10月21日消息，據(jù)外媒報(bào)道，下次當(dāng)你開車或在街上行走的時(shí)候，停下來想一想你是怎么了解周圍環(huán)境的。你要特別注意在前院草坪上踢足球的孩子，以及那個(gè)看起來有點(diǎn)兒不穩(wěn)、神情緊張的騎單車者。你不能被街頭大步行走的女人分散注意力，雖然她正走向人行道上向她揮手的一群朋友。

你需要大量的社會(huì)和文化經(jīng)驗(yàn)來做這些事，但你幾乎不需要去思考就能本能地得出結(jié)論?？墒窍胂笠幌?，假如你是一輛無人駕駛汽車，想要做同樣的事情，但卻沒有積累的知識(shí)或共享的人性，它們可以讓你從其他人的細(xì)微行為中解讀出線索。把每個(gè)行人、騎單車者以及車輛都當(dāng)作障礙對(duì)待，可以讓你避免撞上任何東西，但這也很容易讓你被隔離。

美國加州大學(xué)伯克利分校電子工程與計(jì)算機(jī)科學(xué)系的自動(dòng)化專家安卡·德拉甘（AncaDragan）表示：“我們把它稱為冷凍機(jī)器人問題。汽車所能做的任何事都太危險(xiǎn)了，因?yàn)橹挥凶钤愀獾娜祟愋袨椴趴赡軙?huì)導(dǎo)致碰撞?！?/p>

像德拉甘這樣的研究人員正在應(yīng)對(duì)這樣的挑戰(zhàn)，即解釋和預(yù)測人類行為，以便讓無人駕駛汽車變得更安全、更高效、更自信。畢竟，如果每臺(tái)機(jī)器都要為每個(gè)無法預(yù)測行為的人停下來，我們很快就會(huì)被數(shù)百萬驚恐的機(jī)器人堵塞街道。

為了防止交通堵塞，這些研究人員正依靠人工智能（AI）以及教授駕駛系統(tǒng)的能力，通過建模和反復(fù)觀察這些行為意味著什么，以及系統(tǒng)應(yīng)該如何對(duì)它們做出反應(yīng)。事實(shí)上，無人駕駛汽車首先應(yīng)該意識(shí)到，人類并不是障礙。德拉甘說：“不同于風(fēng)滾草在風(fēng)力作用下的移動(dòng)方式，人類移動(dòng)取決于他們的決定。當(dāng)他們想做點(diǎn)兒什么時(shí)，他們會(huì)采取行動(dòng)去實(shí)現(xiàn)。我們首先考慮的是根據(jù)他們目前所采取的行動(dòng)來推斷人們想要做什么。因此，從這個(gè)角度來看，他們的行為是理性的。”

舉例來說，在高速公路的右車道上，一名司機(jī)加速了。計(jì)算機(jī)知道人們?cè)诮咏隹诘臅r(shí)候應(yīng)該減速，并且可以推斷出這個(gè)人很可能會(huì)繼續(xù)向前走，而不是在即將到來的出口退出。這是一個(gè)基本的例子：當(dāng)計(jì)算機(jī)能夠估算出人們想要做什么，以及如何實(shí)現(xiàn)目標(biāo)時(shí)，它們就可以合理地預(yù)測人們下一步要做什么，并做出相應(yīng)的反應(yīng)。

關(guān)鍵在于，即使是機(jī)器學(xué)習(xí)，也不能被場景中的個(gè)別元素限制住。日產(chǎn)公司硅谷研發(fā)中心的人類學(xué)家梅麗莎·塞弗金（MelissaCefkin）表示：“在這個(gè)領(lǐng)域取得進(jìn)展是非常重要，但機(jī)器只是看到了道路上的情況。而作為人類，我們更擅長識(shí)別出某些特定行為，這些行為在機(jī)器看起來是一回事兒，但從我們的社會(huì)視角角度來看，則是另外一回事?！?/p>

想象一下，當(dāng)你沿著城市街區(qū)開車時(shí)，看到一個(gè)人正走向路邊。機(jī)器人司機(jī)可能會(huì)計(jì)算出他的速度和軌跡，確定他可能要過馬路，然后停車以免撞到他。但你看到他拿著車鑰匙，意識(shí)到他正走向街邊，并來到他停在路邊的車門處。你肯定會(huì)放慢速度，但沒有必要停車。塞弗金表示：“人們?cè)谔囟ōh(huán)境中的移動(dòng)方式已經(jīng)在文化和社會(huì)上被編碼了。這不總是人與人之間的互動(dòng)，而是人與物體之間的互動(dòng)?！?/p>

這依然是一個(gè)很簡單的例子。塞弗金指出她所謂的“多因素問題”，即行人和其他司機(jī)對(duì)周圍的人做出的反應(yīng)。她說：“如果一個(gè)行人要在我前面穿過，但卻沒有看著我，他們很可能會(huì)造成交通堵塞問題。所以現(xiàn)在我想知道的是，基于其他交通狀況，繼續(xù)行駛進(jìn)行下去是否安全。”

現(xiàn)在看來，世界似乎正朝著某種“駕駛地獄”的方向前進(jìn)，但你無需感到擔(dān)憂。塞弗金說，教授基于AI的無人駕駛系統(tǒng)適應(yīng)人類的古怪行為是很困難的，但絕非不可能。達(dá)利烏·加夫里拉（DariuGavrila）正在德爾夫特理工大學(xué)研究智能汽車，訓(xùn)練電腦應(yīng)對(duì)各種挑戰(zhàn)，包括通過復(fù)雜的十字路口（存在各種移動(dòng)目標(biāo)、道路碎片、交通警察）以及其他不尋常的事情，比如有人在街道中間推車。加夫里拉說，他的目標(biāo)是為機(jī)器開發(fā)出一種適應(yīng)性更強(qiáng)的駕駛方式，從而增強(qiáng)社會(huì)對(duì)新硬件的接受程度。

這項(xiàng)工作意味著，需要考慮到環(huán)境中的行人交通因素，比如接近路邊、車道或公共建筑入口以及其他行為等。它還要延伸到每個(gè)人的動(dòng)作上，比如某人的頭朝一個(gè)方向看，而他們的軀干指向另一個(gè)方向，這可能意味著什么。加夫里拉說：“識(shí)別行人的意圖可能是一個(gè)拯救生命的辦法。我們?cè)谡孳囇菔局凶C明，無人系統(tǒng)可以比人類的反應(yīng)快一秒鐘，而且不會(huì)產(chǎn)生錯(cuò)誤警報(bào)?！?/p>

不過，計(jì)算機(jī)能做的事情畢竟是有限制的。加夫里拉指出：“這不是少數(shù)派報(bào)告，沒有人會(huì)告訴你即將發(fā)生什么。隨著預(yù)測水平的提高，未來行人或騎單車者的不確定性也在迅速增加，未來我們將在多少秒內(nèi)嘗試建模?；拘袨槟Ｐ鸵幻腌姾缶筒辉儆杏昧?。更復(fù)雜的行為模型可能會(huì)讓我們有兩秒鐘的預(yù)測能力。”

盡管如此，一兩秒鐘的提前警告可能就是計(jì)算機(jī)化系統(tǒng)所需要的，因?yàn)樗廊辉谌祟愴憫?yīng)的時(shí)間范圍之內(nèi)。但其他自動(dòng)化專家認(rèn)為，我們可能會(huì)讓機(jī)器在駕駛的每一微秒內(nèi)都陷入“過度思考”的狀態(tài)。英特爾公司無人駕駛系統(tǒng)首席系統(tǒng)架構(gòu)設(shè)計(jì)師杰克·韋斯特（JackWeast）說：“當(dāng)你在試圖預(yù)測未來時(shí)，這是一項(xiàng)巨大的計(jì)算任務(wù)，當(dāng)然它只是產(chǎn)生了一種可能性的猜測。所以，與其把超級(jí)計(jì)算機(jī)裝進(jìn)每輛車?yán)?，還不如仔細(xì)想想如何確保汽車永遠(yuǎn)不會(huì)撞上任何人。這是一種更經(jīng)濟(jì)可行的做事方式?！?/p>

這里還有另一個(gè)問題。理想的機(jī)器人不僅能理解周圍的環(huán)境，還能理解它自身是如何改變場景的。德拉甘說，許多機(jī)器人系統(tǒng)都存在內(nèi)在缺陷：他們的制造商認(rèn)為，無人駕駛汽車的出現(xiàn)不會(huì)改變其他“演員”的動(dòng)作。但德拉甘認(rèn)為：“不管我們喜歡與否，無人駕駛汽車的行為都會(huì)影響人類的行為。汽車需要開始考慮這種影響?！?/p>

這就是為什么德拉甘及其團(tuán)隊(duì)建立新系統(tǒng)的原因，他們的模型中包括了人類司機(jī)對(duì)汽車的反應(yīng)模式。她說：“我們的汽車不再是超防御性的，因?yàn)樗雷约阂材芤l(fā)人們的反應(yīng)。就像我們的車輛在其他車輛前面并道時(shí)，后者會(huì)減速一樣。我們還通過利用無人駕駛汽車的行動(dòng)來積極預(yù)估人類的意圖。”

這種自信訓(xùn)練可能是未來交通的關(guān)鍵。打造機(jī)器人汽車的關(guān)鍵在于，它不僅應(yīng)該擁有類似人類的意識(shí)，還應(yīng)被賦予像人類一樣的能力。

更多資訊請(qǐng)關(guān)注汽車制造頻道