》人类创造科技的步伐正在加快，科技的力量也在以指数级增长。指数级增长让人迷惑。它从一个小小的开始是什么增加然后以惊人的速度爆炸——如果不密切关注它的发展，这种增加是完全出乎意料的。”被称为《Inc.》杂志的RayKurzweil说，“托马斯·爱迪生的继承人”，在《奇点临近》上写道。这位拥有13个荣誉博士学位的世界领先发明家，为人们描绘了一幅未来人工智能社会的图景。RayKurzweil认为，由于到摩尔定律的存在，技术将呈指数级增长，人类社会将在2045年达到人工智能的奇点。其次，基于生物形态的人类，本质上无非是一套高度复杂的神经网络下的算法体系未来会被更先进的算法系统所取代。“盲目乐观可能是最致命的大规模杀伤性武器。”皮耶罗·斯卡鲁菲认为：“人工智能并不是一个新概念，它起源于1956年或更早，但是，在过去因为计算机处理系统不够强大，人工智能没有得到快速发展。”从人工智能在现实中的应用程度来看，目前AI无人驾驶领域的进展似乎印证了PieroScarouFei的观点。回顾人类历史的重大变革，不难发现，无论是蒸汽机的改进，还是内燃机的发明，出行领域始终走在先进技术应用的前沿。追根溯源，近几年无人驾驶技术大爆发的技术基础也来自于2006年Hinton在深度学习领域的革命性成果，使得基于神经网络的深度学习算法可以应用于计算机视觉、语音识别和计算机视觉。行为决策的深入应用构成了无人驾驶软件层面的技术基础，无人驾驶的工程化应用不存在重大技术障碍。因此，无人驾驶的天花板还是靠深度学习。人工智能技术的局限性。另一方面，基于AI技术的L4级自动驾驶开始进入商业化阶段。目前，谷歌Waymo、特斯拉AutoPilot、百度Apollo、通用Cruise均已实现L4级自动驾驶。无人驾驶致命弱点2016年在美国，一辆自动驾驶的特斯拉Models撞上了一辆白色拖车，司机当场死亡。案件。事后，根据事故现场的环境分析，有专业人士指出，依靠摄像头的图像识别系统未能及时发现在阳光直射下横穿马路的白色货车。低，一般毫米波雷达的垂直视角在±5°以内。结果，当特斯拉靠近拖车侧面时，雷达波束从下方穿过卡车，导致漏检和事故。事故发生后，特斯拉改进了无人驾驶系统，并在官网修改了AutoPilot的定义。事实上，安全问题确实是无人驾驶技术全面落地的软肋。基于深度学习算法的人工智能技术构建的无人驾驶系统，并没有真正解决“计算机理解偏差”带来的行车安全问题。从人工智能技术的演进来看，深度学习算法核心的“智能”其实并不是真正意义上的智能，而是基于大数据和“动态规划”原理下的深度学习算法。最优解”。因此，要解决目前无人驾驶的安全问题，必须在这个框架下，将“不安全”的可能性降低到低于人类车祸概率的红线，让无人驾驶走进千家万户”接受的底线”。今年5月，中国工程院院士郑南宁在宁波举办的第六届中国机器人峰会上发表了主题为《直觉性AI与无人驾驶》的演讲。郑南宁院士指出，在算法模型下，不可能建立覆盖所有场景的场景模型，而是“基于认知构建构建类人自动驾驶，让AI自动驾驶具有类人决策能力”机制，它可以应对高层情况。”动态和强烈的随机交通场景变化。在我看来，建立基于人类思维和决策机制的算法模型，让人工智能拥有类人的“意识”，在目前的技术条件下是无法实现的。一方面，人类的决策往往是通过自身多方面的经验来实现的，而不是在固定的驾驶场景中形成单一的决策机制。另一方面，在大多数人的决策过程中，感性因素往往占主导地位，而算法决策则是100%。理性决策成百上千，但理性决策在某些特定情况下往往不是“最优选择”。电影《机械公敌》（又名《我，机器人》）中，威尔·史密斯主演的戴尔·斯普纳因车祸与小女孩落水，人工智能机器人选择了生产力更高的戴尔·斯普纳放弃小女孩的生活。如果在现实中发生类似事件，人类救援人员显然会优先救出女孩，因为这是人性约束下的“最优解”。”。在“AI安全陷阱”下，AI驾驶技术的“奇点”放眼未来。无人驾驶一定会在未来的某个时间点全面应用到出行领域。届时，现有的交通规则甚至道路形态都可能发生新的变化，从无人驾驶的最初应用到无人驾驶时代的到来，人们将长期处于“人+AI驾驶”的混合出行时代。在这个过程中，相应的法律法规也必须与之相适应，如果说安全问题是AI无人驾驶落地的“入场券”，那么无人驾驶对现有交通体系和规则的适配就是AI与AI的直接“博弈”。从本质上讲，AI无人驾驶的演进过程是人类在提高便捷性和安全性的前提下，逐渐将出行部分交给AI的过程，在保留领域主导权的同时，出行安全和控制权交给AI，解放人力。在这个过程中，作为博弈一方的人类，有着非常矛盾的心理。一方面，人们希望通过AI解放人力，获得出行体验的“惬意”。另一方面，人们担心在现有技术条件下，人工智能决策会带来安全风险和道德风险。因此，无人驾驶的落地不仅仅是技术层面的落地，更是公众认知与无人驾驶交通法规的系统化适配。在决策层面，基于深度学习的人工智能在很长一段时间内不会有“类人”的决策模式。因此，人们可以期待人工智能无人驾驶，本质上是安全风险较低的交通辅助。工具，从这个意义上说，AI无人驾驶的进步，会增加人类司机陷入“AI安全陷阱”：一方面，“非人类”的AI无法真正保障司机的安全，另一方面，AI无人驾驶技术的日益进步，会增加驾驶员的“惰性”，带来安全隐患。在笔者看来，无人驾驶攻克“AI安全陷阱”的关键在于能否准确判断AI无人驾驶技术演进的奇点，而判断无人驾驶是否已经到达技术奇点的原理可以从两个方面。思考：AI完全具备像“人”一样的分析和决策能力（即实现独立思考的人工智能）；基于深度学习的AI无人驾驶在实际道路驾驶中的事故率远低于人类驾驶。其次，从实用的角度来看，软件程序是人工智能技术不可或缺的组成部分。在网络状态下，获得车辆控制权的人工智能也更容易受到网络黑客的攻击。因此，除了行车安全，网络安全问题也是无人驾驶真正落地需要解决的问题。那么，真正的无人驾驶落地需要多长时间？从人工智能技术发展来看，自2006年深度学习领域取得突破以来，基于神经网络的深度学习得到快速发展，大数据、深度学习算法和算力成为人工智能。该领域的三大核心技术。目前，人工智能技术三要素中的计算能力，仍然依赖于强大的计算机作为后勤支持。然而，随着摩尔定律的失效，传统半导体产业逐渐面临技术瓶颈。AI技术进步或将面临新的停滞。摩尔定律的失效意味着在目前的规模下，计算机算力也面临着物理瓶颈，AI技术的成长需要大量算力的支持。因此，可以预见，人工智能技术的发展将陷入新的困难时期。同时，人工智能技术发展停滞，将进一步限制人工智能技术在无人驾驶领域的应用。在现有AI技术及其成长空间下，未来无人驾驶的落地必然分为两个阶段，即封闭场景下的商业落地，以及作为驾驶辅助功能的商业落地。真正实现智能无人驾驶还有很长的路要走。RayKurzweil的《奇点临近》让人感叹，人工智能时代似乎近在咫尺，但正如他在书中所写：“人们总是高估短期内可以实现的目标，却往往低估那些能够在短期内实现的目标。”需要一个需要很长时间才能实现的目标。”或许，我们对真正的人工智能对人类社会的深远影响还知之甚少，但人们也应该对当今人工智能的实际应用给予更理性的认识，这也是人工智能技术之所以能够蓬勃发展的关键。
