【第一電動網(wǎng)】（特約作者 天驕）日前，圍棋人機(jī)大戰(zhàn)落下帷幕，Alphago以4比1戰(zhàn)勝李世石。宣布計(jì)算機(jī)終于可以圍棋這個(gè)復(fù)雜游戲中挑戰(zhàn)人類極限。從技術(shù)角度看，Alphago確實(shí)有一些不凡之處，但是并沒有劃時(shí)代的技術(shù)，而由于谷歌搞的這個(gè)活動影響力甚大，輿論開始熱炒人工智能。圍棋這種復(fù)雜度極高的游戲都被人工智能攻克了，李世石這種頂尖人類智力都被戰(zhàn)勝，那么駕駛這種普通人都會的技能是不是也會很快被計(jì)算機(jī)所掌握呢？無人駕駛是否觸手可及呢？

谷歌無人駕駛汽車

一、外行看熱鬧，內(nèi)行看門道

其實(shí)，在棋類游戲中，計(jì)算機(jī)勝過人類并非新鮮事。80年代五子棋上人類已經(jīng)無法戰(zhàn)勝計(jì)算機(jī)，1997年，深藍(lán)在國際象棋上戰(zhàn)勝了人類，圍棋只是因?yàn)槠灞P太大，太復(fù)雜才拖到2016年。

五子棋的復(fù)雜度是10的28次冪，國際象棋是10的46次冪，而圍棋因?yàn)槠灞P大，復(fù)雜度是10的172次冪。復(fù)雜度越高，對計(jì)算能力的要求就越高，所以圍棋計(jì)算機(jī)程序的水平一直無法與人類高手相比。

AlphaGo雖然有谷歌的龐大計(jì)算資源，雖然有GPU通用計(jì)算能力。但是它也算不了圍棋這種超高復(fù)雜度的游戲，不能像簡單的棋一樣把每一步算清楚。所以AlphaGo綜合了各種人工智能的成果。

首先是深度神經(jīng)網(wǎng)絡(luò)，以前人工智能都是領(lǐng)域內(nèi)專家輔助，你搞象棋的人工智能，得有象棋大師幫忙。搞語言識別，得有語言專家。

后來用統(tǒng)計(jì)做的人工智能的基礎(chǔ)，但是還需要領(lǐng)域內(nèi)的專家提供一些重要特征來改善算法。

而深度神經(jīng)網(wǎng)絡(luò)是計(jì)算機(jī)自我學(xué)習(xí)特征的，不用人工來告訴計(jì)算機(jī)，計(jì)算機(jī)通過大量訓(xùn)練自己找特征，不斷優(yōu)化。

在圍棋上，AlphaGo搞來人類的數(shù)千萬盤對局，學(xué)習(xí)人類高手的招數(shù)，來選擇每一步可能下的幾個(gè)點(diǎn)。這就不用把每一步都算清，只要算優(yōu)勢點(diǎn)就可以了，計(jì)算量就大大減輕了。

然后谷歌還有一個(gè)對每一步棋價(jià)值的估算，這個(gè)估算也是可以通過無數(shù)對局不斷提升準(zhǔn)確性的。估算過的越多，估算的就越準(zhǔn)。

通過這種優(yōu)化，計(jì)算機(jī)就不用把每一步算清，而只要把通過學(xué)習(xí)人類的優(yōu)勢點(diǎn)，和估算高價(jià)值的點(diǎn)算清就可以了，目前人類計(jì)算機(jī)的計(jì)算能力已經(jīng)可以達(dá)到。

把這些技術(shù)結(jié)合起來，然后利用谷歌龐大的計(jì)算資源，讓計(jì)算機(jī)不斷自己和自己下棋，計(jì)算機(jī)自己也是高手，這樣優(yōu)勢點(diǎn)的準(zhǔn)確性越來越高，價(jià)值評估的準(zhǔn)確性越來越高。在計(jì)算能力沒有增長的情況下，圍棋的水平也越來越高。最終戰(zhàn)勝了人類高手。

按照以前的計(jì)算，計(jì)算機(jī)把圍棋每一步都算清楚的超級計(jì)算機(jī)至少還要10年才有可能出現(xiàn)。而通過人工智能技術(shù)的綜合應(yīng)用。圍棋AI提前擊敗了人類。

AlphaGo的成功是一次人工智能技術(shù)綜合應(yīng)用的成功。

二、AlphaGo向無人駕駛的移植

目前，我們看到很多廠商都號稱自己擁有無人駕駛技術(shù)，像奔馳S、福特翼虎等一些車型已經(jīng)有了自動跟車、自動巡航、自動泊車等功能，新款的特斯拉Model S在升級了最新軟件后也有了一定的自動駕駛功能，吉利提出的自動駕駛也是這個(gè)范疇的東西。

但是從真正無人駕駛的角度看，這些技術(shù)其實(shí)是小兒科。

汽車行業(yè)很早就把無人駕駛分成了四個(gè)級別，我們熟悉的ABS、ESP算第一個(gè)級別的輔助駕駛。

特斯拉也不過是第三個(gè)階段半自動無人駕駛的初級階段，遠(yuǎn)遠(yuǎn)談不上人工智能的級別。

真正搞無人駕駛的以百度和谷歌為代表，采用目前價(jià)格還極其昂貴的激光雷達(dá)作為主要傳感器，其采集到的信息以高水平人工智能技術(shù)來識別判斷。同時(shí)輔助攝像頭識別，再加上高精度3D數(shù)字地圖和高精度GPS。

真正的無人駕駛是需要高度人工智能的，而這個(gè)高度人工智能與AlphaGo有一定相通的地方。

特斯拉這種小兒科的半自動駕駛只是識別車輛，道路標(biāo)識，然后一個(gè)基本的邏輯判斷。這個(gè)邏輯判斷根本應(yīng)付不了復(fù)雜的路況，所以功能開啟時(shí)，特斯拉要求人手不能離開方向盤。

而真正的無人駕駛是綜合各方信息來做判斷和決策，激光雷達(dá)的采集的高精度信息，高精度GPS與高精度3D數(shù)字地圖結(jié)合起來對路況的判斷，攝像頭采集到的各種交通標(biāo)識與實(shí)時(shí)路況，這些信息最終匯總來做出判斷，控制車輛。

對高精度信息的識別，就需要AlphaGo所用到的神經(jīng)網(wǎng)絡(luò)來提取特征。

攝像頭所采集到的實(shí)施路況，更需要深度學(xué)習(xí)來識別。電腦要知道攝像頭看到的是什么，應(yīng)該如何應(yīng)對，交通標(biāo)識可以人工編程告訴電腦，而路面上出現(xiàn)的各種東西，人類不能窮盡，這就需要計(jì)算機(jī)的深度學(xué)習(xí)能力。

這個(gè)深度學(xué)習(xí)恰恰也是AlphaGo的核心技術(shù)。

無人駕駛系統(tǒng)已經(jīng)得到各種信息，如何做最終決策，其實(shí)與AlphaGo如何下下一步棋是一樣的。計(jì)算機(jī)可以通過大量的實(shí)踐來不斷學(xué)習(xí)，人類的決策是什么樣子的，計(jì)算機(jī)可以選擇哪幾種？如何是最優(yōu)的？

通過大量的學(xué)習(xí)與計(jì)算機(jī)自己的實(shí)踐，自動駕駛的水平就可以越來越接近人類，甚至最后超過人類。

三、無人駕駛超過人類還有多遠(yuǎn)？

我們要看到，圍棋與無人駕駛還是有很大不同的。圍棋是一個(gè)既定規(guī)則的游戲。無人駕駛?cè)绻诜忾]賽道，無人干擾，或者只有兩輛車互相賽車，那么難度是不太大的。

但現(xiàn)實(shí)是無人駕駛汽車面對的是真實(shí)世界，真實(shí)世界的變量遠(yuǎn)遠(yuǎn)超過圍棋棋盤。

無人駕駛系統(tǒng)面對的信息遠(yuǎn)遠(yuǎn)不是黑白子，而是路況，車況，交通標(biāo)識，路面出現(xiàn)的各種車輛，行人。

僅僅是識別出來路面上出來的東西是什么，這個(gè)神經(jīng)網(wǎng)絡(luò)提取特征的難度就已經(jīng)遠(yuǎn)遠(yuǎn)超過Alphago。

而要綜合信息做出判斷，加以訓(xùn)練。圍棋可以一天100萬盤找出最優(yōu)解，而無人駕駛汽車要深度學(xué)習(xí)應(yīng)對各種路況，一天最多也就跑2000公里，它學(xué)習(xí)的樣本和自我提升的速度是遠(yuǎn)遠(yuǎn)不如圍棋的。

就目前的技術(shù)，不用說超過人類，達(dá)到使用水平估計(jì)也要5-10年，最新的新聞是谷歌的無人駕駛汽車剛剛與大客車發(fā)生了刮蹭，因?yàn)榇罂蛙嚊]有按照無人駕駛系統(tǒng)預(yù)想的那樣避讓。無人駕駛系統(tǒng)還需要更多的學(xué)習(xí)。

Alphago贏了人類，但是無人駕駛勝過人類還有很遠(yuǎn)很遠(yuǎn)。

返回第一電動網(wǎng)首頁 >