「」自动驾驶行至瓶颈，类脑技术能打开发展的突破口吗？

自动驾驶行至瓶颈，类脑技术能打开发展的突破口吗？

本文插图
雪球
来源：特约发布
2016年，由谷歌公司研发的阿尔法围棋（AlphaGo）击败了韩国九段棋手李世石，一时间，全世界对于人工智能的讨论多起来。其中之一就是人工智能是不可逆转的趋势。
AlphaGo作为人工智能领域的一个分支，其主要工作原理是通过深度学习技术学习大量已有的围棋对局，然后应用强化学习通过与自己对弈获得更多棋局，再用深度学习技术评估每一个格局的输赢率，最后通过蒙特卡洛树搜索决定最优落子。简单来说， AlphaGo背后的一群人工智能领域专家将围棋高手的比赛记录输入给它，然后它根据深度学习程序进行3000万步的自学习训练，这样就能轻松判定棋手的下一步走法。
算法的进步，人工智能技术的突破，令围棋这个人类智力游戏的最后堡垒极速开裂。但用AlphaGo之父哈萨比斯的话来说：“这只是开端” 。围棋只不过是试水之路，科学家们真正要的，是到医疗、出行等实际应用范畴去为人类造福。
众所周知，出行领域是云计算、人工智能等产品应用比较早的领域之一，尤其是在自动驾驶方面，不少汽车公司陆续推出了自己的智能驾驶系统，特斯拉Autopilot和通用Super Cruise已实现L2级自动驾驶，即可以做到在高速公路上解放双手的驾驶辅助系统，同时，监控系统也会确保驾驶员的注意力始终在道路上。
【「」自动驾驶行至瓶颈，类脑技术能打开发展的突破口吗？】
然而，目前的自动驾驶解决方案大多基于深度学习算法，需要综合使用自然语言处理、计算机视觉、机器学习、自动推理等内容，可以说自动驾驶是人工智能领域的一个较为综合的应用，但它可能并非终极方案。无论是学术界还是产业界，都在思考下一步发展路径：类脑计算已悄然成为备受关注的“种子选手”之一。
原因之一是，深度学习虽在语音识别、图像识别、自然语言理解等领域取得很大突破，并被广泛应用，但它亦有一定局限性：比如自主学习、自适应等能力弱，高度依赖于模型构建；计算资源消耗比较大， CPU、GPU消耗量巨大；缺乏逻辑分析和推理能力不足，仅具备感知识别能力。类脑智能希望通过研究人类大脑的工作机理并模拟出一个和人类一样具有思考、学习能力的机器人。需要让单个物体具有类似人脑的思考能力，但是并不是单纯的仿人脑。
这可能带来AI和其最大应用之一的自动驾驶技术的重大突破，因此众多汽车圈大佬开始布局研发，其中便包括对围棋兴趣颇深的华人运通董事长丁磊。也许Alpha Go击败人类围棋高手李世石与其着重布局人工智能有着某种关联。
2020年伊始，华人运通发布重磅官宣：该公司将与复旦大学类脑智能科学与技术研究院、大数据研究院开展合作，就人工智能在自动驾驶、智能识别分析领域的底层算法和海量实验数据分析开展联合研究。与此同时，世界类脑人工智能及大数据领域的三位顶尖科学家也宣布加盟华人运通国际科学技术委员会。这再次显示了华人运通在自动驾驶领域的前瞻性思维。
华人运通董事长丁磊为冯建峰教授颁发国际科学技术委员会人工智能专家聘书
作为引领中国汽车产业的新力量，华人运通在业内首次提出智能汽车、智捷交通、智慧城市“三智”战略，实际上就是高阶自动驾驶社会的理念。
智能汽车这个很好理解，华人运通打造的高合 HiPhi 1 作为首款真正标配 5G+V2X 的智能汽车，将无缝融入未来智慧城市的车路协同自动驾驶交通系统，在单车 L3 双冗余自动驾驶的基础上，迈向更高阶的全场景自动驾驶。
但单车能力毕竟有限，视野、传感器距离都有限制，很多时候无法感知环境变化。自动驾驶应该是一个与道路交通协作的系统性工程，不但需要单车的智能，也需要道路基础设施的智能，才能达到道路交通自动驾驶的安全性要求。