人工智能技術正在走向汽車領域

人工智能發展日趨激烈，從阿爾法狗戰勝世界第一圍棋選手柯潔開始，只要和人工智能有關的新聞，上熱搜絕對不是問題，這兩年人工智能行業風頭正勁，到底有多火咱們舉幾個例子就知道了。中國首次把人工智能寫進政府報告，提出要加快人工智能等技術的研發和轉化，武漢某高校的“炒菜機器人”，百度創始人兼CEO李彥宏展示了自己乘坐無人駕駛的汽車，阿特拉斯機器人實現許多高難度動作，這些五一不是在向我們傳遞一個重要的信息：人工智能時代確確實實已經來臨。

人工智能來了，人工智能帶來的社會問題，經濟問題已經開始影響我們的工作和生活。人們都清楚，人工智能是把雙刃劍，人工智能帶來的經濟發展不可估量，人工智能就是將簡單、重複、低價值的勞動中把人們解放出來，讓人們有機會和時間從事更多有價值的創造性工作。一定程度上提高了產出效益，優化運營成本。我們感覺它們真的有這么智能了嗎?雖然從理論上它們內部的運算步驟可以追蹤，但是由於計算量的巨大，使這種追蹤實際上很困難甚至不可能。到這裏我們仍然無法得出人工智能的准確定義，一個具有智能特性的人造系統，他產生、輸出的運算過程是人類智能無法解析的，換句話說，我們不知道機器在想什么。看到這一點，每個人心中應該都有一股隱隱的寒意。是否人工智能的本質中，就隱含著它們最終失控的可能性。

人工智能近年來發展的趨勢是開始走出實驗室，進入人類的生活，這樣我們就會面對著一個即將到來的挑戰，人工智能不會奪走我們的自由和生命，但會奪走我們的飯碗。這不需要人工智能的失控，它們可以在資本家的完全控制下做成這件事。人工智能影響了我們的工作方式，我們從事的職業。人工智能帶來的擾亂是不可避免的，如何完成有現代社會向人工智能社會的過度呢?首先人工智能尚且處於起步階段，我們有巨大的機會去超越它帶來的擾亂，其次是我們的教育觀念至關重要。還有就是思維方式的轉變，人類自古以來為生存而勞作，實在是迫不得已，工作著是美麗的，但誰都知道，不需要工作的生活更美麗。現在終於能夠制造出把自己從工作重負中解放出來的機器，這是人類文明最偉大的成就。無論如何不應該看作是一場災難，相反，這可能是人類所面對的前所未有的偉大機遇，只是我們需要改變。我們需要學習。我們所處在的這個時代，惟有終生學習才是我們的宿命。

接下來本文主要從個人的角度來談無人駕駛這個領域。

美國國家公路交通安全管理局已提出正式的無人駕駛分類系統:

· L0:即無自動。駕駛隨時掌握著車輛的所有機械、物理功能，僅配備警報裝置等等無關主動駕駛的功能也算在內。

· L1:駕駛人操作車輛，但個別的裝置有時能發揮作用，如電子穩定程式(ESP)或防鎖死刹車系統(ABS)可以幫助行車安全。

·L2:駕駛人主要控制車輛，但系統階調地自動化，使之明顯減輕操作負擔，例如主動式巡航定速(ACC)結合自動跟車和車道偏離警示，而自動緊急煞停系統(AEB)透過盲點偵測和汽車防撞系統的部分技術結合。

·L3:駕駛人需隨時准備控制車輛，自動駕駛輔助控制期間，如在跟車時雖然可以暫時免於操作，但當汽車偵測到需要駕駛人的情形時，會立即回歸讓駕駛人接管其後續控制，駕駛必須接手因應系統無力處理的狀況。

·L4:駕駛人可在條件允許下讓車輛完整自駕，啟動自動駕駛後，一般不必介入控制，此車可以按照設定之道路通則(如高速公路中，平順的車流與標准化的路標、明顯的提示線)，自己執行包含轉彎、換車道與加速等工作，除了嚴苛氣候或道路模糊不清、意外，或是自動駕駛的路段已經結束等等，系統並提供駕駛人"足夠寬裕之轉換時間"，駕駛應監看車輛運作，但可包括有旁觀下的無人停車功能。(有方向盤自動車)

·L5:駕駛人不必在車內，任何時刻都不會控制到車輛。此類車輛能自行啟動駕駛裝置，全程也不須開在設計好的路況，就可以執行所有與安全有關之重要功能，包括沒有人在車上時的情形，完全不需受駕駛意志所控，可以自行決策。(無需方向盤自動車)

個人認為(柏林創業公司CEO也這么認為)，自動駕駛到達非常成熟的L5技術，仍需至少5年。技術成熟後，需要和政府溝通，讓單輛車自動駕駛上路，這裏每輛車還是自私的，規劃自己的最短路徑以及用AI躲避行人自動駕駛，這個或許再考察個過2-3年，也許到了無人駕駛真正全面普及的那天，車子本身不需要裝那么多雷達和攝像頭，路燈和紅綠燈將會被集成各種感應器的樁所替代，收集道路情況，然後數據發送給計算中心，統一調度。單輛車自動駕駛成熟後，再次需要政府批文，在某個城市試點全自動駕駛車輛，沒有一輛人類駕駛汽車，這個時候便是這個城市的納什均衡，每輛車的路徑都由運籌學算法生成，不存在"自私"的開車行為，這個保守估計10年後。

上面這條規劃所有汽車的路徑問題，不是一次性的，而是實時的。這時候便需要5G高速通訊技術，華為今年的國際某大會上，一些算法被列入5G通訊標准了，可喜可賀，可以看看那條廣告，裏面有講到所謂的車聯網，以及物聯網，例如紅綠燈，都可以與汽車實時通訊。關於大數據的計算問題，需要雲計算，雲端有一個大的CPU和GPU集群，車輛收集到的數據實時傳送到雲端計算，然後傳送回來，這時便需要5G超高速傳輸，或者說移動邊緣計算配合5G技術也是一項不錯的選擇。當然車內應搭載小型處理器，處理一些基本的運算。

假設以上都實現了，評論中提到很多例如出事故誰負責，以及行駛優先權的問題。大數據時代，誰擁有數據，誰就是最後的贏家。例如安桌系統，他開源全免費，Google靠什么賺錢?答案就是所有使用案桌系統用戶產生的數據。

同樣如此，今年百度開源了自動駕駛的開發平台(阿波羅計劃)，免費提供給車場以及其他研發自動駕駛技術的公司使用，目的就是想掌握所有汽車的信息。關於事故誰負責?出事故了，可以把事故視頻調出來，A車避免碰撞算法由a研發，B車由b研發，如果是A車的責任，那么理應由a公司承擔，而百度是不承擔責任的。關於優先權。在我設計的這套未來自動駕駛的概念裏，百度擁有所有汽車的信息和數據，因此只有百度有這個能力可以做所有車輛"納什均衡"的路徑規劃，那么它也可以賣"優先權"。政府這時也必須插入，百度勢力太大也不好。例如美國總統訪華了，總統車輛得搞個優先權吧?如果百度和阿裏各share50%車輛的信息，那么做多車路徑規劃的時候，就做不到整個社會的"納什均衡"了。當然有競爭比一家壟斷有其他方面的好處，不展開。網絡安全到那時候會顯得格外重要。黑客入侵了百度，那么整個城市都將是車禍。

本人研究運籌學和計算機視覺的，在無人駕駛領域，場景分割，目前為深度學習非常火的應用領域，主要應用方向便是自動駕駛。它為最終的實時決策提供預處理，把實時採集到的圖片信息做分割和分類，大大降低決策數據的維度。

運籌學的用武之地在於多輛車的路徑規劃和調度問題，以及收集到海量數據後最終的決策問題。而計算機視覺，特別是深度學習，更是"智能"駕駛的核心--通過對安裝在車輛上的攝像頭產生的圖片進行實時處理，識別前方道路以及車輛、行人，然後再用運籌學這個決策科學，做出加速、減速、拐彎等最終決策。

從這個意義上講，以前你住城市郊區，每個人"自私"地開車、超車、搶道，導致堵車經常發生，你也需要一個半小時開到公司。而現在，有了無人駕駛，和運籌學的智能路徑規劃和決策，你可以花同樣的房租住無錫的別墅，並且開車堵車這個老大難問題，因為無人駕駛可以從此達到整個社會車輛的納什均衡。路徑和開車時的所有決策完全由運籌學和計算機視覺算法生成，從此不再堵車，不僅節省了所有人的駕駛時間，還省了能源，所謂多贏。

根據上個月在德國柏林運籌學年會上一個自動駕駛的學術報告所述(演講者為柏林一家自動駕駛創業公司CEO兼CTO，最近被TomTom收購)，目前穀歌等自動駕駛龍頭企業已宣稱到達L4級技術(總共L1-L5級，5級即為完全自動駕駛)。

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

那么，那一天，或許真的五年後就要來臨了。當然了，大數據時代，擁有數據的公司則擁有一切。這個時候，用戶多花錢，或許可以購買自動駕駛路徑規劃的"優先權"，更短的時間到達目的地。或者，某位國家領導人造訪，給其車輛設置最高級的優先權。(當然需要政府為其埋單)現在萬事俱備，只差各國政府的一個章了。

未來無人駕駛終究是要普及的，讓我們拭目以待。而你，准備好用上海80平換無錫300平的太湖湖景別墅了么?

人工智能的長遠發展必然會涉及到一個問題就是對原有的道德層面產生一定的影響，無人駕駛也不例外。例如在大人物的車發生突發情況，影響納什均衡時，如何處理才能保障其餘人的人身安全?無人駕駛也存在緊急避險問題，如何讓無人駕駛系統做出正確的避險行為，以及避險行為後續導致的事故責任由誰來承擔。人身安全的數據掌握在大公司手裏，有沒有衡量過將會產生的道德風險?機器和算法會模糊設計者的責任邊界，現實情況中出了車禍，如何進行責任的劃分。據最新消息稱，作為美國其中一個自駕車開發前沿地區，亞利桑納州已經批准自駕車能在州內獨立行駛，不需要再有司機在汽車裏。緊接著加州也宣佈允許沒有司機在車內的自駕車在路上行駛，但是仍然要求自駕車有遠程操作員和特別的准許證照。亞利桑納州州長聲明，隨著科技的發展，法律和優先考量都需要與時並進，以維持經濟競爭力。無人駕駛技術的普及也會引發人類對道德，哲學和法律問題的思考和完善。這裏僅僅作為一個開放性探討，拋出上面這些問題。

隨著深度學習技術的突飛猛進，人工智能技術也得到了爆發式的發展，而就在這樣的背景下，人工智能技術正在走向汽車， 無人駕駛

開始成為如今創投圈內最為耀眼的明星。

如今，人工智能技術似乎已經被神化，在很多人的印象中，只要與 AI 沾上關係的事物都能瞬間質變成成一個非常完美成熟的產品。然而，在 2018GMIC

峰會中，北京航空航天大學交通科學與工程學院餘貴珍教授卻就無人駕駛這個具體的場景為大家提了一個醒——人工智能並不是無人駕駛的萬能藥。

餘貴珍表示盡管目前市面上有包括整車廠商、IT 公司巨頭以及創業企業都在做佈局自動駕駛，但是都還沒有商業化，而且還出現了諸如 Uber

撞死行人的事故，從整體而言，目前大家都拿不出准確的數據來證明無人駕駛在安全性上優於人類。

無人駕駛真要大批量的上市，必然還有很長的路要有。餘貴珍認為，至少有三道門檻需要跨越：

第一個是無人駕駛是否容許上路(即是否有路權)。這裏主要是法律門檻，目前已經有很多無人車團隊拿到了上路測試的牌照，但是這僅僅是測試，不是商用。從試用到商用還有很長的路要走。

第二個挑戰是自動駕駛有沒有能力上路。路上的環境很複雜，比如下雨、下雪，基本上人開車都看不見，真正的無人駕駛能適應這些情況嗎?

第三個挑戰在於消費者是否真的敢坐無人駕駛汽車。由於目前無人駕駛在安全性上依然有著很大的不確定性，相信很多人對坐自動駕駛汽車是會有心理負擔的。

然而，這三大挑戰是否能用人工智能手段加以克服呢?

首先，餘貴珍認為我們必須承認人工智能技術的確有效地促進了無人駕駛技術的發展。“通過深度學習，特別是卷積神經網絡，利用攝像頭來做環境感知，大家已經有信心達到99% 了。”

不過，盡管如此，在餘貴珍看來我們依然不能神化人工智能技術，“人工智能實際上就是一個算法，就是一個比原來機器學習更高級的算法罷了，所以我們不要把人工智能想成什么都能解決。”“人工智能絕對不是無人駕駛的萬能鑰匙，不要試圖用人工智能2.0 來解決無人駕駛所有的問題。”

總之無人駕駛想要真正上路，還有很長的路要走。不過，無人駕駛真正落地或許會更早：

“無人駕駛的落地面臨諸多問題，但無人駕駛是不是沒有意義?我覺得也不是。特定區域的無人駕駛有大量的機會。”餘貴珍認為像旅遊觀光車、碼頭集裝箱卡車、露天礦區、軍事演習、危險環境運輸、汽車測試等特定場景都適合採用無人駕駛技術。

“特定區域無人駕駛具有多個優勢，第一，特定區域沒有法律限制，第二個，固定線路相對低速，技術障礙也沒有那么高。特定區域的無人駕駛因為沒有司機沒有乘客，不僅安全，更代替了司機，可以產生經濟效應。”餘貴珍如是說。

另外，餘貴珍還對無人駕駛技術落地的路線圖提出了自己的建議：

“利用人工智能技術先在某一點上做出突破。”餘貴珍認為這種漸近式的方法才是無人駕駛落地的正確方法。“舉個例子，如果你用傳統的算法來解決紅綠燈的識別那是很難的，那可以試著應用神經網絡解決這個問題。”

另外，餘貴珍表示目前人工智能中常用的卷積神經網絡雖然計算效率高，但其也存在著佔用太多資源的缺陷。而為了解決這個問題，餘貴珍同樣認為應該“將人工神經網絡跟傳統的算法結合起來。”

根據新華社、悅動智能、海外網、經濟日報等採編【版權所有，文章觀點不代表華發網官方立場】