“超深度學習”創(chuàng)造新一代人工智能的核心理論（二）

當今，自動駕駛的發(fā)展成為國際關(guān)注的重要領域，也是國家人工智能戰(zhàn)略的主要競爭焦點。本次人工智能高潮初期對于深度學習的過分宣傳，給業(yè)界帶來了認知混亂。在自動駕駛的研制發(fā)展過程中才使人們逐漸清醒。特斯拉剛剛推出自動駕駛的產(chǎn)品不到一年，接踵出現(xiàn)的自動駕駛的惡性事故，幾乎都是因為深度學習的圖像識別的問題造成，使一向豪情滿懷的馬斯克也提出“學術(shù)界沒有將AI變成真正的智能”。所以實現(xiàn)真正的自動駕駛很難，其產(chǎn)業(yè)化落地，一定要依靠新一代人工智能。

但是，在當今盲目推崇深度學習的人工智能時代，人們不禁要問：新一代人工智能是否是可望不可求的嗎？回答是否定的！從人工智能的發(fā)展歷史來看，人工智能的定義是把人類的智慧授予機器，讓機器勝任人的工作。所以能把人的智慧讓機器深度理解的模型是實現(xiàn)機器意識讓機器聰明起來，這是人工智能的通用模型，也是新一代人工智能的核心理論。

自動駕駛是由感知，決策與控制三部分組成的，在感知上包括谷歌，特斯拉這樣的國際公司，也只能用深度學習作為感知的核心算法，進行圖像識別。深度學習是統(tǒng)計學的模型，在進行圖像識別時只看目標，不對目標周圍環(huán)境的識別，不可能做到百分之百的識別率。比如識別停車線，深度學習做不到百分之百的精度，這就意味著自動駕駛可能會闖紅燈。但是只要利用人是如何判斷停車線的智慧所構(gòu)成的數(shù)學公式來識別停車線，可以得到百分之百的識別率。

再有，在識別自動駕駛汽車前方遠距離的障礙物圖像時，完全可以淘汰繁瑣的大量圖像的標注的深度學習的方法，只需要若干個可以表達人對目標障礙物的識別方法的數(shù)學公式，就可以百分之百的識別目標，這是深度學習所達不到的效果。

在自動駕駛的決策上是目前自動駕駛業(yè)界的難題，因為正確的決策用傳統(tǒng)的技術(shù)是回避不掉NP問題，也就是說不可能解決所有路況下的自動駕駛的決策。谷歌用了10年路側(cè)距離可以繞地球一圈半，也沒有讓自動駕駛落地，這就是被NP問題所困擾。所以用大量的路測來解決自動駕駛的落地問題是違反科學依據(jù)的。這里把人在駕駛汽車時針對不同路況的判斷的智慧，讓機器深度理解后很容易的就可以繞開目前所面對的自動駕駛的決策的NP問題。

在自動駕駛的控制上目前幾乎所有的自動駕駛開發(fā)團隊都是采用傳統(tǒng)的控制方法。傳統(tǒng)的控制方法依賴于邊界條件，在自動駕駛過程中需要應對各種路況，需要臨時改變控制狀態(tài)，這對傳統(tǒng)的控制理論是最難應對的問題。用新一代人工智能，依賴于人的駕駛智慧所形成的自動駕駛的控制系統(tǒng)就可以解決這些難題。

總之，自動駕駛的競爭的結(jié)果是由能否掌握了新一代人工智能的所決定。采用目前不智能的AI所研發(fā)出的自動駕駛必然會被淘汰，導入新一代人工智能，一定可以創(chuàng)造出超越人的駕駛IQ的自動駕駛，這才是可以在產(chǎn)業(yè)上落地的自動駕駛。

經(jīng)過數(shù)十年，我們在人工智能領域的不懈努力所創(chuàng)造出的新一代人工智能超深度學習（Super Deeplearning SDL）模型（這是處于對主流算法的對抗所起的名字，在學術(shù)上可稱為：“自律學習（Self-Discipline Learning SDL）模型），這個模型的基礎理論是高斯過程理論、模糊集合理論、以及貝葉斯網(wǎng)絡理論等現(xiàn)代數(shù)學所支持的。SDL模型所以可以起到超越傳統(tǒng)模型的作用，就是以人的處理問題的方法通過數(shù)學模型使機器可以掌握，將人的智慧讓機器深度理解，從而讓機器作出超越人的能力的工作。這就是新一代人工智能的核心理論，掌握了這個真諦每一位奮戰(zhàn)在人工智能一線的工程技術(shù)人員都可以在各條戰(zhàn)線上，在各種IT產(chǎn)品上成為創(chuàng)造人工智能奇跡的人物。

SDL模型以小數(shù)據(jù)，小模型可以承載大任務為特點，特別是沒有黑箱問題，可以在包括工業(yè)控制在內(nèi)的所有的IT產(chǎn)品中使用，是人工智能大普及的重要的創(chuàng)新算法。目前SDL模型在自動駕駛的感知，決策以及控制中發(fā)揮了人工智能的真正智能作用，顯現(xiàn)出名符其實的超越深度學習的能力與應用效果。但是在類似目標檢測等方面的需要上百層以上的神經(jīng)網(wǎng)絡上的對抗，SDL算法還在繼續(xù)發(fā)展研究之中。