假設(shè)在高速行駛中，車剎不住了，你的前方一邊是一堆紙箱子，另一邊是一根電線桿，情急之下，你會把方向盤轉(zhuǎn)向哪里?看起來這是一個很白癡的問題，但在自動駕駛技術(shù)拔苗助長的今天，卻非常具有討論價值。

人云亦云的，不只是吃瓜群眾，在工商業(yè)其實也沒什么兩樣。由阿爾法狗引發(fā)的本輪人工智能大潮，迅速席卷全球。在汽車行業(yè)，無論是整車企業(yè)還是互聯(lián)網(wǎng)技術(shù)公司，無人不談人工智能和自動駕駛，企業(yè)在宣傳頁都必須加上“AI”或是“智”字。各種行業(yè)大會，各路大佬更是對人工智能的發(fā)展侃侃而談，他們都想把自己裝扮成智能方向的領(lǐng)航者。但事實卻比我們看到的糗多了。 

[[242551]]

前不久《汽車人》發(fā)文《錢都白扔!自動駕駛技術(shù)走錯了方向?》介紹了理論物理，凝聚態(tài)物理方向大牛，斯坦福大學(xué)的張首晟教授，他認(rèn)為目前的人工智能技術(shù)還處于非常初級的階段，看，“初級”的前面還有一個“非常”。他表示現(xiàn)在的人工智能還處于“仿生階段”，這意味著人們并沒有弄明白根本的原理是什么。

他說的根本原理就是事物的本質(zhì)，也就是物理學(xué)的第一性原理，最終的表達(dá)通常是一個數(shù)學(xué)公式，如F=ma。筆者認(rèn)為，數(shù)學(xué)是能與造物者溝通的惟一語言。

物理學(xué)是科學(xué)之母，基礎(chǔ)物理又是物理之母，基礎(chǔ)物理的表達(dá)往往就是一個數(shù)學(xué)公式。可張教授畢竟不是人工智能領(lǐng)域的開拓者，所以，本文我們不妨來看看人工智能界的大牛，美國加州大學(xué)洛杉磯分校計算機視覺、認(rèn)知、學(xué)習(xí)與自主機器人中心主任朱松純教授的觀點。朱教授曾三次問鼎馬爾獎(計算機視覺領(lǐng)域最高榮譽之一)，兩次擔(dān)任美國視覺、認(rèn)知科學(xué)、AI領(lǐng)域跨學(xué)科合作項目MURI負(fù)責(zé)人。簡言之，這行兒資深的，沒誰不曉得朱松純的大名。

還是開篇的例子，以現(xiàn)在的自動駕駛技術(shù)，如果高速行駛當(dāng)中的自動駕駛汽車，前方一邊是一堆紙箱子，另一邊是一根水泥電線桿子，剎不住車了，必須撞上去，人工智能會怎么選?如果人來開車，腦子都不用動，就會沖向紙箱一邊。而如果交給現(xiàn)在的人工智能技術(shù)，大概率會是悲劇。

為什么?朱松純教授說，在整個人工智能領(lǐng)域，深度學(xué)習(xí)只是分支中的分支，雖然現(xiàn)在在商業(yè)上非?；?。深度學(xué)習(xí)的特點是只知其然不知其所以然，用鸚鵡學(xué)舌來比喻恰如其分，鸚鵡會學(xué)人說話，但它卻不知道自己說的是什么意思。

首先應(yīng)該清楚，如果把深度學(xué)習(xí)當(dāng)作是人工智能，就相當(dāng)于把海淀區(qū)看成了全中國。目前大部分以深度學(xué)習(xí)為核心研究方向的人工智能企業(yè)，也包括我國的幾大互聯(lián)網(wǎng)巨頭，其核心產(chǎn)品依賴的都是深度學(xué)習(xí)。其實深度學(xué)習(xí)本身沒有什么了不起的，它的本質(zhì)就是統(tǒng)計數(shù)學(xué)中的多項式回歸。這一點，早就有統(tǒng)計學(xué)和數(shù)學(xué)方面的專家公開表態(tài)了。這是一個笨方法，但借助著英偉達(dá)的GPU產(chǎn)品也確實可以一用。可問題在于深度學(xué)習(xí)，第一，不能理解事物之間的因果關(guān)系;第二，不能舉一反三;第三，沒有最基礎(chǔ)的物理常識。由于沒有物理常識，所以它并不曉得撞在箱子上會比撞在電線桿子上安全得多，它只會通過雷達(dá)傳回的信號認(rèn)為這是兩個障礙物而已，無法分析其物理密度。

我們也曾說過，深度學(xué)習(xí)最需要的是在危險環(huán)境中的學(xué)習(xí)數(shù)據(jù)，這些數(shù)據(jù)從哪里找?由于不能夠理解其因果關(guān)系，所以在路況中，它并不能夠以人類司機的常識判斷，如別人是否想超車、想并線或者躲大車這些情況。由于不能舉一反三，一次事故所帶來的學(xué)習(xí)信息并不能夠保證在下一次的不同路況上，機器能夠做出正確的判斷。 

朱松純教授認(rèn)為，一個很關(guān)鍵的地方，就是同樣是在概率統(tǒng)計的框架下，當(dāng)前大部分的深度學(xué)習(xí)方法屬于一個被稱作“大數(shù)據(jù)、小任務(wù)范式”，就是用大量的數(shù)據(jù)去訓(xùn)練特定的模式，如阿爾法狗下圍棋。但朱教授提倡的是一個相反的思路，他認(rèn)為人工智能的發(fā)展需要進(jìn)入一個“小數(shù)據(jù)、大任務(wù)范式”，是用大量的任務(wù)，而不是大量的數(shù)據(jù)來塑造智能系統(tǒng)和模型。

朱教授做了一個比喻，一個18世紀(jì)的廚房和現(xiàn)代的廚房，作為人類來說，一眼就知道它們的功能是一樣的。但是作為深度學(xué)習(xí)的人工智能來說，兩者的信息極難被匹配。類似的，我們知道，在容器中或水龍頭那里可以得到水，但機器會認(rèn)為這里沒有水。

人工智能并不神秘，當(dāng)然它會在一個很具體的問題上，也就是前文所說的“小任務(wù)范式”，如下圍棋，處理文字，篩選圖片，語言翻譯方面超過人類。但是汽車駕駛明顯是屬于大任務(wù)范式，使用同樣的方法，難道不是走錯了方向?也就難怪如今自動駕駛下的交通事故總是不絕于耳了。無法做到舉一反三，那自動駕駛真的能給人們出行帶來安全嗎?

引用網(wǎng)上一位投資者的話：以目前的技術(shù)發(fā)展現(xiàn)狀來說，人工智能離規(guī)?；虡I(yè)應(yīng)用，還是太遙遠(yuǎn)。所謂的高速發(fā)展馬上要被證偽了。千萬別說這幾年會有大的技術(shù)突破，現(xiàn)在的技術(shù)研究都是在上個世紀(jì)前半葉的理論基礎(chǔ)上進(jìn)行的。理論基礎(chǔ)都沒升級，想著在軟硬件層面修修補補就能有顛覆，騙人類自己還是騙人工智能呢?

這和張首晟教授的觀點非常相似。沒有基礎(chǔ)理論的突破，沒有真正能解開智能之謎的那個數(shù)學(xué)方程式，所謂的人工智能只能在小任務(wù)范式上得到發(fā)展和應(yīng)用，而在汽車駕駛這種大任務(wù)范式上，還很難說靠譜。