文 / 孟華

最近一兩年，似乎是自動(dòng)駕駛技術(shù)的低谷。

特斯拉被輿論吊打；Waymo放慢了試運(yùn)營，順便CEO被“裸辭”；優(yōu)步和Lyft把自動(dòng)駕駛業(yè)務(wù)賣了；Cruise和Argo AI喊得仍然很兇，但擴(kuò)張變慢了；百度的Apollo則從“賦能”平臺(tái)轉(zhuǎn)向自己造硬件平臺(tái)；新勢力們對“智能輔助駕駛”功能的宣傳調(diào)門，也下降了很多。

技術(shù)停滯不前

公眾的直觀感受，在國內(nèi)自動(dòng)駕駛技術(shù)專利申請上得到驗(yàn)證。2019年是巔峰（10463件），終結(jié)了2015年以來的爆發(fā)式增長勢頭；2020年9750件，看似只是略降；今年截至6月底，只有813件。

專利申請不等于授權(quán)，但已經(jīng)透露出技術(shù)開發(fā)投資已經(jīng)越過山巔，走向新低谷。這背后是對技術(shù)中長期前景的悲觀預(yù)期。相關(guān)資本的退潮，更是提前到兩三年前。

自動(dòng)駕駛產(chǎn)生了幾條不同的路線，壁壘都很高。無論是特斯拉、大疆的純視覺，華為的“激光雷達(dá)+毫米波雷達(dá)+攝像頭+超聲波雷達(dá)”融合，百度的“Robotaxi”路線，還有更小眾的V2X車路協(xié)同路線，都需要強(qiáng)大的軟硬件結(jié)合能力。目前進(jìn)展比預(yù)期緩慢得多。

從商業(yè)模式上，自動(dòng)駕駛的終極目標(biāo)是替代人。目前，前者的成本還沒到低點(diǎn)，而人工成本還在上漲。但是即便到了交叉點(diǎn)，因?yàn)榍罢叩哪芰Σ恍?，也無法形成替代。

在商業(yè)應(yīng)用層面，大家都不約而同地停留在L2這個(gè)級別上。不管如何修飾（諸如L2+、L2.5、L2.99等），哪怕是亟須與眾不同標(biāo)簽的新勢力，也不會(huì)貿(mào)然將L3落地，盡管它們聲稱在硬件上早已準(zhǔn)備好了。特斯拉吃過幾回擦邊球的虧，現(xiàn)在言辭謹(jǐn)慎了很多。

那么，到底是什么原因，使得自動(dòng)駕駛技術(shù)的發(fā)展進(jìn)程，大大落后于5年前的預(yù)期。我們當(dāng)初忽視了什么要素？

經(jīng)驗(yàn)遞推不可取

智能技術(shù)的未來如何預(yù)期，似乎是一個(gè)難題。即便人類作為一個(gè)整體，對科技發(fā)展時(shí)間尺度的判斷，也非常地糾結(jié)。

從大的尺度上來看，歷史當(dāng)然是加速的。一個(gè)來自200年前的人（清道光元年），穿越到今天，一定會(huì)一直處于震驚狀態(tài)無法自拔，眼前的一切都無法理解。而400年前的人（明天啟元年）穿越到200年前，他可能會(huì)覺得新鮮，但不會(huì)嚇尿。

原因在于，一個(gè)更加發(fā)達(dá)的社會(huì)，能夠繼續(xù)發(fā)展的能力更強(qiáng)，發(fā)展的速度也因此更快。

但是近期的歷史可能產(chǎn)生誤導(dǎo)。即便我們處于技術(shù)的強(qiáng)烈上升期，只要截取的時(shí)間足夠短，譬如最近兩三年，仍然覺得技術(shù)發(fā)展在龜爬。2019年的自動(dòng)駕駛水平，和今天的看上去沒有太大區(qū)別。

即便指數(shù)增長，也常常遵循S型發(fā)展路線，有慢速期、快速期和平緩期。

說實(shí)話，我們相當(dāng)不篤定，眼下到底身處哪個(gè)時(shí)期。這讓我們對未來智能技術(shù)的預(yù)測，產(chǎn)生巨大的分歧。

但無論如何，使用個(gè)人經(jīng)驗(yàn)預(yù)測，是不可取的。想象力往往植根于個(gè)人經(jīng)驗(yàn)中，當(dāng)預(yù)測偏離經(jīng)驗(yàn)，我們本能地覺得預(yù)測錯(cuò)了。

“強(qiáng)化學(xué)習(xí)”有多強(qiáng)

認(rèn)錯(cuò)的結(jié)果，是我們對10年內(nèi)的智能技術(shù)發(fā)展，看法趨于悲觀。

歷史不會(huì)停滯，只不過以我們無法察覺的方式行進(jìn)。

事實(shí)上，我們已經(jīng)身處智能車時(shí)代了。發(fā)明“人工智能（AI）”這個(gè)詞的約翰·麥卡錫也承認(rèn)，“一旦一樣?xùn)|西用人工智能實(shí)現(xiàn)了，人們就不再叫它人工智能了”。對大多數(shù)人來說，AI是未來的神秘存在，而不是身邊的現(xiàn)實(shí)。

定速巡航、自適應(yīng)巡航、多場景輔助駕駛、多場景自主駕駛……顯示了人工智能處于成長中，我們只是對進(jìn)度不滿。

如今我們已經(jīng)擁有超算，可以使用暴力解算，但“車載算力”受限于能源供應(yīng)和散熱條件，不可能擁有過于奢侈的并行處理能力。

因此，數(shù)據(jù)需要壓縮，而且要提前融合，不要指望車載算力能處理每秒上G的傳感器數(shù)據(jù)。如今基于圖形編輯器的模型多如牛毛，但算力核心只能被填喂變形之后的數(shù)據(jù)。目前就這個(gè)水平。

人類的大腦，毫無疑問有訓(xùn)練機(jī)制。只不過，和人工智能不同，人類不依靠龐大的數(shù)據(jù)處理能力。事實(shí)上，人類接收的信息相當(dāng)有限（事先經(jīng)過濾除）。人類不需要大數(shù)據(jù)，就能辨識。

小孩子被教育認(rèn)識了紅蘋果，再看到青蘋果，一下子就意識到后者也是蘋果。視覺某種預(yù)訓(xùn)練信息，已經(jīng)編碼到DNA里面了。我們不清楚它的機(jī)制，但它肯定存在。

模仿人類的強(qiáng)化學(xué)習(xí)方向，仍是AI領(lǐng)域最具希望、最前沿的子領(lǐng)域。AlphaGo的“深度學(xué)習(xí)”，也是類似的能力，只不過施展的范圍限于下圍棋。

“模擬演化”是希望？

自動(dòng)駕駛能力也是如此。在道路行駛中，我們教會(huì)AI辨識路邊行人和垃圾桶的區(qū)別，但AI可能將雪人視為人類，并未意識到它是非生命體。目前的人工智能，在“舉一反三”這種幾乎不需要思考的領(lǐng)域，只相當(dāng)于3歲的孩子。

我們教3歲孩子不要碰炭火爐，但下一次遇到燃?xì)庠?，他仍然躍躍欲試。人工智能當(dāng)前也是如此，這一點(diǎn)讓我們相當(dāng)崩潰。爐子和蘋果的區(qū)別就在于，蘋果這類“自然物體”的辨識，早已“預(yù)置”為本能。

我們知道孩童早晚會(huì)長大，能辨識出危險(xiǎn)而趨避；但是對人工智能的成長，就不那么有把握。

如果拋開一味強(qiáng)化運(yùn)算能力這種死結(jié)，似乎可以用模擬演化的方式建造“強(qiáng)人工智能”。記住，不是模擬大腦運(yùn)行的過程，而是模擬大腦“誕生”的過程。

具體而言，就是建立一個(gè)表現(xiàn)-評估的過程。成功的部分將會(huì)增殖，然后程序融合，產(chǎn)生新的程序；不成功的自動(dòng)“沉降”。如此反復(fù)后，就獲得越來越強(qiáng)大的算法。目前的人工智能演化（類腦計(jì)算機(jī)），正處于從線蟲（200個(gè)神經(jīng)元）向老鼠（1億個(gè)神經(jīng)元）過渡的階段，距離人類那種超級大腦，還遠(yuǎn)得很。

因?yàn)殡y點(diǎn)在于融合過程，而非建立評價(jià)體系。一旦融合實(shí)現(xiàn)，就意味著程序能夠自我進(jìn)化。生物演化花了十幾億年，我們的期望，則是幾年。因此，沒有方向的自然演化，是不可接受的。必須特化、強(qiáng)化環(huán)境要素，使模擬演化更快、更有方向性。

目前，我們不知道這種策略是否可行，但值得一試。

一旦實(shí)現(xiàn)，那么就產(chǎn)生了自我進(jìn)化的算法。強(qiáng)人工智能就此誕生。這就是蓋茨、馬斯克、霍金等人不斷警告的“奇點(diǎn)時(shí)刻”。

這種演化和自我訓(xùn)練，開始如蝸牛一樣慢，后來可能加速到令人瞠目的速度。很多科學(xué)家擔(dān)心此后的故事，是否變得極為恐怖，但我們?nèi)缃窀傩?，?dāng)前路徑是否可行。

經(jīng)過5-6年的高速發(fā)展，現(xiàn)在自動(dòng)駕駛投資熱情被抑制。商業(yè)邏輯的目光，不會(huì)超過數(shù)年的尺度。太長時(shí)間兌現(xiàn)的商業(yè)回報(bào)，沒有太大意義。

但是技術(shù)不止和商業(yè)有關(guān)，更與人類思考的深度、基礎(chǔ)學(xué)科的導(dǎo)引有關(guān)。人類對自身認(rèn)識的膚淺，拖慢了自動(dòng)駕駛技術(shù)替代人的進(jìn)程。超越商業(yè)考慮向遠(yuǎn)處眺望，我們就只會(huì)專注于目標(biāo)，而忽略路有多長。