當(dāng)我女兒很小的時(shí)候，我們會(huì)去附近的操場，她會(huì)很高興地喜歡去蕩秋千和滑梯。有一天，天一直在下雨，我們還是到了操場，但是什么都玩不了。盡管如此，她還是注意到有一條小溪正在穿過操場，由草地上剩下的雨水驅(qū)動(dòng)，這些雨水沿著現(xiàn)在形成的小溪流到街上去了。

她決定沿著這條小溪選定一個(gè)特定的地點(diǎn)，并開始用地上的小樹枝搭一座小橋，這似乎是一種很有創(chuàng)意的方式，把我們原本因雨而出的參觀操場變成了一件有趣的事情。我著迷地看著她試著把樹枝鉤在一起，然后在雨水匯成的小溪上把它們做成一個(gè)拱門。她現(xiàn)在還很小，完成這樣的任務(wù)似乎是一種精神上的壯舉，因?yàn)樗仨毰宄绾伟褬渲p繞在一起，如何試著把它們拱到水面上，而且這樣做的時(shí)候，不會(huì)掉進(jìn)小溪里。

她按著自己的想法在實(shí)踐，但是原來的結(jié)構(gòu)變得頂部沉重，并塌陷到溪流中，大部分樹枝都不見了。我想她可能會(huì)心煩意亂，或者至少站起來，厭惡地走開。相反，她思考著自己努力的結(jié)果，整整一分鐘，她看了看小溪，看了看樹枝，看了看操場四周，陷入了深深的沉思之中。我不知道她在想什么，但是她突然的行動(dòng)起來，收集了一些在風(fēng)暴中倒下的零散樹枝和落葉等。然后，她開始在那條小溪上再建一座橋。

看到她有毅力繼續(xù)她的探索，這是令人興奮的。她沒有放棄。她回顧了所發(fā)生的情況，并仔細(xì)分析了情況。她重新審視了可供她使用的資源。她重新計(jì)劃了下一步該做什么。她執(zhí)行了她的計(jì)劃，對于一個(gè)小孩子來說，這些都是思考和正念的奇妙標(biāo)志。正如你所能想象的，想到這是她成年后的前奏，我欣喜若狂。的確，這就是她的結(jié)果!

錨可以把我們壓垮

我為什么要講這個(gè)故事?有時(shí)候，我們需要重新開始，它可能是一個(gè)系統(tǒng)，您正在編寫的工作，它已經(jīng)達(dá)到了一個(gè)點(diǎn)，似乎有一個(gè)死胡同。或者，也許你有一個(gè)家庭項(xiàng)目，已經(jīng)彎了形。你可以嘗試著繼續(xù)你開始的工作，但是有時(shí)候這比重新開始更糟糕。當(dāng)你建立在已經(jīng)開始的東西上時(shí)，你經(jīng)常需要竭盡全力使新的東西適合你，你就會(huì)固守在已經(jīng)做過的事情上。如果已經(jīng)完成的方面不是很好，那么你可能會(huì)陷入之前的困境和困境。

無論是僅僅因?yàn)樗拇嬖?，或有時(shí)由于傳統(tǒng)，或出于任何原因，過去會(huì)導(dǎo)致我們的未來變得緊張。與此同時(shí)，另一些人來到這里，看到了一個(gè)新的未來，于是他們跳過了舊的方式。讓我們重新審視一下重新開始的整個(gè)概念，并將其重新引入人工智能領(lǐng)域。

在人工智能領(lǐng)域的早期，人們對所謂的專家系統(tǒng)(有時(shí)也被稱為基于知識的系統(tǒng)或基于規(guī)則的系統(tǒng))大肆宣傳和狂熱，出現(xiàn)了一個(gè)完整的子行業(yè)，為知識獲取、知識編碼等提供自動(dòng)化工具。當(dāng)時(shí)的希望是，這是在建立真正的人工智能系統(tǒng)，可以顯示智能和智能行為的突破。盡管在那個(gè)時(shí)代取得了很多成就，但最終變得更加明顯的是，這并不能讓我們達(dá)到真正意義上的人工智能。

在專家系統(tǒng)的全盛時(shí)期，機(jī)器學(xué)習(xí)領(lǐng)域也有一些動(dòng)作，人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用剛剛開始從研究實(shí)驗(yàn)室出來。大部分神經(jīng)網(wǎng)絡(luò)都是作為原型建造的，它們的體積相對較小，只有幾層，神經(jīng)元的數(shù)目最多可能有幾百個(gè)。數(shù)學(xué)性質(zhì)仍在發(fā)展和探索中，構(gòu)建神經(jīng)網(wǎng)絡(luò)的工具往往使用起來笨拙和笨拙，這是人工智能領(lǐng)域中一個(gè)相當(dāng)神秘的部分。

低成本處理器的大收斂，更高的性能處理，大數(shù)據(jù)集的現(xiàn)成存取，以及其他因素促使人工神經(jīng)網(wǎng)絡(luò)重新獲得關(guān)注。事實(shí)上，它已經(jīng)成為人工智能領(lǐng)域的寵兒，看上去令人印象深刻的壯舉涉及到視覺處理，用于做外語翻譯，在圍棋之類的比賽中獲勝等。

一般來說，大多數(shù)知情人士都會(huì)同意，這些人工神經(jīng)網(wǎng)絡(luò)并不是一個(gè)突破，因?yàn)樗€沒有被證明這種方法將引導(dǎo)我們進(jìn)入真正的智能系統(tǒng)。

只是規(guī)模還是別的什么?

有人工神經(jīng)網(wǎng)絡(luò)方法的支持者說，我們只是還沒有達(dá)到規(guī)模，我們有一些看似大規(guī)模的神經(jīng)網(wǎng)絡(luò)，涉及成千上萬的人工神經(jīng)元。但是，據(jù)估計(jì)，人類大腦有1000億個(gè)神經(jīng)元，以及大約100萬億個(gè)連接。目前還沒有人工神經(jīng)網(wǎng)絡(luò)接近這一規(guī)模。許多人在問的問題是，如果我們真的能創(chuàng)造出同樣大小的人工神經(jīng)網(wǎng)絡(luò)，我們是否會(huì)突然擁有一個(gè)正常運(yùn)轉(zhuǎn)的大腦?

本質(zhì)上，如果你有兩件東西大小差不多，一件是生物的化身，另一件是某種機(jī)器或自動(dòng)化的化身，那么機(jī)器版本會(huì)和生物版本一樣有能力嗎?

我們不知道，但我們知道我們在人工神經(jīng)網(wǎng)絡(luò)中模擬神經(jīng)元的方式和在實(shí)際大腦中的生物實(shí)現(xiàn)方式是不一樣的，所以我們已經(jīng)有了兩者之間的區(qū)別。據(jù)推測，僅憑事物的“力學(xué)”，人工的方法本身就很差，因此人們可能馬上懷疑單憑神經(jīng)元數(shù)量和連接的絕對大小的有效性，以至于這種模擬方法不太可能達(dá)到同樣的頂峰。

即使我們可以得到相同的住房，那里面的東西呢?

事實(shí)上，人們相信人腦不僅僅是一桶神經(jīng)元和連接，也許有某種預(yù)接線和預(yù)設(shè)置，使這個(gè)樂高的收集到一些特殊的東西，可以最終顯示的智慧。如果是這樣的話，我們需要以某種方式讓我們的人工版本變得更像那樣?；蛘?，我們可以希望也許有不止一種方法可以剝掉一只貓的皮，這意味著也許我們可以獲得智力，但這是通過一些其他的方法來實(shí)現(xiàn)的，而不是我們今天所知道的方法。

我們是不是已經(jīng)被困在我們的生活方式中了?

對于今天的人工神經(jīng)網(wǎng)絡(luò)，我們需要向他們展示有時(shí)數(shù)以百萬計(jì)的數(shù)據(jù)實(shí)例，以使他們對某件事形成模式。想要在照片中找到貓，首先將數(shù)以百萬計(jì)的貓照片輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后你可能會(huì)得到一個(gè)好的“貓”圖像探測器。但是，這是有可能的，只要幾個(gè)像素的變化，你可以給訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，其中包含一只貓的圖像，一個(gè)人會(huì)檢測到它，但神經(jīng)網(wǎng)絡(luò)可能不會(huì)。

到目前為止，我們所知道的神經(jīng)網(wǎng)絡(luò)是脆弱的，他們還需要大量的訓(xùn)練數(shù)據(jù)樣本，他們的重點(diǎn)非常狹窄。

小孩子需要看上百萬張貓的圖片才能知道貓長什么樣嗎?別這么想。一個(gè)小孩怎么知道貓是什么樣子的，如果他們沒見過數(shù)百萬甚至數(shù)千只貓來模仿它們的樣子的話，他們怎么會(huì)知道貓是什么樣子的呢?不知何故，這個(gè)小孩完成了這樣一項(xiàng)壯舉，沒人知道是怎么回事。

很長一段時(shí)間以來，人們一直認(rèn)為，當(dāng)嬰兒出生時(shí)，人腦中并沒有包含任何東西，它幾乎缺乏我們所認(rèn)為的知識。然后，當(dāng)嬰兒遇到周圍的世界時(shí)，大腦就會(huì)吸收這些信息，并開始形成智力，以一種看似神奇的方式，嬰兒在智力上增長并成為一個(gè)孩子，而孩子在智力上逐漸增長并長大成人。

嬰兒的大腦真的是一張白紙嗎?它是否僅僅是一群空的神經(jīng)元，然后隨著智力發(fā)酵過程的進(jìn)行而形成的呢?

有些認(rèn)知科學(xué)家會(huì)說，即使是最小的嬰兒也有某種形式的神經(jīng)連接，為他們提供了一種與生俱來的能力來做一些事情，比如物體的表示，他們有一種用于計(jì)數(shù)目的近似數(shù)字感，他們有某種內(nèi)置的幾何導(dǎo)航，他們有一些東西可以讓他們使用語言，等等。我們可能無法與一個(gè)嬰兒交流，因?yàn)樗麄兊恼Z言能力和運(yùn)動(dòng)技能不容易允許，但盡管如此，在大腦內(nèi)部預(yù)接線，已經(jīng)出了門，使人類在智力方面邁出了一大步。

這就好像我們確保了每一個(gè)人工神經(jīng)網(wǎng)絡(luò)都有一個(gè)基本的結(jié)構(gòu)和內(nèi)容，這對于向前發(fā)展是必不可少的。就像一種自舉，這將是一種“與生俱來的”能力，并允許神經(jīng)網(wǎng)絡(luò)超越一些狹隘的焦點(diǎn)，只能玩游戲圍棋或檢測貓的形象。但是，到目前為止，我們還沒有任何類似的東西。

然后，我又回到了我的故事，我的女兒如何看了看倒下的樹枝，并后退一步，重新思考如何解決手頭的問題。在機(jī)器學(xué)習(xí)領(lǐng)域，也許我們應(yīng)該努力找出自舉的原因。在我們弄清楚之前，我們用神經(jīng)網(wǎng)絡(luò)所做的其他事情，可能根本上不是這樣的。我們正試圖利用我們今天所知道的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并在此基礎(chǔ)上走向智能。

也許，我們正在以一種需要重做的方式進(jìn)行建設(shè)，是否有一種方法來發(fā)展固有的核心，一旦我們確定了這一點(diǎn)，我們想要完成的其他事情將是逐步的，并像許多多米諾骨牌一樣一個(gè)接一個(gè)地向我們走來?

人工智能汽車重新啟動(dòng)

這和人工智能汽車有什么關(guān)系?

我們追求的是開發(fā)人工智能汽車的傳統(tǒng)方法，同時(shí)我們也在追求一種“離群”的概念，即我們可能真正達(dá)到真正的人工智能汽車的唯一途徑是通過一種更激進(jìn)的方法來做到這一點(diǎn)。

讓我們假設(shè)，所有的汽車制造商和技術(shù)公司都試圖創(chuàng)造人工智能來實(shí)現(xiàn)真正的5級自動(dòng)駕駛汽車，但并不能完全做到這一點(diǎn)。正如我們今天所知，我們一直在推動(dòng)現(xiàn)有的機(jī)器學(xué)習(xí)方法，我們不斷推出越來越快的處理器，但我們并沒有達(dá)到真正的水平5。真正的5級是一輛自動(dòng)駕駛汽車，能做人類能做的任何駕駛，不需要任何人為干預(yù)。

也許我們會(huì)有一輛5級的自動(dòng)駕駛汽車，它相當(dāng)不錯(cuò)，而且似乎涵蓋了人類駕駛員所能做的大部分事情，但并不是所有人類駕駛員都能做到的事。我們大家都到了不能再往前走的地步了。我們最終擁有了自動(dòng)駕駛汽車，它可以處理95%的駕駛?cè)蝿?wù)，而剩下的5%仍然是剩余的部分。當(dāng)我們意識到我們不能得到最后的5%，我們都同意人工智能汽車需要被分割成自己的車道，并被視為主題公園乘坐，或采取其他保護(hù)措施。

作為一個(gè)總體框架，人工智能汽車涉及以下幾個(gè)主要方面：

1、傳感器數(shù)據(jù)采集。

2、傳感器融合。

3、虛擬世界模型。

4、人工智能行動(dòng)計(jì)劃更新。

5、汽車控制命令。

就傳感器數(shù)據(jù)收集而言，這似乎是一種主要的物理感知任務(wù)，它可以與人類的感官能力相提并論。然而，當(dāng)我們?nèi)祟愑醚劬礀|西，用耳朵聽聲音時(shí)，就涉及到了心理過程。因此，即使是以一種簡單易懂的外圍設(shè)備的方式，大腦的處理過程也會(huì)開始發(fā)揮作用。嬰兒的大腦是否已經(jīng)預(yù)先連接好，以便更好地利用外圍設(shè)備，并將其整合到思維的其他大腦處理過程中呢?。

對于大多數(shù)人工智能汽車，感應(yīng)器除了收集原始數(shù)據(jù)，有時(shí)只做一些小的活動(dòng)，如壓縮或轉(zhuǎn)換，并沒有多大的作用。當(dāng)傳感器融合發(fā)生時(shí)，從無數(shù)傳感器收集到的數(shù)據(jù)需要相互比較，并用來創(chuàng)建某種統(tǒng)一的指示，說明在自動(dòng)駕駛汽車之外的世界正在發(fā)生什么事情。然后，這被輸入到一個(gè)虛擬世界模型中，這個(gè)模型跟蹤自動(dòng)駕駛汽車在哪里，它試圖去哪里，以及其他方面的信息。人工智能的行動(dòng)計(jì)劃然后被更新或設(shè)計(jì)，最終人工智能指示自動(dòng)駕駛汽車采取某種形式的行動(dòng)。

如果你帶一個(gè)十幾歲的孩子去教他們開車，他們是否需要千千萬萬次的駕駛旅程才能知道如何駕駛一輛車?沒有。他們往往能在心理上很容易地掌握駕駛?cè)蝿?wù)的性質(zhì)，這就變得更加努力地協(xié)調(diào)他們的身體來完成駕駛?cè)蝿?wù)，而較少涉及到駕駛?cè)蝿?wù)的精神方面的問題。-。

傳統(tǒng)的開發(fā)人工智能汽車的方法是采取一張白板，并試圖使其成為可以駕駛汽車的東西。如果沒有人類大腦所具有的與生俱來的能力，我們可能會(huì)走上錯(cuò)誤的道路。我們可能需要首先解決先天的問題，一旦這發(fā)生了，分層駕駛汽車可能是相對容易的，并使我們達(dá)到100%的目標(biāo)。

這樣，也許我們需要重新開始，首先解決固有的能力問題，然后再做自動(dòng)駕駛汽車方面的工作。不過，這可能意味著我們不會(huì)馬上看到自動(dòng)駕駛汽車，我們可能都會(huì)感到氣餒，因?yàn)樗粫?huì)為想要擁有自動(dòng)駕駛汽車這一問題提供立即的解決方案。目前，我們都被困在用樹枝搭建一座橋的過程中，如果這座橋不夠堅(jiān)固，不能真正發(fā)揮作用，我們可能需要再看看周圍，而不是先解決先天的能力問題。順便說一句，任何破解先天能力密碼的人，都有可能獲得諾貝爾獎(jiǎng)，并打開人工智能的大門，我們想象有一天我們都希望看到人工智能的出現(xiàn)。