作者：王垠 ????????寫于：2016年2月

這段時間，Google的自動車，Tesla的autopilot，經(jīng)常出現(xiàn)在新聞頭條。人們熱烈的討論自動駕駛技術，對這“科幻般”的技術充滿了憧憬，好奇，甚至恐懼。Google說：“自動車很安全。人類是糟糕的駕駛員。”?很多人不假思索就接受了這種觀點，以為自己不久以后就會被自動車所代替，所以我今天想談談對這些“自動車”的看法。

從我的另一篇文章，你應該已經(jīng)看到，Tesla的autopilot其實根本不算是“自動駕駛”，它完全不能和Google的自動車相比。特斯拉把這種不成熟的軟件推送到用戶的車里，為的只是跟Google搶風頭，塑造自己的高大形象?？矗覀兿瘸隽俗詣榆?！可是呢，Tesla那東西頂多算一個“adaptive cruise control”，離真正的自動駕駛還很遙遠。可惜的是，Tesla為了自己的名聲，拿用戶的性命當兒戲，還有些人為它叫好。

然而就算是Google的自動車，離能夠投入使用，其實還差得很遠。我這里說的“很遠”，不是像某些人預測的10年，20年，而是至少100年，1000年……?甚至永遠無法實現(xiàn)。這是為什么呢？Google不是聲稱，每天都要讓它的自動車“學習”上百萬英里的行駛記錄嗎？難道學習了如此的“大數(shù)據(jù)”，不能讓這車子變得跟人一樣聰明嗎？

如果你這么想，那你可能根本不了解人工智能（AI）。需要“學習上百萬英里”，并不能說明自動車很聰明。恰恰相反，這說明它們很笨。只需要問自己一個問題：一個人要學會開車，需要開多少里程？普通人從完全不會，到能安全上路，一般只需要12節(jié)課，每節(jié)課1小時。就算這一個小時你都在高速公路上開，也就80英里的樣子。12個小時就960英里。也就是說，普通人只需要小于1000英里的駕駛，就能成為比較可靠的司機。

對比一下Google的自動車，它們每天“分析”和“學習”一百萬英里的“虛擬里程”，而且經(jīng)常在外面采集數(shù)據(jù)，累計上百萬的英里。然而這些自動車，仍然只能在白天，天氣好的時候，在道路環(huán)境非常簡單的Mountain View行駛。Mountain View就是一個小鎮(zhèn)子，總共就沒幾條路，路上幾乎沒有行人。我從未在時速超過50mph的公路上，或者交通復雜的大城市，見到過Google的自動車。

另外據(jù)最近的報道，Google的自動車在過去一年時間里，發(fā)生了272起需要“人工干預”的錯誤情況。如果人不及時搶過控制權，不少情況會出現(xiàn)車禍。在如此簡單的條件下，還需要如此多的人工干預。如果環(huán)境稍微復雜一些，自動車恐怕就完全不知所措了。

這里還有一個“特殊關照”的問題，由于Google的自動車身上有著明顯的標志，行人和其它駕駛員看到它，其實都有點提心吊膽的，不敢輕舉妄動，怕它犯傻撞了自己，這也變相的降低了自動車的環(huán)境復雜度。一旦Google把車身上的標志去掉，大家看不出來誰是自動車，不對它們進行特殊的關照，我行我素，事故率恐怕就上去了。

所以Google的自動車，離能夠投入真正的使用，差距還非常遠。在這種情況下就妄言“自動車很安全”，“人類是糟糕的駕駛員”，……?未免也太早了些吧？自動車跟人類差距到底有多遠呢？天壤之別。普通人只需要開1000 mile就能學會開車，而這些自動車學習了幾百萬，幾千萬，幾億英里，仍然門都沒有摸到。這說明自動車跟人類的運動神經(jīng)，有著根本的區(qū)別。

人在運動的時候看見一個物體，他的頭腦里會立即閃現(xiàn)與之相應的“概念”，然后很快浮現(xiàn)出這種東西的運動特點，以及相應的對策。相比之下，自動車看到物體，它并不能準確的判斷它是什么東西：它是一個車，一個人，一棵樹，一個施工路障，一個大坑，還是前面的車掉下來的床墊呢？所以自動車就像一個智障兒童，學了這么久連什么是什么都不知道，卻有人指望它們在十年之內能開車穿越美國。

對的，自動車配備了GPS，激光，雷達，……?它的“感官”接收到很多的數(shù)據(jù)，有些是人類無法感覺到的。然而自動車的“頭腦”（電腦），是沒有認知能力的，所以就算收集到了大量的數(shù)據(jù)，它仍然不知道那東西是什么，它們之間是什么關系。電腦沒有這些“常識”，所以它無法為人做出正確的判斷。在危急的關頭，它很可能會做出危及乘客安全的決定。“認知”是一個根本性的問題，AI領域至今沒有解決它，甚至根本沒有動手去研究它。

自動車使用的所謂“機器學習”的技術，跟人類的“學習”，完全是兩回事。舉個例子，一個小孩從來沒見過貓，你只需要給她一只貓，告訴他這是“貓咪”。下一次，當她見到不管什么顏色的貓，不管它擺出什么姿勢，都知道這是“貓咪”?，F(xiàn)在的電腦，認知能力其實比小孩子，甚至其它動物都差很多。你先讓電腦分析上百萬張貓的照片，各種顏色，各種姿勢，各種角度，拿一只貓擺在它的攝像頭面前，讓它看整整一年……?最后它仍然不理解貓是什么，不能準確的判斷一個東西是否是貓。如果說電腦有智商，那么它的級別就像一個蠕蟲，甚至連蠕蟲都不如。電腦沒有認識和適應環(huán)境的能力，所以就算它再用功，“學習”再多的數(shù)據(jù)，都是白費勁。

很多人聽說“人工智能”（AI），或者“機器學習”（machine learning），“深度學習”（deep learning）這類很酷的名詞，就想起科幻小說里的智能機器人，就以為科幻就要成為現(xiàn)實。等你真的進入“機器學習”這領域，才發(fā)現(xiàn)一堆堆莫名其妙，稀里糊涂的做法，最后其實不怎么管用。這些大口號，包括所謂“深度學習”，其實跟人的思維方式，幾乎完全不搭邊。所謂“機器學習”，不過是一些普通的統(tǒng)計方法，擬合一些函數(shù)參數(shù)。吹得神乎其神，倒讓統(tǒng)計專業(yè)的人士笑話。

人工智能在80年代出現(xiàn)過一次熱潮。當時人們樂觀的相信，電腦在不久就會擁有人類的智能。日本還號稱要動員全國的力量，制造所謂“第五代計算機”，發(fā)展智能的編程語言（比如Prolog）。結果最后呢？人們意識到，超越人類（動物）的智能，比他們想象的困難太多太多。浮夸的許諾沒能實現(xiàn)，AI領域進入了冬天。最近因為“大數(shù)據(jù)”，“自動車”和“Internet of Things (物聯(lián)網(wǎng))”等熱門話題的出現(xiàn)，“AI熱”又死灰復燃。然而當今的AI，其實并沒有比80年代的進步很多。人們對于自己的腦子以及感官的工作原理，仍然所知甚少，卻盲目的認為那些從統(tǒng)計學偷來的概念，改名換姓叫“機器學習”，就能造出跟自己的頭腦媲美的機器。這些人其實大大的低估了自己身體的神奇程度。

視覺和認知能力，是動物（包括人類）特有的，卓越的能力。它們讓動物能夠準確的感知身邊復雜的世界，對此作出適合自己生存的計劃。一輛能夠穿越整個國家的自動車，它必須適應各種復雜的環(huán)境：天氣，路況，交通，意外情況……?所以它需要動物的認知能力。我并不是說機器永遠不可能具有這種能力，然而如果你根本不去欣賞，研究和理解這種能力，倒以為所謂“機器學習”就能辦到這些事情，張口閉口拿“人類”說事，你又怎么可能用機器實現(xiàn)它呢？我的預測是，直到人類能夠完全的理解動物的腦子和感官如何工作，才有可能制造出能夠接近人類能力的自動車。

誠然，有少數(shù)人開車不小心，甚至酒后駕車，導致了很多的車禍。然而因此就聲稱“人類是糟糕的駕駛員”，那就是以偏概全了。大部分的人還是遵紀守法，注意安全的。很多人開車幾十年，從沒出過車禍。另外，我們必須把“態(tài)度”和“能力”區(qū)分開來看。酒后駕車的人，不是技術不夠好，而是態(tài)度有問題。電腦當然沒有態(tài)度問題，然而它的技術確實難以達到人的水平。就算那些酒后駕車的人，他們的能力其實也遠遠在電腦之上。我無法想象當今的電腦技術，要如何才能超越駕駛技術好的人，以及職業(yè)賽車手。

如果你還沒明白，也許下面這個圖片可以把你拉回到現(xiàn)實世界：

一個機器，如何能知道旁邊的車上正在發(fā)生什么，即將可能發(fā)生什么樣的危險情況呢？它如何知道，需要趕快避開這輛車呢？它不能。一個沒有認知能力的機器，是難以應付復雜多變的現(xiàn)實世界的。

現(xiàn)在人們對于自動車技術的關注，熱情，盲目樂觀和浮夸，感覺跟文歌、“大耀進”年代的思維方式類似。只不過現(xiàn)在“毛”換成了Google或者Tesla，“每畝產(chǎn)量十萬”換成了“兩年之內自動駕駛穿越美國”……?我覺得與其瞎折騰自動駕駛技術，不如做點腳踏實地，在短期內能夠見效，改善人們生活的東西。