写给大家的AI极简史(从图灵测试到智能物联)(精)

作者简介

内容简介

识别、洞察、行动 特斯拉正以每小时130公里的自动驾驶模式在高速公路 的左车道上行驶。前方右车道上，几辆卡车以每小时90公 里的速度行驶。特斯拉离卡车纵队越来越近了。车队尾部 的卡车打出了左边的车灯，表示它要变到左边道。这时， 特斯拉必须做出复杂的决定：是应该继续以同样的速度行 驶甚至加速以确保它能够在卡车变道之前通过，还是应该 鸣喇叭警告卡车司机？在这种情况下允许超车吗？还是说 特斯拉应该为了安全起见，以增加行驶时间为代价，制动 并礼让卡车？当然，只要没有一位激情驾驶的跑车司机跟 在特斯拉后两米处，那么刹车是最安全的选择。 几年前，在任何情况下，我们都完全有理由不把这个 决定权交给机器。从统计学上来说，这项技术还没有被证 明比我们自己坐在方向盘后面更有可能把我们安全地带到 目的地，因为我们不仅熟悉交通规则，有丰富的经验与预 测人类行为的能力，还有直觉。 然而今天，特斯拉的驾驶员们已经将许多驾驶决策委 托给计算机。这并非没有风险。无论是在特斯拉、谷歌还 是在像梅赛德斯、奥迪、日产、现代和沃尔沃这样的传统 汽车公司，自主驾驶的运行远非完美。这些公司不知疲倦 地研发自动驾驶系统，但出于安全考虑，有许多功能都未 被投入使用。在天气良好和有清晰标注的公路上，自动驾 驶系统显然已经是比人类更好的驾驶员。而在城市里，晚 上或在大雾天，自动驾驶系统优于人类驾驶也只是个时间 问题。 正如一句老话所说：“对于人类来说很难的事情，对 机器来说很简单。”反之亦然。在每一次驾驶的过程中， 计算机都有成千上万个小且复杂的决策要做，而这对于以 前的计算机来说是不可能的任务。为什么现在情况改变了 ？从抽象的角度来说，答案是：因为从可控硬件中学习数 据的软件已经越来越熟练地掌握了识别、洞察和执行这个 三角系统。 在上面特斯拉和卡车的例子中，不仅特斯拉所配备的 GPS导航、高分辨率照相机、激光和雷达传感器能精确地告 知自动驾驶系统汽车的位置、卡车的行驶速度、道路状况 及右边是否有紧急通道，该系统的图像识别软件还可以可 靠地识别出闪烁的灯是卡车的转弯信号灯，而不是远处建 筑工地上的灯。计算机在过去的几年里已经获得了识别事 物的能力。如今最好的计算机已经能区分出地面上的物件 是汽车能安全碾过的碎纸还是它需要绕行的石头。 所有的视觉（和其他感官）数据流入一个小型的超级 计算机，也就是汽车的人工大脑。它是由许多计算机中央 处理器和图形处理器组成的。处理器必须以秒为单位对信 息进行排序，同时将实时数据与先前收集的数据、已编程 到系统中的规则同步。特斯拉系统知道在这种情况下它有 通行权。交通规则规定，卡车司机只有在没有车辆从后方 接近的情况下才允许变道。通过对几十亿英里的道路交通 信息——反馈数据——进行学习，自动驾驶系统得到了加 强，它甚至知道卡车司机并不总是遵守交通规则。它知道 ，尽管特斯拉正从后面驶来，卡车还是很有可能会变道。