自動駕駛太難的因果

近日，特斯拉汽車的馬斯克說自動駕駛太難了，將現(xiàn)在的自動駕駛的人工智能（AI）責(zé)任推脫給學(xué)術(shù)界：“學(xué)術(shù)界沒有將AI變成真正的智能”。

一、現(xiàn)主流AI是炒作出來的

事實上，目前包括應(yīng)用在自動駕駛的AI算法，占AI算法主流的深度學(xué)習(xí)算法不是學(xué)術(shù)界推出的，而是商業(yè)炒作出來的。多年前谷歌等國際大公司就看準應(yīng)用深度學(xué)習(xí)算法需要無限的算力，大有賣他們GPU的商機，便大力制造本來深度學(xué)習(xí)在其中作不大的的機器人戰(zhàn)勝人類最高棋手等轟動新聞，大肆宣傳深度學(xué)習(xí)的威力，并投巨資建立起便于學(xué)習(xí)和可照貓畫虎地在簡單應(yīng)用場景確實有效的深度學(xué)習(xí)的開源程序等開發(fā)環(huán)境，同時用多種方式和渠道大批量培訓(xùn)出各層次的相關(guān)技術(shù)人員，最終將深度學(xué)習(xí)炒作成為充滿世界的讓一大批人頂拜的AI算法?？梢哉f，當今的中國人工智能也被深度學(xué)習(xí)深深的綁架。看一下在國內(nèi)教學(xué)、科研、評獎、揭榜等等；在產(chǎn)業(yè)園、科技園、示范區(qū)、引導(dǎo)區(qū)處處都是在以深度學(xué)習(xí)為主，甚至在被獨尊。

  人工智能算法出現(xiàn)此種怪象有多種可能，最好的可能是有好的人工智能算法在國家尖端領(lǐng)域已在秘密研制和使用。最不好的可能是因深度學(xué)習(xí)受獨寵，好的人工智能算法一直在被排斥或封殺。

二、自動駕駛為何太難

如此被獨寵的深度學(xué)習(xí)的真實情況是什么樣呢？經(jīng)多年來實踐，已有許多專家、院士、技術(shù)人員指出深度學(xué)習(xí)是存在魯棒性差、不可解釋、有NP問題等較多缺陷，特別是還有致命的黑箱存在的大模型、大數(shù)據(jù)、大硬件的AI算法。因此，連深度學(xué)習(xí)的發(fā)明人Hinton教授都早在2017年因無法解決深度學(xué)習(xí)存在的嚴重的缺陷，公開宣布放棄深度學(xué)習(xí)，要推倒重來。但是，廣大的用戶并不了解詳情，不免遭受強大資本的作用和利益驅(qū)動的推廣單位和人員的蠱惑，大量在使用深度學(xué)習(xí)。

客觀講，深度學(xué)習(xí)在學(xué)術(shù)上比以專家?guī)鞛橹鞯纳弦淮鶤I是有進步的，特別是在人臉識別、語音識別等應(yīng)用場景比較簡單、數(shù)據(jù)量不很大的應(yīng)用中還是有效果，所以有較大的迷惑性。但是，深度學(xué)習(xí)在處理復(fù)雜場景和大數(shù)據(jù)量應(yīng)用需求時，就不能勝任，甚至錯誤頻出。由于自動駕駛的巨復(fù)雜性，就不可避免地成為受深度學(xué)習(xí)應(yīng)用影響最大的重災(zāi)區(qū)。想用深度學(xué)習(xí)完成自動駕駛，自然是難上加難。

三、深度學(xué)習(xí)在自動駕駛很難有果

如同古人想學(xué)鳥飛翔，試圖人造翅膀飛，但都未能如愿飛遠?，F(xiàn)代人依據(jù)空氣動力學(xué)，造出與鳥不一樣的飛機實現(xiàn)了飛翔。深度學(xué)習(xí)較以往AI算法先進的是仿人腦建的神經(jīng)網(wǎng)絡(luò)。但所建的神經(jīng)網(wǎng)絡(luò)要將需分類識別的場景數(shù)據(jù)都要一一對應(yīng)事先進行機器學(xué)習(xí)，不具備人腦的舉一反三的思維和糾錯能力，如果缺少數(shù)據(jù)或數(shù)據(jù)有錯就不能準確分類識別。為達到對所提供場景的數(shù)據(jù)分類識別準確，對許多復(fù)雜數(shù)據(jù)，深度學(xué)習(xí)還需人手工做標注后供機器學(xué)習(xí)識別，遠達不到完全自動機器學(xué)習(xí)。

深度學(xué)習(xí)是通過規(guī)則判斷讓自動駕駛汽車行駛的。由于，自動駕駛汽車應(yīng)正常在世界各種道路上行駛，但所遇到的路況和天氣等隨時都要發(fā)生千變?nèi)f化，對每一種情況都相應(yīng)地制定出規(guī)則讓深度學(xué)習(xí)事先機器學(xué)習(xí)是很難的，也是幾乎不可能的。所以谷歌、特斯拉等國際大公司都在投巨資和大量人力在讓汽車按數(shù)以萬公里地去跑路，以求囊括他們的自動駕駛汽車可能遇到的一切情況，制訂出相應(yīng)的規(guī)則讓機器事先學(xué)習(xí)。但是，事實證明，深度學(xué)習(xí)的這種要求數(shù)據(jù)或?qū)?yīng)規(guī)則一個都不能錯和少的機器學(xué)習(xí)的分類識別要求，無論讓自動駕駛汽車跑多少路都不可能全遇到可能出現(xiàn)的路況和場景，靠人苦想也想不全。所以，這問題是馬斯克發(fā)出“自動駕駛太難”呼聲的主因。

更讓人生畏的是，深度學(xué)習(xí)存在的黑箱隨時會出現(xiàn)讓機器死機。因此，谷歌已經(jīng)宣布深度學(xué)習(xí)應(yīng)用退出工業(yè)控制。黑箱在工業(yè)控制上出現(xiàn)只會使機器或生產(chǎn)線可能損壞，但如在自動駕駛上出現(xiàn)，不僅是可能車毀，人也可能傷亡。用戶一旦知情，會有多少人愿買應(yīng)用深度學(xué)習(xí)的自動駕駛汽車呢？

四、自動駕駛的路在何方

既然深度學(xué)習(xí)在自動駕駛的應(yīng)用很難有果，為什么那些研發(fā)自動駕駛的團隊不及時停步呢？為什么有一些單位現(xiàn)在還在加入自動駕駛的隊列中去呢？原因是這些團隊的領(lǐng)導(dǎo)們還沒有完全了解深度學(xué)習(xí)存在的嚴重缺陷和可怕的黑箱問題，一般都是在跟風(fēng)或聽專家話決策。又因其中有少數(shù)單位已通過炒作，在金融和各種補貼中得到豐厚的回報，也起到很大的吸引作用。經(jīng)多年的研發(fā)，大多數(shù)單位雖然已感到做自動駕駛很難，但因已投入巨大資源不好交代，處于騎虎難下狀態(tài)，只得硬著頭皮在繼續(xù)著。但是，隨著時間的延長他們等來的可能是更大的損失。

新的高效可靠的AI算法應(yīng)用將是當前自動駕駛尋求的繼續(xù)發(fā)展之路。中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟理事、天津市阿波羅信息技術(shù)有限公司和阿波羅（日本）株式會社首席科學(xué)家顧澤蒼博士（中國籍）在業(yè)內(nèi)最先發(fā)表論文指出深度學(xué)習(xí)存在的缺陷，并依據(jù)自己在日本從事三十多年人工智能積累的經(jīng)驗，針對深度學(xué)習(xí)的缺陷獨自創(chuàng)新發(fā)明出小模型、小數(shù)據(jù)、小硬件的沒有黑箱的自律學(xué)習(xí)SDL算法，就是一種高效可靠的AI通用算法。

自律學(xué)習(xí)SDL算法自2018年8月在北京世界機器人大會上正式發(fā)布以來，經(jīng)近三年多的的實踐檢驗，已證明是可廣泛在包括工業(yè)控制和嵌入式系統(tǒng)在內(nèi)的許多人工智能應(yīng)用領(lǐng)域的新一代AI算法。特別是顧博士率20多人的小團隊，使用不到2000萬資金在半年多的時間就研制出在自動駕駛的感知、決策和控制都用自己發(fā)明的SDL算法全部用人工智能實現(xiàn)，并經(jīng)一年多的路測表明各項指標都達到世界領(lǐng)先水平。顧博士團隊近日還向社會承諾，如融到資金可在三個月研制出不用工控機，全部都用模塊的分布式系統(tǒng)做到不靠“算力”，而靠“智力”實現(xiàn)自我超越的又以新的世界新領(lǐng)先水平的自動駕駛汽車。如融到資金，該團隊還可在6個月研制出達到人駕駛IQ的新一代自動駕駛汽車。顧博士團隊要研制的新一代自動駕駛汽車，將以按駕校教的駕駛規(guī)則教機器學(xué)習(xí)，配不同類型人、路況和天氣等場景的最佳駕駛規(guī)則，并不依賴高精地圖可在各種道路滿足安全正常行駛的需求為目標。這不就是當今自動駕駛追求的目標和要走的發(fā)展之路嗎？