死磕深度学习是不够的,无人车还得懂“常识”

  • 陈嘉敏
  • 发表于: 2017/10/11 08:36:00 来源:车云网

研究无人车的朋友,不要忽略了大脑和认知科学呀~

美国的波士顿以司机不友善和道路混乱而闻名于世,不过倒恰好是用来测试一种全新自动驾驶汽车的绝佳场地。

由麻省理工校友创建的一家创业公司“iSee”,计划采用一种人工智能的新方法来开发测试无人驾驶系统。不同于以往依靠简单规则或机器学习算法来“教汽车开车”的方式,这家初创公司受到认知科学启发,想赋予机器一些“常识”,让它们能快速对新发生的情况做出反应。该公司正在开发算法,以模拟人类理解和认识物质世界的方法和与他人互动的模式,从而使自动驾驶汽车能更好地武装起来,应对不熟悉的情况和道路上复杂的交互行为。

“人类是对物质和社会细节极其敏感的生物。”iSee联合创始人Yibiao Zhao说,“现有的人工智能技术在这些领域的发展是相对局限的,而这,恰恰是我们认为在自动驾驶系统中缺失的那一部分。”

死磕深度学习是不够的,无人车还得懂“常识”

他的公司目前看起来还不像是能打遍天下的样子。iSee目前仅有一小群工程师,他们都在麻省理工创建的投资公司“引擎”的一个小实验室里工作。“引擎“以资助当地的创新技术公司为主要业务,就坐落在麻省理工的校园旁边的一幢小楼上,俯瞰一条小路,那条路上司机争抢停车点或猛地冲到车流中的状况屡见不鲜。

公司里,桌子上到处摆满了传感器等硬件零件,而团队成员们就是通过组装这些零件来控制他们的第一台雷克萨斯混动SUV样车的(这辆车原来是某位公司联合创始人的座驾)。还有几位工程师,正坐在巨大的电脑屏幕前专心地盯着屏幕上的一行行代码。

与Waymo(从谷歌母公司Alphabet分离出去的无人驾驶汽车公司,它还接管了谷歌的无人车项目)、优步或者福特这样的大公司在无人驾驶汽车开发上的投入相比,iSee的规模小得可怜,可是,它所开发的技术将会在人工智能覆盖的诸多领域产生巨大的影响。通过让机器人采用更少的数据进行学习并掌握一些基本常识,他们可以把工业机器人变得更聪明,从而更有效地应对新状况。深度学习技术的主要内容就是通过海量数据训练出神经网络,得益于此,人工智能技术近来已经有了惊人的发展。

大型或深度神经网络在经过对大量数据的分析“学习”后,能够辨认图像之间非常微妙的差别。比如,向一个复杂的神经网络输入大量小狗的图片,它就能够在几乎所有从未见过的图片中辨别出狗的踪影。但是,深度学习也有其局限,因此需要我们想出新的方法,以进一步推进这一技术的发展。还是就刚刚的例子来说,一个学习过辨认小狗照片的系统不会明白,一条狗通常有四条腿、毛茸茸的外皮和湿漉漉的鼻子。而且,如果没有经过更深入的训练和学习,它也不能辨认出关于狗的绘画或者别的任何动物。

开车绝不仅仅是识别周围的图像这么简单。人们开车时通常还要依靠对世界的基本认知。比方说,我们知道公交车通常停下的时间很长,而且很可能突然有好几个行人从车后面走出来。想要给自动驾驶汽车预设好所有可能遇到的情况是不可能的。但是人类可以通过常识来理解事物、建立起数十年的经验,从而在面对所有新情况时泰然处之。

“深度学习技术非常棒,你可以让系统从以往的经验中学到非常多的东西,但你无法用一个数据库来描绘整个真实世界。“Zhao说,”现有的人工智能系统通常是由数据驱动的,因而它们往往不能理解一些显而易见的生活现象,这正是技术中缺失的关键一环。“他打开笔记本电脑,在youtube上找了有关复杂的交通汇流和危险交通事故的几个视频,向记者展示了真实道路状况下的例子以印证自己的说法。

“缺乏常识”这一情况已经给自动驾驶系统带来了一些问题。去年美国佛罗里达州一辆半自动驾驶模式下行驶的特斯拉发生的事故,就是由于车子的传感器在发现一辆卡车横穿高速公路时不知道如何反应而导致的。如果开车的是人类司机,就能很容易搞清状况,快速安全地做出反应。

Zhao和同是联合创始人的另一位同事,Debbie Yu,还展示了另一起特斯拉在中国发生事故的视频片断,这一次,汽车径直冲向了一辆自动扫地清洁车。Zhao对此解释说:“特斯拉的驾驶系统是在以色列和欧洲的道路上‘训练学习’的,而那儿没有这种汽车。所以系统所有的反应都只能基于临场探测到的信息,而无法弄清到底发生了什么。“

iSee正是为了理解人类认识世界的方式并仿照此设计系统而创立的。公司的所有创始人都来自麻省理工学院“大脑和认知科学”学科教授Josh Tenenbaum的实验室,Josh本人现在则兼任公司的顾问。

Tenenbaum对人类智能领域有着深入研究,在应用相关知识创建新的人工智能系统方面也颇有造诣。具体来说,他的工作包括研究人类(甚至是孩童)对物质世界展现出的直觉自然反应等。孩子们对世界的理解能力让他们能揣测不熟悉的事物的变化。还有,这种理解会与对他人心理的认知紧密联系,帮助人们推测他人的目的和行为,比如通过观察别人的反应猜测他是不是要去拿杯子。

将所学知识在不同情况下贯通应用也是人类智能的一大特点,这方面再聪明的机器学习系统也很难与之匹敌。Tenenbaum的实验室成员们正致力于将传统机器学习与新兴“概率编程”(用来描述事件概率模型和分析相关问题的编程方法)的方法相结合,让机器学会合理推断现实世界的情况以及其他不确定因素的变化趋势。

Tenenbaum说,即使是对年幼孩童与现有最聪明的人工智能系统的对比研究,也能促进许多更先进系统的研发工作。2015年,在与纽约大学和卡耐基梅隆大学研究人员的合作下,他就基于这一理念开发了一款能只需学习少量的例子就能识别手写文字的软件。

相关的方法也许最终真的能让自动驾驶汽车有近似于常识的知识库,来面对陌生的状况。这样,汽车就能判断出,旁边一辆缓缓驶出来的汽车也许是想要加入到车流中来。

Tenenbaum认为,实际状况下,推测旁人行为的能力对自动驾驶汽车来说尤为重要。iSee的另一位创始人Chris Baker,在麻省理工读书时就曾开发过人类心理学的数据计算模型。“如果能够对人类相互理解的心理过程创建出相对应的工程模型,并应用到自动驾驶领域,就能拼上人工智能技术这块拼图上缺失的那一片。“Tenenbaum说。

这位教授原先对将认知心理学应用到自动驾驶上没有什么兴趣,是iSee的创始人们说服了他,告诉他这一突破带来的影响将会是巨大的,而他们也愿意面对完成突破前的工程挑战,

“这个理念与以往的完全不同,我为他们打call。“艾伦人工智能学院的首席执行官Oren Etzioni如是说。该学院是微软联合创始人Paul Allen创建的,旨在探索人工智能领域的新方法和新思路,当然也包括由认知心理学引发的这些观点。

Etzioni还说,人工智能领域需要探索深度学习以外的其他方法。iSee所面临的主要问题是,需要向世人展示,这一技术能在关键时刻派上用场。“概率编程是相当新的概念,所以人们往往会质疑其实际的表现和系统稳定性。”

iSee的成员们似乎也认同这样的观点。Tenenbaum认为,iSee不仅可能动摇整个汽车行业、重塑交通理念,还有可能探索新人工智能方法在极端现实条件下的工作状况。

“从某种程度上讲,自动驾驶汽车将成为现实社会中第一款与人类交互的自动机器人,真正的挑战是,如何利用这些现实模型,并让系统更可靠地工作?“他以此给采访画上了一个句号。

相关标签:
智能汽车
深度学习
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论