人工不智能。如今是人工智能瓶颈期,向前一步已然十分的困难。需要更多大胆的科学应用,也需要一批先驱者。
人工智能发展伊始,我们说其遵循的就是机器的深度学习,为了推动人工智能的迅速扩散,如谷歌这样的大公司开放了算法,致使算法不再成为人工智能的主要障碍,彼时,人工智能方面的企业只要获得数据,大致上就算切入了人工智能领域。而实际上,很多人发现人工智能的商用就是原来大数据的延伸。只是原来我们通过大数据得到一些真相,比如搜索引擎根据人们搜索的内容来发现部分地区的疫情。而后来人们通过数据训练一个系统,使得机器能够遵照历史经验做出人类一样的应答。
但是理想丰满,现实骨感,实际上我们人类的大脑远远比我们想象的复杂的多。我们的脑回路会在合适的情况下走捷径,我们的思维也有直觉的短反射弧度,和理性的长反射弧度。有时候我们总能恰到好处的处理各种危机。我们都不知道自己是如何办到的。而人工智能是不可以的。所以在经历了前期资本狂欢和大量的想象之后,人工智能将在未来趋于冷静。天马行空的做法会少一点,落地有限智能才是根本。
比如无人驾驶领域,如今大多数的无人驾驶,最优秀的如谷歌Waymo,勉强L4,特斯拉其实算L2.5,传统车企如奥迪去年大约到L3,Delphi和MobileEye宣称今年进入L4阶段,所有的车企都避免提及L5。
我们来重新认识无人驾驶的六个级别:
L0:无自动驾驶。
L1:驾驶辅助,如ABS。
L2:减轻驾驶员操作负担,如定速巡航。
L3:有自动驾驶,但是系统在遇到不能识别的情况,会主动召唤驾驶员接手。
L4:一般不必介入,属于有方向盘的无人驾驶。
L5:完全无人驾驶,淘汰驾驶员。
大多数,如今无人驾驶囤积于L3,部分达到L4如谷歌Waymo,实际上还是要在限定区域内,良好天气情况下使用。人类的道路本身不完美,高速公路比城市高架好开,城市高架比居民区街道好开,而大多数无人驾驶并没有很好的突发识别功能。
如今谷歌Waymo的方式是传感器加上环境参数设定,在有限的城市有限的区域,通过数据采集来完善无人驾驶系统,按照他们的做法,就是建立一个区域性的出租车车队。然而现阶段,这些无人驾驶出租车依然需要配备工程师或者驾驶员。而特斯拉则完全依赖视觉系统,进行物体识别。如你所见,特斯拉无人驾驶的事故还是比较多的。但即使有事故,如今Waymo和特斯拉成功的概率依然是一半一半。
我们看到,技术有时候并非线性进发,不是说设定了技术目标,就一定能够达到,也许未来实现L5,还不如实现空中轨道自动交通来得实际。科技属于高风险,投入未必有回报。当然无人驾驶技术也推进了地图导航技术的进步,比如如今很多导航都能够实时更新路况。但是就人工智能这一块,很多领域已经遭遇了巨大的瓶颈。
另说国内无人驾驶,实际上国内这方面落后了很多,有很多原因。个人认为,需要发展一下区域性,比如城域的无人驾驶出租车业务。而这方面,可能小城市更加好实现,大城市路况太复杂。
有人可能不太同意人工智能遇到瓶颈的看法,大致上,如今的人工智能比较成熟的依然是在语音,然而就这个方面,你可以尝试和智能音箱对话,看看他是否能解决很多实际问题,还是只算一个消遣工具。