醒醒，无人驾驶只是皇帝的新衣方向盘该往哪打？这似乎是一个很白痴的问题，但在如今的自动驾驶技术中却非常值得讨论。不只是吃瓜群众，工商业也一样。目前由AlphaGo引发的人工智能浪潮迅速席卷全球。在汽车行业，无论是整车企业还是互联网科技企业，都在谈人工智能和自动驾驶。公司必须在其宣传页面上添加“AI”或“智能”一词。在各种行业会议上，各路大佬谈起人工智能的发展，都想装作是智能化方向的领头羊。但现实比我们看到的更尴尬。前不久，《汽车人》发表了一篇文章《钱都白扔!自动驾驶技术走错了方向?》介绍理论物理和凝聚态物理。来自斯坦福大学的张首晟教授，他认为目前的人工智能技术还处于非常早期的阶段。一个“非常”。他说，人工智能还处于“仿生阶段”，也就是说人们还没有搞清楚其根本原理是什么。他说的根本原理就是事物的本质，也就是物理学的第一原理，最后的表达通常是一个数学公式，比如F=ma。作者认为，数学是唯一可以与造物主沟通的语言。物理学是科学之母，基础物理学是物理学之母。基础物理学的表达往往是数学公式。毕竟，张教授并不是人工智能领域的先行者。因此，在这篇文章中，我们不妨看看加州大学洛杉矶分校计算机视觉、认知、学习和自主机器人中心主任朱松纯教授的观点。朱教授曾三次获得马尔奖（计算机视觉领域的最高荣誉之一），并两次担任视觉、认知科学和人工智能领域的跨学科合作项目MURI的主任。美国。总之，在这个行业有经验的人都不知道朱松纯的名字。还是开头的例子。以现在的自动驾驶技术，如果自动驾驶汽车在高速行驶，前面是一堆纸箱，另一边是一根水泥杆。它不能停下汽车，必须撞上它。人工智能你会如何选择？要是有人来开车，他想都没想就冲到纸箱边上。而如果交给现在的人工智能技术，大概率会酿成悲剧。为什么？朱松纯教授表示，在整个人工智能领域，深度学习只是其中的一个分支，虽然在商业上很吃香。深度学习的特点是只知其然，不知其所以然。用鹦鹉学舌头是合适的。鹦鹉可以学会说话，但它不知道那是什么意思。首先要明确的是，如果把深度学习看成是人工智能，就相当于把海淀区看成了整个中国。目前，大部分以深度学习为核心研究方向的人工智能企业，包括我国几大互联网巨头，其核心产品都依赖于深度学习。其实深度学习本身并没有什么特别的。它的本质是统计数学中的多项式回归。这一点早已被统计和数学专家公开表达过。这是一个很笨的方法，但是在Nvidia的GPU产品的帮助下确实可以使用。但问题出在深度学习上。第一，它不能理解事物之间的因果关系；第二，不能举一反三；第三，它没有最基本的物理知识。由于它没有物理常识，它不知道打箱子比打电线杆安全多了。它只是通过雷达返回的信号认为这是两个障碍物，无法分析其物理密度。我们也说过，深度学习最需要的是危险环境下的学习数据。我们在哪里可以找到这些数据？因为它无法理解因果关系，所以无法用人类司机在路况中的常识来判断。例如，其他人是否要超车、合并或躲避大车。由于不可能从一个实例中推断出其他情况，一次事故带来的学习信息并不能保证机器下次能够对不同的路况做出正确的判断。朱松纯教授认为，一个关键点是在同一个概率统计框架下，目前的深度学习方法大多属于所谓的“大数据、小任务范式”，即利用大量数据进行训练具体任务。模型，例如AlphaGo下围棋。但朱教授提倡的是相反的观点。他认为，人工智能的发展需要进入“小数据、大任务范式”，即用大量任务代替大量数据来塑造智能系统和模型。朱教授打了个比方，18世纪的厨房和现代的厨房，作为人类，一眼就能看出它们的功能是一样的。但作为深度学习人工智能，两者的信息匹配起来难度极大。同样，我们知道容器中或水龙头中有水，但机器认为没有水。人工智能并不神秘。当然，它会在一个非常具体的问题上超越人类，就是上面提到的“小任务范式”，比如下围棋、处理文本、筛选图片、语言翻译等。但是汽车驾驶显然属于大型任务的范式。同样的方法，是不是走错了方向？难怪现在自动驾驶下总是会发生交通事故。举一反三是不可能的，那么自动驾驶真的能给人们的出行带来安全吗？引用网上一位投资人的话说：就目前的技术发展现状而言，人工智能离大规模商业应用还太远了。所谓的快速发展即将被证伪。别说这几年会有重大的技术突破。目前的技术研究是在上世纪上半叶的理论基础上进行的。理论基础没有升级，以为在软硬件层面修修补补就可以有颠覆，骗人或者骗人工智能？这与张首晟教授的观点非常相似。没有基础理论的突破，没有真正能够解开智能之谜的数学方程式，所谓的人工智能只能在小任务范式中得到发展和应用，而在汽车驾驶等大任务范式中发展和应用，很难说它可以依靠。光谱。
