人工智能革命探秘 ? 下篇

Google无人车近况

对于很多人而言，体验无人驾驶仍然是一项充满挑战而又有趣的事情。Google近期就接受了一些人的申请，让它们尝试了一下。与普通车辆不同，经过改装的雷克萨斯SUV多了一些雷达和摄像头。它就是依靠这些传感器的输入，结合特定的人工智能算法实现了无人驾驶。

目前，Google的无人车体现了很好的安全性，但在驾驶方式上与人类明显不同。它会在设有停车观察的路口完全停车，会突然变道来远离货车以及在没有明显原因的情况下突然停车。

由于无人车可以对周围360度范围的大小物体进行不间断检测，其停车都是为了保证绝对安全。该项目的首席软件工程师Dmitri Dolgov就曾自豪的表示，无人车看起来比人类还要安全很多。一项研究也表明，无人车可以减少多达90%左右的车祸。Google无人车项目的负责人chris Urmson表示，无人车将每年可以挽救30000个美国人的生命，在世界范围内可以挽救120万。

Google无人车中电脑“眼”中的周边环境

在无人车看来，它将轿车、卡车、自行车以及行人按不同的颜色进行了分类。激光器提供了物体的深度和距离，摄像头负责识别路况标志以及信号灯。而车载电脑则负责根据实时处理这些系统，决定无人车的行动。细想一下，也许一个小小的程序错误就可能导致车祸的发生。体验无人车的确有些恐怖！但实际上，无人车目前都是采用的最保守的方案——只有在确保安全的情况下，它才会转弯或做其他带有危险性的动作。Dolgov表示，目前无人车的驾驶水平看起来还停留在新手阶段。

无人车引起的革命

但是，无人车对人类社会带来的影响必将是巨大的。与智能手机、智能化照片整理等不同，无人车影响着人们社会的交通方式以及这个社会的架构。除了更加安全，无人车一般都采用电驱动方式，可以有效降低环境污染。

无人驾驶技术目前已经开始在很多车辆中部分采用。Mercedes在部分车辆中加入了自动泊车功能；Tesla提出了高速公路上、沿着一条道行驶的自动驾驶功能。Google、Toyota、Uber、Baidu全都加入了无人车的阵营中。Urmson更是表示，该公司的无人车将争取在若干年内上路。除了机器学习算法、传感器以及地图导航技术等的进步，真正推动无人车技术发展的原因也是经济利益。

当然，无人车的迅速发展也提出了人类该如何与高科技和谐共处的问题。人类应该让机器承担哪些任务？愿意为此承担多少风险？计算机有没有可能犯错，从而引发事故？车辆如何避免被黑客入侵？这些类似的问题都需要被考虑到。对此，各个公司在研究时也有所考虑。Google和Uber的无人车完全没有方向盘，但Tesla和Toyota仍然提供了方向盘。

Goolge无人驾驶计划的发展历程

虽然是无人车计划的负责人，Chris Urmson经常骑车去公司。现年39岁的Urmson性格有些腼腆，完全没有“大牛”的那种生人勿近的感觉。现在，Urmson的办公室就坐落在距离Googleplex总部很近的二层红砖建筑中——X建筑。据透露，该园区内包含了带有磨砂玻璃窗的会议室、自动驾驶赛车、还有画着太空升降梯图示的白板，处处体现出了神秘气息。X项目是由Astro Teller和Google联合创始人Sergey Brin共同管理的实验室。该实验室主要进行一些前沿技术的研究。其已经公开的研究包括Google无人车、Google Glass、用气球提供互联网服务的 Project Loon、用风筝发电的 Makani，以及无人机快递服务 Project Wing等。

Google无人驾驶计划的负责人Chris Urmson及无人车

作为X项目中的明星，无人车是最接近商业化的项目。目前，在加州注册的105辆无人车中，Google拥有着73辆。虽然Google并不是第一个提出无人车概念的公司，它却后来居上：兼并初创公司、聘请专家、研发地图和导航技术。现在，Google无人车项目主要瞄准了车内的控制软件。

Urmson对无人驾驶的研究源于2003年的第一届DARPA Grand Challenge。当时，Urmson仍然在Carnegie Mellon大学读书。作为该学校代表队的领队，其团队分别在第一次和第二次挑战赛中获得了第二名和第三名。但是，Urmson表示，这两次比赛已经表明，无人驾驶技术开始快速提升。

在2009年，Google开始进行无人车的研究。Urmson也就是在这一年加入该项目，跟随Sebastian Thrun进行工作。刚开始，该团队采用的是Toyota Priuses，并加装了摄像头、传感器以及价值75000美元的激光雷达。随后，它们不断通过实验来改进相关设计和技术。而随着技术的进步，他们遇到了一个根本性的问题——无人车究竟是为了实现全自动驾驶还是为了辅助人类进行驾驶呢？

在2012年秋，无人车项目走到了一个十字路口。当时，Google无人车仍然配有方向盘。在测试过程中，当无人车无法确定下一步的行驶方案时，它会发出警告，并把驾驶权交给测试人员。但测试者总是由于人类自身的原因无法投入足够的精力。此外，Urmson还考虑到了对残障人士的照顾以及Google自身的利益。全自动驾驶可以更好的为残障人士提供帮助，为Google带来经济利益。于是，Urmson开始率领团队往全自动驾驶方向进行努力。

在2013年，他们开始设计一个没有方向盘的全自动驾驶汽车的原型。为了安全起见，该车辆的最高时速只有25公里。现在，Google无人车每周要行驶1万公里，累计总行程已经超过1百万公里。Toyota无人车项目的负责人Gill Pratt表示，他们现在的主要任务就是让无人车能够应对更加复杂的状况——地图中没有的路段、小朋友突然出现在车前方等等。

当然，很多情况仍然是无人车十分难以处理的。这其中牵涉到了情感和法律的问题。例如，由于周围车辆的违法驾驶导致事故无法避免时，无人车是很难决定究竟哪种做法才合适的。其实，类似的情况对于人类而言也无法说明对错。而Google无人车在上个月变道过程中引起的小事故，已经成为了舆论的焦点。因此，Nvidia自动化方面的高级经理Danny Shapiro表示，一旦无人车导致了人员伤亡，这肯定会是一个大新闻。

机器人方面的先驱Rodney Brooks也表示，无人车的问题不仅仅在于技术不够成熟，也在于人类还没做好准备。但是，微软AI实验室的负责人Eric Horvitz表示，未来必然会出现城市开始接受无人车。其中生活的人类将依靠无人车进行交通运输。

人工智能对社会职业的影响

人工智能对人类的影响还包括了对很多职业的冲击。以波音公司为例，相比于上世纪90年代，该公司的雇员数量减少了三分之一，生产效率却提高了20%。从2000年到2015年，仅美国就有大约500万个职位消失——大部分已经被机器所取代。人工智能所带来的影响将堪比蒸汽机。而机器所带的影响还不仅仅如此。以GM的一处工厂为例，在经历了汽车的巅峰时代后，该工厂迅速走向没落，引起大量工人失业。而Tesla收购该工厂后，迅速将其转变为了高级自动化的工厂。超过1千台工业机器人在流水线上进行工作。然而，Tesla的生产效率为每周大约1000辆。更令人惊奇的是，相比于GM工厂，每辆车需要的人工是其三倍。这意味着工厂的自动化非但没有带来工人失业，反而带来了新的就业机会。而且，有些体力劳动的职位被替代后，更多的高科技职位开始出现。

Tesla的工厂流水线

加州大学伯克利分校的机器学家Ken Goldberg表示，机器和人都有其优势和劣势。这样的问题需要从两个方面来看待。其中，人类和机器合作的典型案例就是外科手术。一些人类难以完成的动作可以很好的交给机器来完成。另外一方面，机器对人类工作带来威胁的就是体力劳动比重大的地方。

人工智能对战争的影响

此外，机器还会带来战争形态的变化。机器人时代的战争将更多的采用无人机、智能化单兵作战装备、无人驾驶潜艇等等。驱动军事技术变革的因素包括了减少风险、减少花费以及对中国崛起的恐惧。而军队采用智能装备的问题就是该在哪些地方采用这些机器以及多宽的范围内采用。

可控制机器人的士兵

目前，美国的F-18战斗机已经能够自动从航母甲板上起降。这大大减少了人类操作的难度和风险。当然，更多的智能装备智能算是人类能力的扩展。DARPA在研的很多项目都是以士兵为根本，研究哪些辅助装备可以减少人员伤亡，提高作战能力。从DARPA资助的机器人挑战赛，我们可以看出这些研究的部分进展。在新一期的挑战赛中，冠军是重达400多磅的Chimp。该机器人具有非常强的负载能力。但是比赛中状况百出的场景表明，智能机器仍然有很长的路要走。

机器人投入战争引起了一个非常有争议的话题——机器有权利去杀人吗？去年7月，一位年轻人在无人机上加装了一把手枪便引起了社会的恐慌。但是，自动武器早就已经出现。地雷就是非常典型的例子。目前的导弹或反导系统也多采用自动化的设备。曾因反对使用地雷而获得诺贝尔和平奖的Jody Williams近期正在发起反对杀人机器人的活动。而联合国从2014年便开始呼吁制定相关的公约。

另外一方面，自动武器可以有效避免由于失误所引起的伤亡。因此，自动武器的问题仍然无法直接定论为完全拒绝或完全接受。作为计算机科学家和作者的Jaron Lanier举了一个例子，如果敌人利用我们的无人机来消灭我们，我们该怎么办呢？这就如同手枪等武器的出现一样，我们不能埋怨创造武器的人或者武器本身。

而且，随着各大企业在人工智能方面的飞速发展，自动武器的智能化也将不可避免。想像一下，如果美国军方要求Google或Amazon提供技术援助，它们能拒绝吗？！幸运的是，以现在人工智能的发展速度，这些都还需要一定的时间，而且技术从实验室走到真实世界也需要很长的实验期。

作者介绍：张天雷，清华大学计算机系博士生，主要研究方向为人工智能，曾参与MSRA EntityCube知识图谱和Q20群体智能游戏的研发，目前从事无人车研究，参与自然科学基金委视听觉认知重大项目，以及智能车未来挑战赛，多次担任裁判工作。所在课题组的无人车多次在挑战赛中获得优异成绩，特别在2012年底有央视和第三方（北京理工大学）裁判车监督跟拍情况下，首次完成北京-天津高速全程无人驾驶。他还是概率论、机器人和Python的狂热爱好者，致力于用概率图模型等方法，让机器变得更聪明。