“超深度學(xué)習(xí)”創(chuàng)造新一代人工智能的核心理論（二）

當(dāng)今，自動(dòng)駕駛的發(fā)展成為國(guó)際關(guān)注的重要領(lǐng)域，也是國(guó)家人工智能戰(zhàn)略的主要競(jìng)爭(zhēng)焦點(diǎn)。本次人工智能高潮初期對(duì)于深度學(xué)習(xí)的過(guò)分宣傳，給業(yè)界帶來(lái)了認(rèn)知混亂。在自動(dòng)駕駛的研制發(fā)展過(guò)程中才使人們逐漸清醒。特斯拉剛剛推出自動(dòng)駕駛的產(chǎn)品不到一年，接踵出現(xiàn)的自動(dòng)駕駛的惡性事故，幾乎都是因?yàn)樯疃葘W(xué)習(xí)的圖像識(shí)別的問(wèn)題造成，使一向豪情滿懷的馬斯克也提出“學(xué)術(shù)界沒(méi)有將AI變成真正的智能”。所以實(shí)現(xiàn)真正的自動(dòng)駕駛很難，其產(chǎn)業(yè)化落地，一定要依靠新一代人工智能。

但是，在當(dāng)今盲目推崇深度學(xué)習(xí)的人工智能時(shí)代，人們不禁要問(wèn)：新一代人工智能是否是可望不可求的嗎？回答是否定的！從人工智能的發(fā)展歷史來(lái)看，人工智能的定義是把人類(lèi)的智慧授予機(jī)器，讓機(jī)器勝任人的工作。所以能把人的智慧讓機(jī)器深度理解的模型是實(shí)現(xiàn)機(jī)器意識(shí)讓機(jī)器聰明起來(lái)，這是人工智能的通用模型，也是新一代人工智能的核心理論。

自動(dòng)駕駛是由感知，決策與控制三部分組成的，在感知上包括谷歌，特斯拉這樣的國(guó)際公司，也只能用深度學(xué)習(xí)作為感知的核心算法，進(jìn)行圖像識(shí)別。深度學(xué)習(xí)是統(tǒng)計(jì)學(xué)的模型，在進(jìn)行圖像識(shí)別時(shí)只看目標(biāo)，不對(duì)目標(biāo)周?chē)h(huán)境的識(shí)別，不可能做到百分之百的識(shí)別率。比如識(shí)別停車(chē)線，深度學(xué)習(xí)做不到百分之百的精度，這就意味著自動(dòng)駕駛可能會(huì)闖紅燈。但是只要利用人是如何判斷停車(chē)線的智慧所構(gòu)成的數(shù)學(xué)公式來(lái)識(shí)別停車(chē)線，可以得到百分之百的識(shí)別率。

再有，在識(shí)別自動(dòng)駕駛汽車(chē)前方遠(yuǎn)距離的障礙物圖像時(shí)，完全可以淘汰繁瑣的大量圖像的標(biāo)注的深度學(xué)習(xí)的方法，只需要若干個(gè)可以表達(dá)人對(duì)目標(biāo)障礙物的識(shí)別方法的數(shù)學(xué)公式，就可以百分之百的識(shí)別目標(biāo)，這是深度學(xué)習(xí)所達(dá)不到的效果。

在自動(dòng)駕駛的決策上是目前自動(dòng)駕駛業(yè)界的難題，因?yàn)檎_的決策用傳統(tǒng)的技術(shù)是回避不掉NP問(wèn)題，也就是說(shuō)不可能解決所有路況下的自動(dòng)駕駛的決策。谷歌用了10年路側(cè)距離可以繞地球一圈半，也沒(méi)有讓自動(dòng)駕駛落地，這就是被NP問(wèn)題所困擾。所以用大量的路測(cè)來(lái)解決自動(dòng)駕駛的落地問(wèn)題是違反科學(xué)依據(jù)的。這里把人在駕駛汽車(chē)時(shí)針對(duì)不同路況的判斷的智慧，讓機(jī)器深度理解后很容易的就可以繞開(kāi)目前所面對(duì)的自動(dòng)駕駛的決策的NP問(wèn)題。

在自動(dòng)駕駛的控制上目前幾乎所有的自動(dòng)駕駛開(kāi)發(fā)團(tuán)隊(duì)都是采用傳統(tǒng)的控制方法。傳統(tǒng)的控制方法依賴(lài)于邊界條件，在自動(dòng)駕駛過(guò)程中需要應(yīng)對(duì)各種路況，需要臨時(shí)改變控制狀態(tài)，這對(duì)傳統(tǒng)的控制理論是最難應(yīng)對(duì)的問(wèn)題。用新一代人工智能，依賴(lài)于人的駕駛智慧所形成的自動(dòng)駕駛的控制系統(tǒng)就可以解決這些難題。

總之，自動(dòng)駕駛的競(jìng)爭(zhēng)的結(jié)果是由能否掌握了新一代人工智能的所決定。采用目前不智能的AI所研發(fā)出的自動(dòng)駕駛必然會(huì)被淘汰，導(dǎo)入新一代人工智能，一定可以創(chuàng)造出超越人的駕駛IQ的自動(dòng)駕駛，這才是可以在產(chǎn)業(yè)上落地的自動(dòng)駕駛。

經(jīng)過(guò)數(shù)十年，我們?cè)谌斯ぶ悄茴I(lǐng)域的不懈努力所創(chuàng)造出的新一代人工智能超深度學(xué)習(xí)（Super Deeplearning SDL）模型（這是處于對(duì)主流算法的對(duì)抗所起的名字，在學(xué)術(shù)上可稱(chēng)為：“自律學(xué)習(xí)（Self-Discipline Learning SDL）模型），這個(gè)模型的基礎(chǔ)理論是高斯過(guò)程理論、模糊集合理論、以及貝葉斯網(wǎng)絡(luò)理論等現(xiàn)代數(shù)學(xué)所支持的。SDL模型所以可以起到超越傳統(tǒng)模型的作用，就是以人的處理問(wèn)題的方法通過(guò)數(shù)學(xué)模型使機(jī)器可以掌握，將人的智慧讓機(jī)器深度理解，從而讓機(jī)器作出超越人的能力的工作。這就是新一代人工智能的核心理論，掌握了這個(gè)真諦每一位奮戰(zhàn)在人工智能一線的工程技術(shù)人員都可以在各條戰(zhàn)線上，在各種IT產(chǎn)品上成為創(chuàng)造人工智能奇跡的人物。

SDL模型以小數(shù)據(jù)，小模型可以承載大任務(wù)為特點(diǎn)，特別是沒(méi)有黑箱問(wèn)題，可以在包括工業(yè)控制在內(nèi)的所有的IT產(chǎn)品中使用，是人工智能大普及的重要的創(chuàng)新算法。目前SDL模型在自動(dòng)駕駛的感知，決策以及控制中發(fā)揮了人工智能的真正智能作用，顯現(xiàn)出名符其實(shí)的超越深度學(xué)習(xí)的能力與應(yīng)用效果。但是在類(lèi)似目標(biāo)檢測(cè)等方面的需要上百層以上的神經(jīng)網(wǎng)絡(luò)上的對(duì)抗，SDL算法還在繼續(xù)發(fā)展研究之中。