一家名為iSee的創(chuàng)業(yè)公司認為，新的人工智能技術可以讓自動駕駛汽車更好地應對意外情況。
波士頓的暴躁司機和混亂路況是全世界出了名的，但這可能是不同類型的自動駕駛汽車測試的絕佳場所。
麻省理工學院的一項衍生產(chǎn)品iSee正在開發(fā)和測試自動駕駛系統(tǒng)，該系統(tǒng)采用了一種新穎的人工智能方法。這家創(chuàng)業(yè)公司沒有依賴簡單的規(guī)則或機器學習算法來培訓汽車，而是從認知科學中獲得靈感，讓機器具備一種常識，能夠快速應對新情況。
它正在開發(fā)一種算法，試圖與人類理解和學習物理世界的方式相匹配，包括與他人互動。這種方法可能會讓自動駕駛汽車更好地應對陌生的場景和復雜的路況。
“人類的思維對物理學和社會線索非常敏感，”iSee的聯(lián)合創(chuàng)始人YibiaoZhao說。“目前的人工智能在這些領域相對有限，我們認為這實際上是駕駛中缺失的一環(huán)。”
Zhao（趙）的公司目前還只是初具規(guī)模，是由麻省理工學院創(chuàng)建的一家新投資公司，為創(chuàng)新的本土科技公司提供資金，一個小規(guī)模的工程師團隊在一個不起眼的實驗室空間里工作。在距離麻省理工學院校園只有一小段路程的地方，它俯瞰著一條街道，司機們在這里爭搶停車位，并積極地擠進車流中。
iSee空間內的桌子上都安裝了激光雷達傳感器和各式硬件，團隊已經(jīng)組裝好了它的第一個原型產(chǎn)品，這是一輛原本屬于該公司聯(lián)合創(chuàng)始人之一的雷克薩斯轎車。幾名工程師坐在大型電腦顯示器后面，目不轉睛地盯著代碼。
與Waymo、Uber或福特等公司的無人駕駛汽車相比，iSee可能顯得微不足道，但它正在開發(fā)的技術可能會對目前應用人工智能的許多領域產(chǎn)生重大影響。
通過讓機器從更少的數(shù)據(jù)中學習，并建立某種形式的常識，它們的技術可以讓工業(yè)機器人變得更智能，尤其是在陌生的場景下。在人工智能領域，人工智能領域取得了令人矚目的進步，這得益于深度學習技術。這項技術使用了足以駕馭龐大數(shù)據(jù)的神經(jīng)網(wǎng)絡。
當輸入大量數(shù)據(jù)時，靈敏的神經(jīng)網(wǎng)絡可以識別細微的模式。舉例來說，給一個神經(jīng)網(wǎng)絡提供大量的狗的圖片，它就會知道如何在所有圖像中發(fā)現(xiàn)狗。
但是，深度學習的能力是有限的，我們還需要一些更為激進的新想法來實現(xiàn)下一個飛躍。例如，犬類識別深度學習系統(tǒng)不明白狗狗通常有四條腿、皮毛和濕鼻子。而且，如果不進行進一步的訓練，它就不能識別其他類型的動物，或者畫一只狗。
駕駛不僅僅是模式識別。人類司機總是依賴于對世界的常識。例如，他們知道公交車需要更長時間才能停下來，而且會突然產(chǎn)生大量行人。想要編排出自動駕駛汽車所遇到的每一種情況是不現(xiàn)實的。但人們能夠運用他們對世界的常識理解，通過一生的經(jīng)驗積累起來，在各種新情況下明智地行動。
“深度學習很好，你可以從以前的經(jīng)驗中學到很多東西，但你不能有一個包含整個世界的數(shù)據(jù)集，”趙說。“目前的人工智能，主要是數(shù)據(jù)驅動的，很難理解常識，這是缺失的關鍵。”趙在視頻中展示了這一點，他在YouTube上打開了自己的筆記本電腦，展示了幾個真實世界的路況，包括復雜的交通合并情況和一些看起來很亂的事故。
缺乏常識，肯定給自動駕駛系統(tǒng)帶來了一些問題。例如，去年在佛羅里達州，一輛特斯拉在半自動模式下行駛時發(fā)生了事故，當一輛卡車穿過高速公路時，汽車的傳感器一時失去了判斷能力。一個人類駕駛員可能會迅速而安全地弄清楚到底發(fā)生了什么。
趙和黛比·余是他的聯(lián)合創(chuàng)始人之一，他在視頻中展示了一段在中國發(fā)生的特斯拉事故，當時這輛車直接撞向了一輛街道清潔車。“這個系統(tǒng)是在以色列或歐洲訓練的，而且他們沒有這種卡車，”趙說。他說：“這只是建立在檢測的基礎上，它并不能真正理解發(fā)生了什么。”
iSee的建立是為了理解人類是如何理解這個世界的，并設計出能夠模仿人類的機器。趙和iSee的其他創(chuàng)始人來自Josh Tenenbaum的實驗室，他是麻省理工學院大腦和認知科學部的教授，現(xiàn)在是該公司的顧問。
Tenenbaum擅長探索人類智能的工作方式，并利用這一見解來設計新型人工智能系統(tǒng)。例如，這包括對物理學的直覺性的研究，甚至是小孩子的表現(xiàn)。孩子們能夠理解現(xiàn)實世界的行為方式，使他們能夠預測不熟悉的情況會如何發(fā)展。Tenenbaum解釋說，對物理世界的理解與對心理學的直覺理解密切相關，這其中就包括對他人行為的預測，比如通過觀察一個人的行為來預測他拿起杯子的動作。
在不同情況下進行學習的能力也是人類智慧的一個標志，即使是最聰明的機器學習系統(tǒng)，相比之下仍然是非常有限的。Tenenbaum的實驗室將傳統(tǒng)的機器學習與新穎的“概率編程”方法結合起來。這使得機器可以學習推斷世界的物理原理以及其他不確定因素的意圖。
Tenenbaum說，在這方面，即使是一個嬰兒也要比現(xiàn)在的最先進的人工智能系統(tǒng)更聰明。所以逆向工程最終能使現(xiàn)有的人工智能系統(tǒng)更加完善。2015年，Tenenbaum與紐約大學和卡內基梅隆大學的研究人員一起，利用其中的一些想法，開發(fā)了一個具有里程碑意義的計算機程序，能夠從幾個例子中學習識別筆跡。
一種相關的方法可能最終會讓自動駕駛汽車在不熟悉的場景中形成一種接近人類的常識。這樣一輛車或許可以斷定，一名駕車正在擠進道路的司機可能想要匯入車流中。
事實上，當談到自動駕駛時，Tenenbaum說，推斷其他司機試圖達到的目標的能力可能尤其重要。iSee的另一位聯(lián)合創(chuàng)始人克里斯·貝克在麻省理工學院開發(fā)了人類心理學的計算模型。Tenenbaum說：“以工程學的模型來研究人類如何理解其他人類，并能夠把這些人投入到自動駕駛中，這真的可以填補拼圖的空缺。”
Tenenbaum說，他最初沒有興趣將認知心理學的想法應用到自動駕駛上，但iSee的創(chuàng)始人說服他，這種影響將是重大的，而且他們要應對工程方面的挑戰(zhàn)。
“這是一種非常不同的方法，我完全贊同它，”Oren Etzioni說。他是艾倫人工智能研究所的首席執(zhí)行官，該研究所是由微軟聯(lián)合創(chuàng)始人保羅·艾倫創(chuàng)立的研究所，旨在探索人工智能的新想法，包括受認知心理學啟發(fā)的想法。
Etzioni說，人工智能領域需要探索超越深度學習的想法。他說，iSee要解決的主要問題將是證明所采用的技術能夠在關鍵的情況下正常發(fā)揮作用。他指出：“概率編程是一個全新的領域，因此人們對它的性能和穩(wěn)健性有疑問。”
在iSee做研究的人似乎都同意這一觀點。Tenenbaum說，除了要改變汽車行業(yè)，甚至在這個過程中重塑交通，iSee還有機會測試一個新的人工智能在冷酷的現(xiàn)實下如何工作的。
他說：“在某種意義上，自動駕駛汽車將成為第一個在現(xiàn)實世界中與人互動的自動機器人。真正的挑戰(zhàn)是，如何讓這些模型發(fā)揮作用？”
