分享二次转发v2.1
appId:wxd7e8e0b69307cd03,noncestr=2bed86b4202347c9912a6da3601e54e1,time=1596709443,shareUrl=,signature=
isshowflow:1,,
写给大家的AI极简史:从图灵测试到智能物联
目录
 
夜间
A+
A-
详情 加入书架
识别、洞察、行动


“当你不知道该做什么时,智力就是你需要使用的东西。”

——[瑞士]让·皮亚杰(Jean Piaget),生物学家和发展心理学家


 

查看原图

 

 

识别、洞察、行动

 

特斯拉正以每小时130公里的自动驾驶模式在高速公路的左车道上行驶。前方右车道上,几辆卡车以每小时90公里的速度行驶。特斯拉离卡车纵队越来越近了。车队尾部的卡车打出了左边的车灯,表示它要变到左边道。这时,特斯拉必须做出复杂的决定:是应该继续以同样的速度行驶甚至加速以确保它能够在卡车变道之前通过,还是应该鸣喇叭警告卡车司机?在这种情况下允许超车吗?还是说特斯拉应该为了安全起见,以增加行驶时间为代价,制动并礼让卡车?当然,只要没有一位激情驾驶的跑车司机跟在特斯拉后两米处,那么刹车是最安全的选择。

几年前,在任何情况下,我们都完全有理由不把这个决定权交给机器。从统计学上来说,这项技术还没有被证明比我们自己坐在方向盘后面更有可能把我们安全地带到目的地,因为我们不仅熟悉交通规则,有丰富的经验与预测人类行为的能力,还有直觉。

然而今天,特斯拉的驾驶员们已经将许多驾驶决策委托给计算机。这并非没有风险。无论是在特斯拉、谷歌还是在像梅赛德斯、奥迪、日产、现代和沃尔沃这样的传

统汽车公司,自主驾驶的运行远非完美。这些公司不知疲倦地研发自动驾驶系统,但出于安全考虑,有许多功能都未被投入使用。在天气良好和有清晰标注的公路上,自动驾驶系统显然已经是比人类更好的驾驶员。而在城市里,晚上或在大雾天,自动驾驶系统优于人类驾驶也只是个时间问题。

正如一句老话所说:“对于人类来说很难的事情,对机器来说很简单。”反之亦然。在每一次驾驶的过程中,计算机都有成千上万个小且复杂的决策要做,而这对于以前的计算机来说是不可能的任务。为什么现在情况改变了?从抽象的角度来说,答案是:因为从可控硬件中学习数据的软件已经越来越熟练地掌握了识别、洞察和执行这个三角系统。

在上面特斯拉和卡车的例子中,不仅特斯拉所配备的GPS导航、高分辨率照相机、激光和雷达传感器能精确地告知自动驾驶系统汽车的位置、卡车的行驶速度、道路状况及右边是否有紧急通道,该系统的图像识别软件还可以可靠地识别出闪烁的灯是卡车的转弯信号灯,而不是远处建筑工地上的灯。计算机在过去的几年里已经获得了识别事物的能力。如今最好的计算机已经能区分出地面上的物件是汽车能安全碾过的碎纸还是它需要绕行的石头。

所有的视觉(和其他感官)数据流入一个小型的

超级计算机,也就是汽车的人工大脑。它是由许多计算机中央处理器和图形处理器组成的。处理器必须以秒为单位对信息进行排序,同时将实时数据与先前收集的数据、已编程到系统中的规则同步。特斯拉系统知道在这种情况下它有通行权。交通规则规定,卡车司机只有在没有车辆从后方接近的情况下才允许变道。通过对几十亿英里的道路交通信息——反馈数据——进行学习,自动驾驶系统得到了加强,它甚至知道卡车司机并不总是遵守交通规则。它知道,尽管特斯拉正从后面驶来,卡车还是很有可能会变道。它也知道,如果一辆自动驾驶汽车冒着发生严重事故的危险坚持遵守交通规则,是不符合乘客最大利益的。

自动驾驶系统根据观测到的情况、编程规则和以往的经验,在许多可计算的场景中推断出避免事故的最佳选择,同时仍然带领特斯拉快速前进。在本质上,这是一个认知决定,一个对行动方针的选择。这个问题的最佳解决方案其实是一个基于许多变量的概率计算。

而部分自动辅助驾驶系统仅为驾驶员提供建议。例如,如果卡车不仅发出信号,而且做出小的转向运动,那么辅助驾驶系统会通过发出“哔”声警告并指示驾驶员将方向盘打向左边。人类驾驶员则可以选择遵循系统的建议或忽略它。但是一个真正的自

动驾驶系统将直接做出自行的判断并付诸行动。它会控制汽车刹车或继续向前行驶。自动驾驶系统会以非常熟练的方式控制物理机器的功能,如控制油门、刹车和转向。比如飞机的自动驾驶仪在正常情况下比任何头戴机长帽的飞行员都能更精确地控制飞机起飞或降落。又比如在完全数字化系统下用于高频股市交易的机器人会自动执行决策。以上的应用虽然不同,但是它们的自动化原理是一样的:识别数据中的模式,从统计和算法中推断出结论,再通过技术程序将结论变成决定并加以执行。举例来说就是机器在研究市场趋势之后,发现了有利的交易机会,然后帮你点击了“立即购买”。

-  内容来自咪咕阅读  -
目录