图灵大会｜新观点：AI盛世，其实我们离得还很远

从物理世界到电子世界的探索，凝聚着每一位AI研究者的心血；而将电子世界拉回到物理世界，便是实践者对生活的有力回归。

5月19日—20日，在上海举行的ACM中国图灵大会呈现了多个精彩纷呈的专题研讨会。其中，SIGAI专题研讨会将视线聚焦人工智能产业领域，引来无数参会学生的翘首期盼。

与传统的校园课堂不同，这一次的AI专题“课程”从研究到落地，学术到实践，干货满满，令AI爱好者们过足了瘾。

然而，也有很多讨论打破了大家对于AI的过高期望。这不，关于无人车驾驶“马上就要上路”的观点，驭势科技联合创始人兼CEO、前英特尔中国研究院院长吴甘沙老师就深入浅出地来“灭火”了。

无人驾驶车辆上路，并没有想象中那么快

“统计意义上任何一种新算法都需要百亿英里的验证才能证明安全。”吴老师认为，现阶段迅速实现无人驾驶在城市的普及是不可能的。

如何实现百分之百的安全？

不少同学心中都会有这个疑问。

吴老师在分享时讲到，智能驾驶技术中主要有三个评判维度：

1.可靠性（reliability），即在设想的工作指标内完成程度、容错度的高低；

2.鲁棒性（robustness），即在实际应用中，从封闭到开放环境，遇到意外和未知的情况如何保全；

3.安全+舒适+社会性，即在安全和舒适的情况下，是否可以学习人类社会规则，进行博弈+学习。

又有同学有疑惑，为什么人学习驾驶两个月后就能拿到驾驶本，上路开半年就可以熟练掌握驾驶技术，而AI却不行呢？

针对这一问题，吴老师进行了详细讲解。相对于人来说，AI的确存在很多隐形短板。

首先，人在学习开车时已经有了一定的社会生活阅历和背景知识，具有良好的生活常识和路面经验，例如对于交通规则的掌握、处事不惊的经验等。而AI则完全依赖于数据，可能会出现数据标注太少或出错，数据集偏差和过拟合，无法处理没见过数据或对抗数据等一连串问题。对于那些非典型的“马路杀手”，美国的松鼠，澳洲的袋鼠，北欧的驯鹿，印度的牛，无人车不能除了人车之外目空一切！

无人驾驶在澳洲遇难题 都因袋鼠走路太怪异

其次，人类具有不断提升的学习能力。除了模仿学习和强进化学习，也就是我们常说的“孰能生巧”之外，人类还具有预测学习的车感，即“下意识开车”，低功耗、预见性地处理多数驾驶任务。另外，人还可以可以进行因果推理，“知其然并知其所以然”，推理出意外状况的原因和解决方案。

最后，人拥有基于迁移学习的举一反三能力，也就是“触类旁通”。在一个城市里学会了开车，在其他任何地方就都会了。学会了左舵车，无需太多学习也能开右舵车。而AI还有差距，在旧金山开得好、到纽约就不行，从模拟器中训练好的算法在实际应用中表现很差。

未来的无人车需要一一解决这些问题。

因此，任何一种新算法都需要多次的验证才能确保安全。

即使确定安全了，人们就愿意乘坐吗？

吴老师用两个有趣的心理学实验结果来解释这个问题。

实验一：如果一个人犯了错误，受到惩罚后，人们更愿意相信他下一次不失误。然而，当机器犯错误了，人们就会对他失去信任。

解决办法：在确定无人驾驶车辆的安全后，让人多次使用。用的次数越多就越信任，信任增加也就可以接受并愿意乘坐了。

实验二：在机器中，给予人一点点权力对它控制，最好是设置一些机制让人可以最终控制，人们会更愿意接受自动化。

例如，很多机器人和智能家电中都会有一个红色的电源开关，在人不想继续使用的时候，可以按下开关终止机器行为。

解决办法：在无人驾驶车辆中设置“尖叫会让车停下”等控制，以增加使用者的安全感。

目前，已经有新一代驾驶智能在高仿真模拟测试环境中日行亿里进行测试，但实现在城市区域开放道路的无人驾驶，我们的技术还没有想象中那么成熟。

AI应用范围的成熟度还不及5%

“AI盛世，其实我们离得还很远。”中山大学教授兼商汤研究院执行院长林倞的这句话引来众多同学们的疑惑。

自1965年至今，从逻辑表达方面的启发式探索到视觉、语言、认知、学习、机器人的分治时期，再到如今的深度学习和博弈游戏，人工智能的发展经历了三次浪潮与技术突破。

林老师何出此言？

他表示，目前深度学习具有很多局限性。

首先，神经网络设计繁琐，性能依赖于调参、普适性较差；其次，模型训练需要大量手工标注样本，对于脏样本容忍度低；另外，深度神经网络的弱解释性，缺乏知识建模和推理……他认为，我们需要新一代的深度学习技术来解决以上诸多局限。

而AI也拥有着更大的能量等待着被发现。

AI技术还有突破的空间

例如，利用迁移学习、领域自适应学习来处理和利用多模态、混乱、无标注的大量数据；

从手工设计的特征到自动学习特征，从手工设计网络结构再到网络结构演化与生成。通过将网络结构转化为特征向量，实现快速进行网络好坏的评价；

实现数据领域联合驱动，利用语言计算机驱动的视觉问答推理，即可解释的问答系统。

未来，算法的持续突破将带来万亿市场机会

林倞称，目前AI应用范围的成熟度还不及5%，未来AI+物联网/工业4.0/个人助理/机器人/金融投顾及交易/广告/医疗健康及基因科学/新零售等各行业市场都亟待开发。

林倞表示，在当前大量的应用和产品中，AI还是在感知层面发挥作用，向工具一样完成特定的任务。而未来的AI应该具备更强的主动性和自适应性，能够在一定程度上理解人类意图，与外界交流并做出反馈，逐渐具备认知能力。

几个星期前谷歌介绍了一个具有人机对话式沟通的“谷歌助理”，很好地演示了未来的AI形态。不过，林倞也指出，这类智能助理还仅仅停留在演示层面，其中涉及的各类技术根本没有实际可用的程度。产业界以及应用行业应该更加关注基础技术的进步，AI盛世还远未到来。

在林倞心中，未来的AI应当是一位可以陪伴人类的智能助理。能独立的AI才是AI，如果AI仅仅是工具的话，那么AI就不是AI。而实现这一步，前方还有很长的路要走。

如需转载，请后台留言，遵守转载规范