自动驾驶的不断发展，也加大了我们对未来的担忧和伦理探讨.doc

《自动驾驶的不断发展，也加大了我们对未来的担忧和伦理探讨.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、自动驾驶的不断发展，也加大了我们对未来的担忧和伦理探讨　　自动驾驶的不断发展，也加大了我们对未来的担忧和伦理探讨。毕竟在高速行驶的汽车上，一旦面对最糟糕的结果选择，人类并不信任机器能做出合适的判断。　　7月初，李彦宏在百度AI开发者大会上实现了“吹过的牛B”，L4级自动驾驶商用车阿波龙的商业化量产，成为自动驾驶领域最新的重磅新闻。　　同时发布的还有AI芯片“昆仑”，李彦宏也对“昆仑”不惜溢美之词，声称其能在100W的功耗上实现260Tops性能。可以预见，无论被视为一套系统的自动驾驶技术，还是其中作为“驾驶员”这个关键决策

2、角色的AI技术，将以超出公众想象的速度快速迭代进化。　　但也引起更多对未来的担忧和伦理探讨。毕竟在高速行驶的汽车上，一旦面对最糟糕的结果选择，人类并不信任机器能做出合适的判断。　　　　推理至上与快速迭代　　众所周知，L4级被视为自动驾驶的一个关键节点，AI全面接管驾驶工作，人类对驾驶行为的干预不再是必须而实时的。　　昆仑芯片在自动驾驶场景中，最重要的工作就是根据传感器数据，满足训练和推断的需求，根据路况不断预测未来0.1-10秒的路面局势变化，这是高等级自动驾驶独特的能力。　　换言之，只有经过训练的强AI才能独立处理未知局

3、势。　　例如谷歌的AlphaGo，在CPU之外采用了用于评估局面的4TPU。实际上是卷积神经网络的应用。它的分支有两个：价值和策略。不必每一步都穷举到最后，它就能推断每一步的价值和对最终获胜的影响。　　按照谷歌首席工程师的说法，在任何一步，AlphaGo都会准确预测如何能赢。　　这不是在跳大神，而是自我监督下的AI展现出强大的推理和预测能力。如果采用云端算法，很可能实现强AI。　　现在的AlphaGo，已经没有任何一个活着的人类可以匹敌了。它拥有40层神经网络和“足够视野的前瞻性”，能够看到未来的危险和价值，并采取最优策略

4、。　　　　尽管因为应用场景只局限于园区等固定区域，阿波龙的L4级自动驾驶仍有争议，但在开放道路上的L4级自动驾驶，强化AI是其中最可能的途径。它可以避免优步在今年早些时候、在凤凰城路测发生的悲剧。　　此前，在量产车上搭载的行车电脑ECU可以做之前人类才能做的事。在它的指挥下，自动变速箱轻松换挡。在高速行驶中遇到变道行驶或侧风、路面倾斜等外部干扰时，驾驶人可以自如操纵方向。低速转弯时前后轮转动方向相反，可以轻松通过以前需要多次转弯才能通过的小弯。　　如何满足不知满足的人类呢？AI需要超越现有人类认知水平和能力，如同围棋比赛中

5、那样，被惊倒的人们自然将王冠奉上，并日益依赖更聪明的AI。　　　　通用AI的再进化　　如果计算机有情感，它会发现人类的推理能力实在是弱爆了。逻辑的层级和旁路拓展多到一定地步，人类就无法记住众多的信息和它们彼此的关联，更别提放在一起分析了。　　但人类也有AI无法企及的地方，人类的直觉值得肃然起敬，并善于将复杂问题简化，然后用直观判断的方式直趋答案。隐藏的信息是否足以支持做出精准的判断？虽然不总是正确，但这样耗费的时间和精力都是可接受的。我们放弃了一些表象，捕捉隐含信息（学术上称为“次表征”），从而追求更快地解决问题。　　人们

6、期待计算机的“思考”方式能够模拟大脑结构。但是，无论谷歌的TPU，还是百度的昆仑，都只能针对限定输入给出结论。　　如果围棋的棋盘变成20×19，人类棋手稳赢，而AlphaGo则可能不知所措。如果道路标线模糊不清，AI可能选择让汽车停下来，而人类驾驶员则可以大致“循迹”行驶，基本不受影响。　　那么如何让计算机看起来不那么蠢呢？　　这样的AI必然立足于“机器学习”。本地算法无法涵盖所有路况，设计者必须赋予无人驾驶系统一定的自主权，避免在特殊路况下该系统不知所措。和人类一样，计算机仍然要先搜集大量数据样本，也就是各种

7、路况下的驾驶行为，就像人类也需要反复练习驾驶技能，锻炼预见性和形成固定的肌肉记忆。　　机器学习，实际上是将人类学习过程“外化”。选择合适的模型，让模型学习样本，从而找出数据的内在规律，从而形成对未知路况的“经验”。　　面对复杂外界条件，AI仍然需要基本的预设应对策略。在人类无法厘清复杂的因果关系时，不需要也无法为AI设立先决条件和成熟策略。事实证明，机器学习，更善于从海量数据中抽象出若干有价值的因素，同时确定因素之间的相关性。从而确立应对策略。　　　　比如，在城市快速路上行驶的驾驶员，主观上对突然出现的行人缺乏预期，因为法

8、律上禁止行人穿行。AI也同样很难从样本中学到，如何在封闭道路上应对突然出现的障碍。　　这也就是“逾规则”状态下的应对能力。理论上，自动驾驶系统的传感器（比如激光雷达）可以比人类驾驶员更早地发现违规行人，即环境感知。　　假设行人采取不明智的做法，如加速奔跑、快速从车前穿行等。人类驾驶员如果发现刹车距离不够