自动驾驶的较量成人工智能模型的竞争 促进了人工智能的跨越式的发展

2021-07-09 14:44:31

最近自动驾驶的技术竞争愈演愈烈,又一次成为世人的关注焦点。本来人们一开始就断言自动驾驶的较量,实质是人工智能的竞争。在深度学习普遍被神化的时期,没有人亲身感受过这种论断的价值。

在自动驾驶领域,目前所处的实际情况却远远不是人们所断言的那样。在包括谷歌、特斯拉在内的所有自动驾驶的开发者,除了千篇一律地在图像识别上用了深度学习,在控制上、在决策上几乎都是用非常传统的方法去实现。因为人工智能目前所处的阶段能够拿出来的应用模型只有深度学习。

从2020年6月份开始,特斯拉旗下的modelX、modelS以及model3都配齐了自动驾驶功能。可是短短不到一年的时间,特斯拉自动驾驶屡屡出现恶性事故,这些事故几乎都是与自动驾驶的识别错误有关。2020年6月,在中国台湾的高速公路上,特斯拉车撞向了白色的卡车,其理由是由于深度学习只能识别二维图像,把白色的卡车当成了白云。

最近一次就是今年5月7日,在广东韶关的一次不明原因的撞车事故,很可能是深度学习的黑箱问题造成的,类似这样的事故不胜枚举。血的教训让人们清醒,目前的人工智能还处在初级阶段。笔者认为,真正的自动驾驶一定要淘汰目前所有的自动驾驶技术,引进新一代的人工智能才可以成功。谷歌用了十年以上的时间开发自动驾驶,路测距离也可以绕地球1圈半,可是仍然没有征服自动驾驶,两年前连左拐还出事故。特斯拉在自动驾驶上也屡屡出事,这些都告诉我们,自动驾驶不能只在路测距离上比高低。

自动驾驶领域的专家们谁也没有想到,自动驾驶的决策面临的居然是一个用传统的规则堆积的方法所不可能解决的、类似NP-hard的问题。因为假设自动驾驶车辆周围可以有前后左右8辆同行车,自动驾驶在判断是否要变道时,至少要考虑与每一辆同行车的间隔、位置、速度、加速度以及自动驾驶本身的各种速度,才可以得出是否要变道的决定。这就是5×8=40个要素的组合,在组合理论中公认超过40个要素的组合问题,就是图灵机不可解的NP-hard问题,况且每一个组合结果是要人通过程序来解决,这就不可想象了。在控制上也有类似的问题。

面对自动驾驶存在着上述不可解的问题,靠巨大的资金投入、靠庞大的研发队伍、靠漫长的路测都是徒劳的。淘汰当今的自动驾驶技术,寻求新一代人工智能模型,让自动驾驶从感知、控制以及决策上都导入新一代的人工智能,创造出具备超越人的驾驶IQ的新型自动驾驶,则是唯一的出路。

在我国的人工智能领域有一大批人崇拜深度学习,并不知道在我国还有可以在性能上接近甚至超过深度学习的能力,是小数据的、小模型的,特别是没有黑箱问题的自律机器学习(SDL,Self-Discipline Learning模型),可以在无需训练、无需进行图像的特征抽出,就可对三维图像像人眼一样直接抓取,这种不受背景图像干扰的识别方法,可以挽救目前特斯拉的绝大多数自动驾驶的撞车事故。

汽车本来是按照人的驾驶特点设计的机器,今天让机器脱离人的驾驶,一定要把人的智慧让机器深度理解,机器才能达到人的驾驶水平。因此,今后的自动驾驶系统的所有算法,都是出自于人是如何驾驶汽车的,人的眼在驾驶过程中获取了什么信息。通过机器意识模型把人的驾驶技巧以及驾驶的智慧教给机器,这将可以寻求出高智商的自动驾驶的最佳算法。

SDL模型与机器意识模型的融合,在自动驾驶的感知系统中具有突破性,可以如同人的眼那样无需高精度地图,自动地辨别行车方向,这在我国的高精度地图全都被国际大公司垄断的今天,具有特殊的意义。自动驾驶可以在任意的道路自由自在地行驶,这才是人们渴望的、具有智慧的自动驾驶。

自动驾驶的研究提出了超越时代的课题,又激发我们探索未来的人工智能模型,这极大地促进了人工智能的跨越式的发展。不要再被目前的人工智能现状所束缚,未来的人工智能技术不是等待谁来给我们,而要通过自己的奋起努力,为解决眼前的难题自己努力来获得。期待着上述理念能带来新一代自动驾驶的诞生!

关闭
新闻速递