國(guó)外媒體刊文稱,，包括特斯拉,、谷歌和Uber在內(nèi)的多家公司都在開(kāi)發(fā)全自動(dòng)駕駛技術(shù)。然而質(zhì)疑者認(rèn)為,，由于現(xiàn)有人工智能技術(shù)的瓶頸,，全自動(dòng)駕駛汽車可能要花比預(yù)期中更長(zhǎng)的時(shí)間才會(huì)面市。

　　以下為文章主要內(nèi)容：

　　如果你相信公司CEO們的說(shuō)法,，那么也許會(huì)認(rèn)為,，一輛可完全自動(dòng)駕駛汽車距離面市可能只有幾個(gè)月時(shí)間。

　　2015年,，特斯拉CEO埃隆·馬斯克(Elon Musk)預(yù)測(cè),，到2018年，特斯拉將推出全自動(dòng)駕駛汽車。谷歌也是如此,。Delphi和MobileEye的Level 4自動(dòng)駕駛系統(tǒng)目前計(jì)劃在2019年推出,。同年，Nutonomy將在新加坡街道上部署數(shù)千輛無(wú)人駕駛出租車,。通用汽車將于2019年投產(chǎn)一款全自動(dòng)駕駛汽車,，這款汽車沒(méi)有方向盤(pán)，也無(wú)法由人工干預(yù),。在這些預(yù)測(cè)背后,，企業(yè)投入了真金白銀，并基于這樣的假設(shè)：軟件發(fā)展能趕得上表面上的熱鬧,。

　　簡(jiǎn)單來(lái)看,，我們目前距離全自動(dòng)駕駛已非常接近。Waymo已經(jīng)在亞利桑那州公共道路上測(cè)試此類汽車,。特斯拉和多家其他公司已銷售自動(dòng)駕駛系統(tǒng)的基礎(chǔ)版本,，這樣的系統(tǒng)在發(fā)生意外情況時(shí)仍然需要司機(jī)來(lái)干預(yù)。在這個(gè)過(guò)程中,，發(fā)生了一些事故,，有人喪生。但只要系統(tǒng)持續(xù)改進(jìn),，邏輯不斷優(yōu)化,，我們就能做到完全不需要人工介入。

　　然而,，全自動(dòng)駕駛汽車可能比我們想象中更遠(yuǎn),。人工智能專家越來(lái)越擔(dān)心，自動(dòng)駕駛系統(tǒng)如果想要可靠地避免事故,，那么可能需要幾年到幾十年的時(shí)間,。自我訓(xùn)練的系統(tǒng)需要面對(duì)現(xiàn)實(shí)世界的混亂，而紐約大學(xué)加里·馬庫(kù)斯(Gary Marcus)這樣的專家正準(zhǔn)備調(diào)整原先的預(yù)期,。有些時(shí)候,，這也被稱作“人工智能的冬天”。技術(shù)發(fā)展的推遲可能會(huì)給指望自動(dòng)駕駛技術(shù)的公司帶來(lái)災(zāi)難性后果,，讓整整一代產(chǎn)品無(wú)法實(shí)現(xiàn)完全的自動(dòng)化,。

　　我們可以很容易地理解，為什么汽車廠商對(duì)自動(dòng)駕駛持樂(lè)觀態(tài)度,。過(guò)去10年中,，基于機(jī)器學(xué)習(xí)算法來(lái)處理大數(shù)據(jù)集的深度學(xué)習(xí)技術(shù)推動(dòng)了人工智能和科技行業(yè)的巨大發(fā)展。深度學(xué)習(xí)被用于谷歌搜索,、Facebook消息流,、會(huì)話式的語(yǔ)音轉(zhuǎn)文本算法,，以及強(qiáng)大的圍棋系統(tǒng)。在互聯(lián)網(wǎng)行業(yè)以外,，我們利用深度學(xué)習(xí)技術(shù)來(lái)探測(cè)地震,、預(yù)測(cè)心臟病，以及標(biāo)記出攝像機(jī)鏡頭前的可疑行為,。如果沒(méi)有深度學(xué)習(xí),，這一切都是不可能的。

　　然而,，深度學(xué)習(xí)需要大量訓(xùn)練數(shù)據(jù)才能正確工作,，需要包含算法可能遇到的幾乎所有場(chǎng)景。例如,，類似谷歌圖片的系統(tǒng)只要獲得足夠的訓(xùn)練數(shù)據(jù),，告訴它每種動(dòng)物長(zhǎng)什么樣，那么就能很好地去識(shí)別動(dòng)物,。馬庫(kù)斯將此類任務(wù)稱作“插值”,，即對(duì)所有已標(biāo)記的圖片進(jìn)行分析，判斷新圖片是否屬于某個(gè)群組,。

　　在數(shù)據(jù)來(lái)源和結(jié)構(gòu)方面,，工程師可以很有創(chuàng)新性。然而,，算法有自身的極限。除非預(yù)先向算法提供大量豹子的圖片,，否則算法無(wú)法識(shí)別出什么是豹子,，即使這個(gè)算法此前已經(jīng)能識(shí)別家貓和美洲虎，并且知道豹子的長(zhǎng)相介于兩者之間,。這個(gè)過(guò)程被稱作“泛化”,，需要完全不同的能力集。

　　很長(zhǎng)一段時(shí)間以來(lái),，研究者認(rèn)為,，可以使用正確的算法來(lái)優(yōu)化泛化能力，但最近的研究表明,，傳統(tǒng)的深度學(xué)習(xí)在泛化能力方面甚至比我們想象中還要糟糕,。研究發(fā)現(xiàn)，傳統(tǒng)的深度學(xué)習(xí)系統(tǒng)很難在一段視頻的不同幀之間進(jìn)行泛化,，例如由于背景的細(xì)微變化將同一只北極熊貼上了狒狒,、貓鼬和黃鼠狼的標(biāo)簽。由于每個(gè)分類都基于數(shù)百個(gè)因素的共同作用,，因此圖片的微小改變就會(huì)完全改變系統(tǒng)判斷,。其他研究員已經(jīng)在對(duì)抗數(shù)據(jù)集中利用過(guò)這點(diǎn),。

　　馬庫(kù)斯指出，聊天機(jī)器人狂熱是關(guān)于泛化問(wèn)題的最新例子,。他表示：“2015年時(shí),，我們得到了關(guān)于聊天機(jī)器人的承諾。然而,，這些聊天機(jī)器人表現(xiàn)得并不好,，這并不僅僅是收集數(shù)據(jù)的問(wèn)題。當(dāng)你在網(wǎng)上和他人交談時(shí),，你不希望他們總是重復(fù)之前的話,。你希望他們能對(duì)你的話做出回應(yīng)，有更多樣的對(duì)話技巧,，給你不同于他人的回應(yīng),。深度學(xué)習(xí)技術(shù)并不能開(kāi)發(fā)出這樣的聊天機(jī)器人。一旦最初的狂熱退去,，企業(yè)就會(huì)對(duì)聊天機(jī)器人項(xiàng)目失去信心,。目前，很少還有公司仍在積極開(kāi)發(fā)聊天機(jī)器人,?！?/p>

　　這就讓特斯拉和其他自動(dòng)駕駛公司面臨一個(gè)可怕的問(wèn)題：自動(dòng)駕駛汽車能否與圖像搜索、語(yǔ)音識(shí)別和人工智能等其他成功應(yīng)用類似,，持續(xù)得到優(yōu)化?它們是否會(huì)像聊天機(jī)器人一樣,，遇到泛化問(wèn)題?自動(dòng)駕駛是插值問(wèn)題還是泛化問(wèn)題?駕駛過(guò)程中的不可預(yù)見(jiàn)性究竟有多少?

　　現(xiàn)在回答這些問(wèn)題還為時(shí)過(guò)早。馬庫(kù)斯說(shuō)：“無(wú)人駕駛汽車就像個(gè)科學(xué)實(shí)驗(yàn),，我們不知道答案,。”我們從來(lái)沒(méi)有實(shí)現(xiàn)過(guò)這種水平的自動(dòng)駕駛,，因此不知道這是種什么樣的任務(wù),。就識(shí)別熟悉的對(duì)象和遵循規(guī)則而言，現(xiàn)有的技術(shù)能很好地完成,。然而馬庫(kù)斯擔(dān)心,，在易發(fā)生事故的情況下很好地完成駕駛，這要比汽車行業(yè)想象中復(fù)雜得多,?！瓣P(guān)于如何處理意料之外的新東西，深度學(xué)習(xí)做得并不好,?！?/p>

　　我們獲得的實(shí)驗(yàn)數(shù)據(jù)來(lái)自公開(kāi)的事故報(bào)告，所有這些報(bào)告都提供了一些不同尋常的細(xì)節(jié),。在2016年的車禍中,，一輛特斯拉Model S全速撞向一輛白色半掛卡車的尾部,。當(dāng)時(shí)，半掛卡車的高度和明亮的陽(yáng)光令自動(dòng)駕駛系統(tǒng)發(fā)生誤判,。今年3月,，Uber的無(wú)人駕駛汽車撞到一名推著自行車的女性，當(dāng)時(shí)后者突然橫穿馬路,。根據(jù)美國(guó)交通運(yùn)輸安全委員會(huì)(NTSB)的報(bào)告,，Uber的軟件最開(kāi)始將這名女性錯(cuò)誤地識(shí)別為未知物體，隨后是一輛汽車,，最終是一輛自行車,。在加州的另一場(chǎng)事故中，一輛Model X朝著障礙物行駛,，在碰撞前還在加速,，系統(tǒng)這樣做的原因目前仍不清楚。

　　每場(chǎng)事故看起來(lái)都像是個(gè)邊緣案例,，即工程師無(wú)法預(yù)料的情況,。然而，幾乎每場(chǎng)事故都涉及了不可預(yù)見(jiàn)的場(chǎng)景,。如果缺乏泛化能力,，無(wú)人駕駛汽車將不得不一個(gè)又一個(gè)地學(xué)習(xí)新情況，而最終結(jié)果就是一連串的意外事故,，且安全性無(wú)法隨時(shí)間推移得到改善,。如果懷疑這個(gè)結(jié)論，那么可以看看人工干預(yù)自動(dòng)駕駛系統(tǒng)的報(bào)告,。這樣的場(chǎng)景已經(jīng)發(fā)生,，技術(shù)進(jìn)步已經(jīng)進(jìn)入平臺(tái)期。

　　Drive.AI創(chuàng)始人,、百度前高管、行業(yè)最知名的推動(dòng)者之一吳恩達(dá)認(rèn)為,，問(wèn)題并不在于構(gòu)建完美的駕駛系統(tǒng),，而在于告知路人如何去判斷無(wú)人駕駛汽車的行為。換句話說(shuō),，我們可以嘗試讓道路交通環(huán)境對(duì)汽車來(lái)說(shuō)更安全,，而不是從另一個(gè)方向入手。關(guān)于不可預(yù)料的場(chǎng)景,，我問(wèn)他,，他是否認(rèn)為，當(dāng)前的系統(tǒng)能處理拿著手杖的行人,，即使系統(tǒng)從未見(jiàn)過(guò)這樣的對(duì)象,。他回答：“我認(rèn)為,，許多自動(dòng)駕駛團(tuán)隊(duì)都能處理人行橫道上拿著手杖的行人，但在高速公路中間這樣使用手杖會(huì)非常危險(xiǎn),?！?/p>

　　他認(rèn)為：“我們不應(yīng)該用人工智能去解決手杖的問(wèn)題，而是應(yīng)該與政府合作,，要求人們遵守交通規(guī)則,，有更謹(jǐn)慎的考慮。安全問(wèn)題并不僅僅依靠人工智能技術(shù)的質(zhì)量,?！?/p>

　　深度學(xué)習(xí)并不是唯一的人工智能技術(shù)，企業(yè)已開(kāi)始探索替代方案,。盡管技術(shù)在業(yè)內(nèi)受到密切保護(hù)(看看Waymo近期對(duì)Uber的訴訟就可以知道),，但許多公司已經(jīng)轉(zhuǎn)向了基于規(guī)則的人工智能。這是種更古老的技術(shù),，工程師會(huì)將特定行為和邏輯寫(xiě)入自治的系統(tǒng)中,。這種系統(tǒng)無(wú)法像深度學(xué)習(xí)一樣，通過(guò)分析數(shù)據(jù)來(lái)自主確定行為,，但卻能避免深度學(xué)習(xí)的某些局限性,。然而，由于基本的認(rèn)知任務(wù)仍然受到深度學(xué)習(xí)技術(shù)的深刻影響,，因此很難說(shuō)工程師們?cè)诟綦x可能的錯(cuò)誤時(shí)有多成功,。

　　Lyft董事會(huì)成員、風(fēng)險(xiǎn)投資人Ann Miura-Ko認(rèn)為,，部分問(wèn)題在于對(duì)自動(dòng)駕駛汽車的期望過(guò)高,，因此將所有非全自動(dòng)駕駛的東西都?xì)w結(jié)為失敗。他表示：“期望從0直接走到Level 5本身就是不合理的,，并不是技術(shù)上的失敗,。我認(rèn)為，所有這些微小的改進(jìn)都是在通往全自動(dòng)駕駛道路上取得的重要成就,?！?/p>

　　不過(guò)仍不清楚，自動(dòng)駕駛汽車目前的困境還會(huì)持續(xù)多久,。類似特斯拉Autopilot的半自動(dòng)駕駛產(chǎn)品已足夠智能,，能處理大部分情況，但如果發(fā)生意料之外的情況,，那么仍需要人工干預(yù),。因此，一旦實(shí)際發(fā)生問(wèn)題,，很難知道問(wèn)題的原因是汽車還是司機(jī),。有些批評(píng)人士認(rèn)為,，即使錯(cuò)誤很難完全歸咎于機(jī)器，但與人工駕駛相比,，這種兩者相結(jié)合的模式可能更不安全,。蘭德公司的一項(xiàng)研究估計(jì)，無(wú)人駕駛汽車需要行駛2.75億英里,，且不發(fā)生致命的安全事故,，才能證明它們和人工司機(jī)一樣安全。特斯拉Autopilot第一起致人死亡的事故發(fā)生在項(xiàng)目進(jìn)行了1.3億英里時(shí),，距離2.75億英里還有很遠(yuǎn)的距離,。

　　不過(guò)，由于深度學(xué)習(xí)仍然是汽車感知對(duì)象,、做出回應(yīng)的核心,，優(yōu)化事故率可能比看起來(lái)更難。杜克大學(xué)教授瑪麗·卡明斯(Mary Cummings)提到了今年早些時(shí)候Uber發(fā)生的致命事故,?！案兄?決策周期通常相互關(guān)聯(lián)，就像這起導(dǎo)致行人死亡的事故一樣,。感知環(huán)節(jié)未能做出明確判斷,，導(dǎo)致決策環(huán)節(jié)決定不采取任何行動(dòng)。而由于傳感器提供了太多假警報(bào),，緊急制動(dòng)也被關(guān)閉,。”

　　這場(chǎng)事故導(dǎo)致Uber今年夏天暫停了自動(dòng)駕駛項(xiàng)目,，這對(duì)于其他計(jì)劃推出自動(dòng)駕駛系統(tǒng)的公司來(lái)說(shuō)不是個(gè)好兆頭,。在整個(gè)行業(yè)中，各家公司都在競(jìng)相獲得更多數(shù)據(jù),，以解決這個(gè)問(wèn)題,。他們認(rèn)為，積累里程數(shù)最多的公司將開(kāi)發(fā)出最強(qiáng)大的系統(tǒng),。然而馬庫(kù)斯認(rèn)為,，還有更難以解決的問(wèn)題：“他們只是使用已有的技術(shù)，希望技術(shù)能發(fā)揮效果,。他們依靠的是大數(shù)據(jù)，因?yàn)檫@是他們的支柱,，但沒(méi)有證據(jù)表明,，這可以幫你達(dá)到我們需要的精確度?！?/p>