已经从一种学术探索发展成为一种能够促进产业结构转型的新的生产方式。

在这种情况下，整个社会都需要正视人工智能技术，拥抱人工智能，促进其在行业中的落地。然而，这个问题是在发展中解决的，我们不能因为噎废食。我相信人工智能在未来的整个行业创新中将发挥越来越重要的作用。

来源：搜狐微门户