无人驾驶汽车至少需具备人类常识

波士顿的暴躁司机和混乱路况是全世界出了名的，但这可能是不同类型的自动驾驶汽车测试的绝佳场所。

麻省理工学院的一项衍生产品iSee正在开发和测试自动驾驶系统，该系统采用了一种新颖的人工智能方法。这家创业公司没有依赖简单的规则或机器学习算法来培训汽车，而是从认知科学中获得灵感，让机器具备一种常识，能够快速应对新情况。它正在开发一种算法，试图与人类理解和学习物理世界的方式相匹配，包括与他人互动。这种方法可能会让自动驾驶汽车更好地应对陌生的场景和复杂的路况。

无人驾驶AI

“人类的思维对物理学和社会线索非常敏感，”iSee的联合创始人YibiaoZhao说。“目前的人工智能在这些领域相对有限，我们认为这实际上是驾驶中缺失的一环。”

Zhao的公司目前还只是初具规模，是由麻省理工学院创建的一家新投资公司，为创新的本土科技公司提供资金，一个小规模的工程师团队在一个不起眼的实验室空间里工作。在距离麻省理工学院校园只有一小段路程的地方，它俯瞰着一条街道，司机们在这里争抢停车位，并积极地挤进车流中。
iSee空间内的桌子上都安装了激光雷达传感器和各式硬件，团队已经组装好了它的第一个原型产品，这是一辆原本属于该公司联合创始人之一的雷克萨斯轿车。几名工程师坐在大型电脑显示器后面，目不转睛地盯着代码。
与Waymo、Uber或福特等公司的无人驾驶汽车相比，iSee可能显得微不足道，但它正在开发的技术可能会对目前应用人工智能的许多领域产生重大影响。通过让机器从更少的数据中学习，并建立某种形式的常识，它们的技术可以让工业机器人变得更智能，尤其是在陌生的场景下。在人工智能领域，人工智能领域取得了令人瞩目的进步，这得益于深度学习技术。这项技术使用了足以驾驭庞大数据的神经网络。

当输入大量数据时，灵敏的神经网络可以识别细微的模式。举例来说，给一个神经网络提供大量的狗的图片，它就会知道如何在所有图像中发现狗。但是，深度学习的能力是有限的，我们还需要一些更为激进的新想法来实现下一个飞跃。例如，犬类识别深度学习系统不明白狗狗通常有四条腿、皮毛和湿鼻子。而且，如果不进行进一步的训练，它就不能识别其他类型的动物，或者画一只狗。
驾驶不仅仅是模式识别。人类司机总是依赖于对世界的常识。例如，他们知道公交车需要更长时间才能停下来，而且会突然产生大量行人。想要编排出自动驾驶汽车所遇到的每一种情况是不现实的。但人们能够运用他们对世界的常识理解，通过一生的经验积累起来，在各种新情况下明智地行动。

“深度学习很好，你可以从以前的经验中学到很多东西，但你不能有一个包含整个世界的数据集，”赵说。“目前的人工智能，主要是数据驱动的，很难理解常识;这是缺失的关键。”赵在视频中展示了这一点，他在YouTube上打开了自己的笔记本电脑，展示了几个真实世界的路况，包括复杂的交通合并情况和一些看起来很乱的事故。
缺乏常识，肯定给自动驾驶系统带来了一些问题。例如，去年在佛罗里达州，一辆特斯拉在半自动模式下行驶时发生了事故，当一辆卡车穿过高速公路时，汽车的传感器一时失去了判断能力。一个人类驾驶员可能会迅速而安全地弄清楚到底发生了什么。
赵和黛比·余是他的联合创始人之一，他在视频中展示了一段在中国发生的特斯拉事故，当时这辆车直接撞向了一辆街道清洁车。“这个系统是在以色列或欧洲训练的，而且他们没有这种卡车，”赵说。他说：“这只是建立在检测的基础上，它并不能真正理解发生了什么。”

iSee的建立是为了理解人类是如何理解这个世界的，并设计出能够模仿人类的机器。赵和iSee的其他创始人来自Josh?Tenenbaum的实验室，他是麻省理工学院大脑和认知科学部的教授，现在是该公司的顾问。
Tenenbaum擅长探索人类智能的工作方式，并利用这一见解来设计新型人工智能系统。例如，这包括对物理学的直觉性的研究，甚至是小孩子的表现。孩子们能够理解现实世界的行为方式，使他们能够预测不熟悉的情况会如何发展。Tenenbaum解释说，对物理世界的理解与对心理学的直觉理解密切相关，这其中就包括对他人行为的预测，比如通过观察一个人的行为来预测他拿起杯子的动作。
在不同情况下进行学习的能力也是人类智慧的一个标志，即使是最聪明的机器学习系统，相比之下仍然是非常有限的。Tenenbaum的实验室将传统的机器学习与新颖的“概率编程”方法结合起来。这使得机器可以学习推断世界的物理原理以及其他不确定因素的意图。
Tenenbaum说，在这方面，即使是一个婴儿也要比现在的最先进的人工智能系统更聪明。所以逆向工程最终能使现有的人工智能系统更加完善。2015年，Tenenbaum与纽约大学和卡内基梅隆大学的研究人员一起，利用其中的一些想法，开发了一个具有里程碑意义的计算机程序，能够从几个例子中学习识别笔迹。
一种相关的方法可能最终会让自动驾驶汽车在不熟悉的场景中形成一种接近人类的常识。这样一辆车或许可以断定，一名驾车正在挤进道路的司机可能想要汇入车流中。

事实上，当谈到自动驾驶时，Tenenbaum说，推断其他司机试图达到的目标的能力可能尤其重要。iSee的另一位联合创始人克里斯·贝克在麻省理工学院开发了人类心理学的计算模型。Tenenbaum说：“以工程学的模型来研究人类如何理解其他人类，并能够把这些人投入到自动驾驶中，这真的可以填补拼图的空缺。”