人工智能技术正在走向汽车

郑瑟

　　人工智能发展日趋激烈，从阿尔法狗战胜世界第一围棋选手柯洁开始，只要和人工智能有关的新闻，上热搜绝对不是问题，这两年人工智能行业风头正劲，到底有多火咱们举几个例子就知道了。中国首次把人工智能写进政府报告，提出要加快人工智能等技术的研发和转化，武汉某高校的“炒菜机器人”，百度创始人兼CEO李彦宏展示了自己乘坐无人驾驶的汽车，阿特拉斯机器人实现许多高难度动作，这些五一不是在向我们传递一个重要的信息：人工智能时代确确实实已经来临。

　　人工智能来了，人工智能带来的社会问题，经济问题已经开始影响我们的工作和生活。人们都清楚，人工智能是把双刃剑，人工智能带来的经济发展不可估量，人工智能就是将简单、重复、低价值的劳动中把人们解放出来，让人们有机会和时间从事更多有价值的创造性工作。一定程度上提高了产出效益，优化运营成本。我们感觉它们真的有这么智能了吗?虽然从理论上它们内部的运算步骤可以追踪，但是由于计算量的巨大，使这种追踪实际上很困难甚至不可能。到这里我们仍然无法得出人工智能的准确定义，一个具有智能特性的人造系统，他产生、输出的运算过程是人类智能无法解析的，换句话说，我们不知道机器在想什么。看到这一点，每个人心中应该都有一股隐隐的寒意。是否人工智能的本质中，就隐含着它们最终失控的可能性。

　　人工智能近年来发展的趋势是开始走出实验室，进入人类的生活，这样我们就会面对着一个即将到来的挑战，人工智能不会夺走我们的自由和生命，但会夺走我们的饭碗。这不需要人工智能的失控，它们可以在资本家的完全控制下做成这件事。人工智能影响了我们的工作方式，我们从事的职业。人工智能带来的扰乱是不可避免的，如何完成有现代社会向人工智能社会的过度呢?首先人工智能尚且处于起步阶段，我们有巨大的机会去超越它带来的扰乱，其次是我们的教育观念至关重要。还有就是思维方式的转变，人类自古以来为生存而劳作，实在是迫不得已，工作着是美丽的，但谁都知道，不需要工作的生活更美丽。现在终于能够制造出把自己从工作重负中解放出来的机器，这是人类文明最伟大的成就。无论如何不应该看作是一场灾难，相反，这可能是人类所面对的前所未有的伟大机遇，只是我们需要改变。我们需要学习。我们所处在的这个时代，唯有终生学习才是我们的宿命。

　　接下来本文主要从个人的角度来谈无人驾驶这个领域。

　　美国国家公路交通安全管理局已提出正式的无人驾驶分类系统:

　　· L0:即无自动。驾驶随时掌握著车辆的所有机械、物理功能，仅配备警报装置等等无关主动驾驶的功能也算在内。

　　· L1:驾驶人操作车辆，但个别的装置有时能发挥作用，如电子稳定程式(ESP)或防锁死刹车系统(ABS)可以帮助行车安全。

　　· L2:驾驶人主要控制车辆，但系统阶调地自动化，使之明显减轻操作负担，例如主动式巡航定速(ACC)结合自动跟车和车道偏离警示，而自动紧急煞停系统(AEB)透过盲点侦测和汽车防撞系统的部分技术结合。

　　· L3:驾驶人需随时准备控制车辆，自动驾驶辅助控制期间，如在跟车时虽然可以暂时免于操作，但当汽车侦测到需要驾驶人的情形时，会立即回归让驾驶人接管其后续控制，驾驶必须接手因应系统无力处理的状况。

　　· L4:驾驶人可在条件允许下让车辆完整自驾，启动自动驾驶后，一般不必介入控制，此车可以按照设定之道路通则(如高速公路中，平顺的车流与标准化的路标、明显的提示线)，自己执行包含转弯、换车道与加速等工作，除了严苛气候或道路模糊不清、意外，或是自动驾驶的路段已经结束等等，系统并提供驾驶人"足够宽裕之转换时间"，驾驶应监看车辆运作，但可包括有旁观下的无人停车功能。(有方向盘自动车)

　　· L5:驾驶人不必在车内，任何时刻都不会控制到车辆。此类车辆能自行启动驾驶装置，全程也不须开在设计好的路况，就可以执行所有与安全有关之重要功能，包括没有人在车上时的情形，完全不需受驾驶意志所控，可以自行决策。(无需方向盘自动车)

　　个人认为(柏林创业公司CEO也这么认为)，自动驾驶到达非常成熟的L5技术，仍需至少5年。技术成熟后，需要和政府沟通，让单辆车自动驾驶上路，这里每辆车还是自私的，规划自己的最短路径以及用AI躲避行人自动驾驶，这个或许再考察个过2-3年，也许到了无人驾驶真正全面普及的那天，车子本身不需要装那么多雷达和摄像头，路灯和红绿灯将会被集成各种感应器的桩所替代，收集道路情况，然后数据发送给计算中心，统一调度。单辆车自动驾驶成熟后，再次需要政府批文，在某个城市试点全自动驾驶车辆，没有一辆人类驾驶汽车，这个时候便是这个城市的纳什均衡，每辆车的路径都由运筹学算法生成，不存在"自私"的开车行为，这个保守估计10年后。

　　上面这条规划所有汽车的路径问题，不是一次性的，而是实时的。这时候便需要5G高速通讯技术，华为今年的国际某大会上，一些算法被列入5G通讯标准了，可喜可贺，可以看看那条广告，里面有讲到所谓的车联网，以及物联网，例如红绿灯，都可以与汽车实时通讯。关于大数据的计算问题，需要云计算，云端有一个大的CPU和GPU集群，车辆收集到的数据实时传送到云端计算，然后传送回来，这时便需要5G超高速传输，或者说移动边缘计算配合5G技术也是一项不错的选择。当然车内应搭载小型处理器，处理一些基本的运算。

　　假设以上都实现了，评论中提到很多例如出事故谁负责，以及行驶优先权的问题。大数据时代，谁拥有数据，谁就是最后的赢家。例如安桌系统，他开源全免费，Google靠什么赚钱?答案就是所有使用案桌系统用户产生的数据。

　　同样如此，今年百度开源了自动驾驶的开发平台(阿波罗计划)，免费提供给车场以及其他研发自动驾驶技术的公司使用，目的就是想掌握所有汽车的信息。关于事故谁负责?出事故了，可以把事故视频调出来，A车避免碰撞算法由a研发，B车由b研发，如果是A车的责任，那么理应由a公司承担，而百度是不承担责任的。关于优先权。在我设计的这套未来自动驾驶的概念里，百度拥有所有汽车的信息和数据，因此只有百度有这个能力可以做所有车辆"纳什均衡"的路径规划，那么它也可以卖"优先权"。政府这时也必须插入，百度势力太大也不好。例如美国总统访华了，总统车辆得搞个优先权吧?如果百度和阿里各share 50%车辆的信息，那么做多车路径规划的时候，就做不到整个社会的"纳什均衡"了。当然有竞争比一家垄断有其他方面的好处，不展开。网络安全到那时候会显得格外重要。黑客入侵了百度，那么整个城市都将是车祸。

　　本人研究运筹学和计算机视觉的，在无人驾驶领域，场景分割，目前为深度学习非常火的应用领域，主要应用方向便是自动驾驶。它为最终的实时决策提供预处理，把实时采集到的图片信息做分割和分类，大大降低决策数据的维度。

　　运筹学的用武之地在于多辆车的路径规划和调度问题，以及收集到海量数据后最终的决策问题。而计算机视觉，特别是深度学习，更是"智能"驾驶的核心--通过对安装在车辆上的摄像头产生的图片进行实时处理，识别前方道路以及车辆、行人，然后再用运筹学这个决策科学，做出加速、减速、拐弯等最终决策。

　　从这个意义上讲，以前你住城市郊区，每个人"自私"地开车、超车、抢道，导致堵车经常发生，你也需要一个半小时开到公司。而现在，有了无人驾驶，和运筹学的智能路径规划和决策，你可以花同样的房租住无锡的别墅，并且开车堵车这个老大难问题，因为无人驾驶可以从此达到整个社会车辆的纳什均衡。路径和开车时的所有决策完全由运筹学和计算机视觉算法生成，从此不再堵车，不仅节省了所有人的驾驶时间，还省了能源，所谓多赢。

　　根据上个月在德国柏林运筹学年会上一个自动驾驶的学术报告所述(演讲者为柏林一家自动驾驶创业公司CEO兼CTO，最近被TomTom收购)，目前谷歌等自动驾驶龙头企业已宣称到达L4级技术(总共L1-L5级，5级即为完全自动驾驶)。

　　OR2017 Berlin | International Conference on Operations Research – Annual Conference of the German Operations Research Society(http://t.cn/Rnl74Ug)

　　那么，那一天，或许真的五年后就要来临了。当然了，大数据时代，拥有数据的公司则拥有一切。这个时候，用户多花钱，或许可以购买自动驾驶路径规划的"优先权"，更短的时间到达目的地。或者，某位国家领导人造访，给其车辆设置最高级的优先权。(当然需要政府为其埋单)现在万事俱备，只差各国政府的一个章了。

　　未来无人驾驶终究是要普及的，让我们拭目以待。而你，准备好用上海80平换无锡300平的太湖湖景别墅了么?

　　人工智能的长远发展必然会涉及到一个问题就是对原有的道德层面产生一定的影响，无人驾驶也不例外。例如在大人物的车发生突发情况，影响纳什均衡时，如何处理才能保障其余人的人身安全?无人驾驶也存在紧急避险问题，如何让无人驾驶系统做出正确的避险行为，以及避险行为后续导致的事故责任由谁来承担。人身安全的数据掌握在大公司手里，有没有衡量过将会产生的道德风险?机器和算法会模糊设计者的责任边界，现实情况中出了车祸，如何进行责任的划分。据最新消息称，作为美国其中一个自驾车开发前沿地区，亚利桑纳州已经批准自驾车能在州内独立行驶，不需要再有司机在汽车里。紧接着加州也宣布允许没有司机在车内的自驾车在路上行驶，但是仍然要求自驾车有远程操作员和特别的准许证照。亚利桑纳州州长声明，随着科技的发展，法律和优先考量都需要与时并进，以维持经济竞争力。无人驾驶技术的普及也会引发人类对道德，哲学和法律问题的思考和完善。这里仅仅作为一个开放性探讨，抛出上面这些问题。

　　随着深度学习技术的突飞猛进，人工智能技术也得到了爆发式的发展，而就在这样的背景下，人工智能技术正在走向汽车， 无人驾驶 开始成为如今创投圈内最为耀眼的明星。

　　如今，人工智能技术似乎已经被神化，在很多人的印象中，只要与 AI 沾上关系的事物都能瞬间质变成成一个非常完美成熟的产品。然而，在 2018GMIC 峰会中，北京航空航天大学交通科学与工程学院余贵珍教授却就无人驾驶这个具体的场景为大家提了一个醒——人工智能并不是无人驾驶的万能药。

　　余贵珍表示尽管目前市面上有包括整车厂商、IT 公司巨头以及创业企业都在做布局自动驾驶，但是都还没有商业化，而且还出现了诸如 Uber 撞死行人的事故，从整体而言，目前大家都拿不出准确的数据来证明无人驾驶在安全性上优于人类。

　　无人驾驶真要大批量的上市，必然还有很长的路要有。余贵珍认为，至少有三道门槛需要跨越：

　　第一个是无人驾驶是否容许上路(即是否有路权)。这里主要是法律门槛，目前已经有很多无人车团队拿到了上路测试的牌照，但是这仅仅是测试，不是商用。从试用到商用还有很长的路要走。

　　第二个挑战是自动驾驶有没有能力上路。路上的环境很复杂，比如下雨、下雪，基本上人开车都看不见，真正的无人驾驶能适应这些情况吗?

　　第三个挑战在于消费者是否真的敢坐无人驾驶汽车。由于目前无人驾驶在安全性上依然有着很大的不确定性，相信很多人对坐自动驾驶汽车是会有心理负担的。

　　然而，这三大挑战是否能用人工智能手段加以克服呢?

　　首先，余贵珍认为我们必须承认人工智能技术的确有效地促进了无人驾驶技术的发展。“通过深度学习，特别是卷积神经网络，利用摄像头来做环境感知，大家已经有信心达到 99% 了。”

　　不过，尽管如此，在余贵珍看来我们依然不能神化人工智能技术，“人工智能实际上就是一个算法，就是一个比原来机器学习更高级的算法罢了，所以我们不要把人工智能想成什么都能解决。”“人工智能绝对不是无人驾驶的万能钥匙，不要试图用人工智能 2.0 来解决无人驾驶所有的问题。”

　　总之无人驾驶想要真正上路，还有很长的路要走。不过，无人驾驶真正落地或许会更早：

　　“无人驾驶的落地面临诸多问题，但无人驾驶是不是没有意义?我觉得也不是。特定区域的无人驾驶有大量的机会。”余贵珍认为像旅游观光车、码头集装箱卡车、露天矿区、军事演习、危险环境运输、汽车测试等特定场景都适合采用无人驾驶技术。

　　“特定区域无人驾驶具有多个优势，第一，特定区域没有法律限制，第二个，固定线路相对低速，技术障碍也没有那么高。特定区域的无人驾驶因为没有司机没有乘客，不仅安全，更代替了司机，可以产生经济效应。”余贵珍如是说。

　　另外，余贵珍还对无人驾驶技术落地的路线图提出了自己的建议：

　　“利用人工智能技术先在某一点上做出突破。”余贵珍认为这种渐近式的方法才是无人驾驶落地的正确方法。“举个例子，如果你用传统的算法来解决红绿灯的识别那是很难的，那可以试着应用神经网络解决这个问题。”

　　另外，余贵珍表示目前人工智能中常用的卷积神经网络虽然计算效率高，但其也存在着占用太多资源的缺陷。而为了解决这个问题，余贵珍同样认为应该“将人工神经网络跟传统的算法结合起来。”

　　根据新华社、悦动智能、海外网、经济日报等採编【版权所有，文章观点不代表华发网官方立场】