一家名为iSee的创业公司认为,新的AI技术能够使自动驾驶汽车更好地应对意外情况。
波士顿的暴躁司机与混乱路况是全世界出了名的,但是这也许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,这个系统采取了一种新的AI方法。这家创业公司并没有依靠简单的规则或者机器学习算法来培训汽车,而是从认知科学中获取灵感,使机器具有一种常识,可以快速地应对新情况。
它正在开发一种算法,尝试与人类理解与学习物理世界的方式相匹配,包括与他人互动。这种方法也许会使自动驾驶汽车更好地应对陌生的场景及复杂的路况。
iSee的联合创始人YibiaoZhao表示:“人类的思维对物理学和社会线索非常敏感,目前的IA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。”
目前,Zhao(赵)的公司还只是初具规模,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。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。
iSee与Uber、Waymo或者福特等公司的无人驾驶汽车相比,也许会显得微不足道,但是它正在开发的技术也许会对目前应用AI的很多领域产生非常大的影响。
通过使机器从更少的数据中学习,并且建立某种形式的常识,它们的技术能够使工业机器人变得更加智能,特别是在陌生的场景中。在AI领域,AI取得了显著的进步,这要归功于深度学习技术。该技术使用了足够驾驭庞大数据的神经网络。
在输入了大量的数据时,灵敏的神经网络能够识别细微的模式。举个例子,给一个神经网络提供大量的狗的图片,它就能够知道怎样在所有的图像中发现狗。
但是深度学习的能力有限,我们还需要一些更加激进的新想法来实现下一个飞跃。比如,犬类识别深度学习系统不明白狗狗一般有四条腿、湿鼻子及皮毛。并且,假如不进行进一步的训练,它就不能够识别出其他类型的动物,或是画一只狗。
驾驶不只是模式识别。人类司机经常依赖对世界的常识。比如,他们知道公交车需要多长时间能够停下来,并且会突然出现大量行人。要想编排出自动驾驶汽车可能会遇到的每一种情况是不现实的。但是人们可以运用他们对于世界的常识理解,通过将一生的经验积累起来,在各种新的情况下采取明智的措施。
赵认为:“深度学习很好,你能够从以前的经验中学到很多东西,但是你不可以有一个包含整个世界的数据集,目前的AI,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,展示了几个真实的路况,其中包括复杂的交通合并情况以及一些看起来比较乱的事故。
缺少常识肯定会给自动驾驶系统带来一些问题。比如,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,在一辆卡车穿过高速公路的时候,汽车的传感器一时间失去了判断能力。一个人类驾驶员或许会安全并迅速地弄明白到底发生了什么。
赵和黛比·余在视频中展示了在中国发生的特斯拉事故,辆车直接撞向了一辆街道清洁车。赵表示:“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,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建立的目的是理解人类究竟是怎样理解这个世界的,并且设计出可以模仿人类的机器。赵与iSee的其他创始人来自于Josh Tenenbaum的实验室,他原来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擅长之处在于探索AI的工作方式,并且利用了这个见解来设计新兴的AI系统。比如,这包括对物理学的直觉性的研究,甚至于小孩的表现。孩子们可以理解现实世界的行为方式,他们可以预测不熟悉的情况的发展。Tenenbaum表示,对物理世界的理解和对心理学的直觉理解紧密相关,包括对他人行为的预测,例如通过观察一个人的行为来预测他拿杯子时的动作。
在不同的情况下进行学习的能力是人类智慧的标志,尽管是最聪明的机器学习系统,与之相比依然是十分有限的。Tenenbaum的实验室把传统的机器学习和新颖的“概率编程”方法相结合,这就使机器能够学习腿短世界的物理原理和其他不确定因素的意图。
Tenenbaum表示,在这个方面,尽管是一个婴儿也需要比现在的最先进的AI系统更加聪明。因此逆向工程最终可以使现有的AI系统更加完善。在2015年,Tenenbaum与纽约大学及卡内基梅隆大学的研究人员共同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,可以从几个事例中学习识别笔迹。
一种相关的方法也许最终会使自动驾驶汽车在不熟悉的场景下形成一种接近人类的常识。这样的一辆汽车也许能够断定,以为驾驶汽车正在挤进道路的司机也许想要汇入到车流中。
实际上,在谈到自动驾驶时,Tenenbaum表示,推测其他司机试图达到的目标的能力也许非常重要。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认为,以工程学的模型来研究人类怎样理解其他人类,并且可以将这些人投入到自动驾驶中,这真的能够填补拼图的空缺。
Tenenbaum表示,最初他没有兴趣把认知心理学的想法应用到自动驾驶中,但是iSee的创始人说服他,这种影响将会是十分巨大的,并且他们将要面对工程方面的挑战。
Oren Etzioni是艾伦人工智能研究所的首席执行官,他说“这是一种非常不同的方法,我完全赞同它。”
Etzioni表示,AI领域需要探索超越深度学习的想法。iSee将要解决的主要问题是证明所采用的技术可以在关键的情况下正常发挥作用。他说:“概率编程是一个全新的领域,因此人们对它的性能和稳健性有疑问。”
似乎在在iSee做研究的人都认同这个观点。Tenenbaum表示,不仅要改变汽车行业,甚至要在这个过程中重塑交通,iSee还有机会测试一个新的AI在冷酷的现实下怎样进行工作。
Tenenbaum认为,在某种意义上,自动驾驶汽车将会成为第一个在现实世界中与人类进行互动的机器人,怎样使这些模型发挥作用才是真正的挑战。
本文转自ATYUN人工智能媒体平台,原文链接:不只需要技术好,无人驾驶汽车还需要具备人类常识
更多推荐
DeepMind提出了一种编程方法,可从噪声数据中学习解释规则
厉害了我的哥,国外技术大咖仿造了谷歌的Arts & Culture,找到古代的“你”
![欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com](http://imgcdn.atyun.com/oa.jpg)