強(qiáng)AI在叩門

黃耀鵬

3月18日，優(yōu)步自動(dòng)駕駛測(cè)試車在亞利桑那州鳳凰城錢德勒市，撞死一名推著自行車的行人。經(jīng)過(guò)近兩個(gè)月的事故調(diào)查和數(shù)據(jù)分析，優(yōu)步認(rèn)為，車輛傳感器已經(jīng)在事故前識(shí)別出行人，但控制軟件將其視作“軟障礙物”，類似塑料袋、紙張一類不會(huì)對(duì)行駛構(gòu)成影響的物品，而非活生生的人?？刂栖浖Q定不“立即”采取行動(dòng)，悲劇就這樣發(fā)生。

再遠(yuǎn)一點(diǎn)，特斯拉在佛羅里達(dá)州和中國(guó)的河北省發(fā)生的自動(dòng)駕駛車禍，都因?yàn)槲茨軠?zhǔn)確辨識(shí)障礙物。前者將白色大卡車與天空混淆，后者則將清掃車識(shí)別成公路上空的廣告牌。

決策系統(tǒng)停滯不前

這幾起事故的共同點(diǎn)，都是傳感器發(fā)現(xiàn)了障礙物（人），但都沒(méi)有準(zhǔn)確辨識(shí)。在硬件冗余的情況下，用于決策的軟件顯得能力不足?，F(xiàn)在的AI就像一個(gè)眼明手快的家伙，偏偏腦子不大靈光。引發(fā)的后果是致命的。

這和2015年8月的Waymo測(cè)試自動(dòng)駕駛車時(shí)表現(xiàn)出來(lái)的水平毫無(wú)二致。近3年時(shí)間原地踏步，結(jié)論相當(dāng)令人沮喪。

在得州奧斯汀，一輛谷歌自動(dòng)駕駛汽車探測(cè)到了路口的綠燈，即將通過(guò)十字路口的那一剎那，垂直方向上駛來(lái)一輛自行車，這輛自行車的騎手并沒(méi)有像普通自行車的騎手那樣放下一只腳來(lái)支撐自己，而是站在踏板上通過(guò)來(lái)回的前進(jìn)后退來(lái)控制平衡。

這一行為對(duì)于人類司機(jī)來(lái)說(shuō)很容易理解，但是卻難倒了Wavmo自動(dòng)駕駛系統(tǒng)，系統(tǒng)判定騎手要闖紅燈，就停下來(lái)等待自行車通過(guò)。當(dāng)那名騎手開(kāi)始后退時(shí)，Wavmo測(cè)試車再次試圖前行，剛沒(méi)走幾步，騎手又前進(jìn)了，剛起步的測(cè)試車就停在了路中間。兩分鐘之內(nèi)，測(cè)試車未能成功通過(guò)路口，眼睜睜看著綠燈變成紅燈，測(cè)試車被困在路中間，成功阻礙了兩個(gè)方向上的行車。

闖禍的優(yōu)步測(cè)試車則正相反，為了防止“軟障礙”影響行車，優(yōu)步“濾除”機(jī)制被設(shè)定得過(guò)于“大條”。

人類能夠輕松辨識(shí)、理解的事物，在自動(dòng)駕駛系統(tǒng)看來(lái)，已經(jīng)“超綱”。AI技術(shù)看上去并沒(méi)有什么進(jìn)展。照此下去，全棧自動(dòng)駕駛（L5級(jí)）很難實(shí)現(xiàn)。

問(wèn)題的關(guān)鍵顯然在于AI，如何能讓AI獲得不亞于人類的智能，是全人類的課題。

TPU和AutoML

谷歌今年的I/O大會(huì)上，CEO皮查伊聲稱的“AI First”得到了一系列產(chǎn)品的支持。他發(fā)布了TPU3.0和AutoML將AI推向“自我加速”的境界。

谷歌在2016年發(fā)布了初代TPU（專用深度學(xué)習(xí)加速芯片），此后以每年迭代一次的速度發(fā)布新版本處理器，今年則是TPU3.0版。更重要的是，以TPU架構(gòu)為核心的數(shù)據(jù)中心已經(jīng)搭建完成。

當(dāng)然，有些學(xué)者和工程師對(duì)強(qiáng)AI的出現(xiàn)懷有強(qiáng)烈的憂患意識(shí)，包括剛剛?cè)ナ赖幕艚?。看上去，?qiáng)AI正在谷歌的推動(dòng)下接近面世。人類歷史上還從未面對(duì)過(guò)智商比自己高的“思維體”。阿爾法狗只是TPU的初級(jí)應(yīng)用，在強(qiáng)AI的加持下，L5級(jí)自動(dòng)駕駛第一次有了現(xiàn)實(shí)可能性。

設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)非常耗時(shí)，對(duì)專業(yè)能力要求非常高，只有一小部分科學(xué)家和工程師能勝任。而TPU借助AutoML軟件系統(tǒng)，則能自行搭建神經(jīng)網(wǎng)絡(luò)。也就是說(shuō)，谷歌讓神經(jīng)網(wǎng)絡(luò)去設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)。

在多次重復(fù)后，主控網(wǎng)絡(luò)逐漸在已知驗(yàn)證集合上更準(zhǔn)確地生成、訓(xùn)練、測(cè)試新架構(gòu)。實(shí)踐表明，運(yùn)行在AutoML的TPU設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率，不亞于頂尖人類專家設(shè)計(jì)的網(wǎng)絡(luò)，而完成速度遠(yuǎn)超后者。

強(qiáng)Al強(qiáng)在哪里？

TPU云的深度學(xué)習(xí)能力令人吃驚。谷歌聲稱無(wú)人駕駛對(duì)于行人的判斷錯(cuò)誤率下降了100倍。同時(shí)，仍能保持類似人工駕駛的流暢性和容錯(cuò)性。

在當(dāng)前無(wú)人駕駛的場(chǎng)景中，行人的識(shí)別始終存在問(wèn)題。由于光線、距離、天氣和遮擋等原因，行人有時(shí)在AI“看上去”不像人。行人如果穿著奇裝異服，譬如一身“恐龍裝”，或者打扮得像蝙蝠俠，決策系統(tǒng)也能在任何情況下將其辨識(shí)出來(lái)。

更難的是對(duì)行人和其他交通參與者行為的預(yù)測(cè)。在十字路口，如果左右兩側(cè)本來(lái)是紅燈不應(yīng)該有車出現(xiàn)，結(jié)果突然竄出了闖紅燈的車，人類駕駛員可能措手不及，但AI比任何人類都看得遠(yuǎn)、看得準(zhǔn)，對(duì)非法闖入的車和人未來(lái)幾秒鐘的軌跡做出了預(yù)測(cè)，并及時(shí)采取停車等避讓措施。

神經(jīng)網(wǎng)絡(luò)的自我進(jìn)化能力將在大交通網(wǎng)絡(luò)下得到驗(yàn)證，它通過(guò)觀察無(wú)數(shù)交通場(chǎng)景，學(xué)習(xí)到對(duì)人類行為的預(yù)判。可能一夜之間，AI就已經(jīng)完全不同。

就像阿爾法狗，李世石在與阿爾法狗下了一天圍棋之后，晚上只能疲憊地睡下。而阿爾法狗則繼續(xù)磨練自己的棋藝，它與自己對(duì)弈了100萬(wàn)盤。是的，你沒(méi)看錯(cuò)，100萬(wàn)盤。第二天太陽(yáng)升起來(lái)的時(shí)候，李世石和昨晚的李世石幾乎沒(méi)什么不同，但阿爾法狗已經(jīng)是全新的、棋藝更精進(jìn)的阿爾法狗。

新一代TPU在圍棋上可以輕松戰(zhàn)勝去年的阿爾法狗，因?yàn)槠溥\(yùn)算速度提升了80倍，更因?yàn)樗谏疃葘W(xué)習(xí)上的速度幾乎令人無(wú)法理解。只要提供合理且豐富的訓(xùn)練資料，強(qiáng)AI就能在很短時(shí)間內(nèi)迅速學(xué)會(huì)一切。深度學(xué)習(xí)正成為使自動(dòng)駕駛車輛得以運(yùn)行的軟件的中堅(jiān)力量。

深度學(xué)習(xí)將幫助汽車逐步走向終極的L5級(jí)，這是無(wú)人駕駛的終極夢(mèng)想。強(qiáng)AI的到來(lái)，也意味著人類作為駕駛者的地位被最終取代。