张毅：人工智能与智能驾驶（上篇）

清华大学自动化系系统工程研究所所长，国家863计划先进交通技术领域专家张毅发表了主题演讲。

以下为张毅演讲内容，有删减。

张毅：各位领导、各位专家，上午好，非常高兴今天到这里来参加我们的论坛，就城市智慧交通的发展问题谈一点我自己个人的想法，给大家共享一些我们现在的新的发展趋势。我们说城市智慧交通的发展有很多主题、有很多领域和技术需要我们去探讨。

人工智能比较热，什么是人工智能，当然这个概念比较模糊，每个人不同的理解，我今天给出一个在学术上比较标准的人工智能的概念，由此引出人工智能与智能交通之间的关系。其次，人工智能应用哪些技术是现在可以实现的。

什么是人工智能？从学术上的定义来讲，人工智能是指研究、开发用于模拟延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。最简单的就像模拟人、像人一样去思考、去完成对系统和对对象的一些操作。

在这个基础上我们说这个是学术定义，在技术层面上我们看说它是计算机科学的一部分，也就是说计算机技术的一部分，不是全部。另外在现实中我们体会到很多方式是具有人工智能的，比如说机器人语言识别、图像识别等等都是这样的。不管怎么样，归根到底，我们希望用人工智能技术以后，能够达到或者超过人类的智能目的。

人工智能这么好，有没有办法来实现它？大家可以看到50年代之后，人工智能发展这么多年，由一代一代科学家研究人工智能的实现问题。但是经过这么多年，我们总是在探讨怎样更好的实现人工智能。而有效的方法是什么？，探讨了这么多方法，发现最有效的是机器学习。机器学习从80年代提出以后，其应用过程中总不尽人意，于是又在探讨不同的方法，目前最热门的深度学习又是机器学习中的一种具体方法，它的效果要比别的更好。比如说AlphaGo，这是智能技术的体现。从50年代发展到现在，已经走过了60年的历史，人工智能离我们希望生活中的应用中仍有非常大的距离。

在这样的情况下，我们可以看到人工智能应用不是说没有用，还是有很多体现的。在人工智能的应用过程中，一般分为两个阶段：一个叫弱人工智能；一个叫强人工智能。简而言之，我们平常说具有一定的人工智能是弱人工智能，而大家真正天天梦想的完美的人工智能就是强人工智能，这是我们真正希望的。在这个过程中，真正比较有实际效果的是机器学习。在这里列出一些目前机器学习的成果，尤其是在交通行业，比如用计算机视觉可以做一些人脸识别或者车牌识别，这是目前用得最广的领域。

若技术效果不太好怎么办？那就要深度学习，用人的思维方式构造多层的神经网络来形成一个深度学习的过程。总的来说，在目前情况下人工智能整个路径如下图：

最典型的是图像识别、图形识别，比如这是猫，在图像识别过程中，网站上面基于内容的图像识别，要在众多的海量的图完全判断出某一种代表性的图像，这个在图像识别中已经不是太难的问题。

但是我们知道这么小的事情，到了交通里面是不是也如此简单呢？情况就不一样了，我们把交通领域的元素改了，不是识别猫，而是识别一辆汽车。不是说光识别这辆汽车就可以了，因为在交通系统里面，我们所要识别的是带有交通特性的很多对象，不是说光是车的本身。比如我们要看四个维度，第一最简单的一个识别车型，这是静止的。当车开起来之后，视觉识别、图像识别对动态物体的识别难度增大了。

而改进大量车型的车队、车流，或者要判断时间等因素，这时候复杂问题就来了，受天气、光线、光线方向的影响，远比基本静止的时候的难度更大了。对于立交桥的交通流情况，视觉识别难度非常大。

众所周知，在交通里面图像处理是非常典型的，例如车牌识别。车牌识别里面大概分为两类：一个是移动场景；一个是静止场景。在静止场景的应用是最好的，停车场的入口、各种的收费站，环境很理想，条件很清楚，而且摄像头正对汽车的方向，还有光线好，光线好补光，这样的情况下车牌识别非常好。

如果车牌上有污物，人眼都看不清楚，机器能看清楚吗？做不到的。所以我们希望人眼看不清的，机器能识别，但是现实中我们发现所有的系统都达不到这种标准。在动态场景中，像大雾天的情况，我们的视频或者图像识别，即使加了深度学习，它的效果也是非常有限的。

人工智能在交通领域的应用，主要从以下几方面体现：

目前是讲感知环境，最主要最常用的是被动感知，也就是通过一些传感器来感知。另一种情况下是我们现在已经开始做主动感知了，用视觉处理方式、用V2X平台等等去做的。将来基于人工智能的做法，需要主动的像人一样去感知环境，于是建立一个人工视觉，为什么叫人工视觉？即用视觉的方式来处理，而交通过程都是以人的思维方式来做的，为什么？人是三维，但是机器人计算三维非常困难，要在安全系统里计算出两辆汽车是不是碰撞，将各种各样的参数用在三维空间里计算是难度很大，所以我们希望构造一个新的环境，用机器思考的环境去做，这样对人工智能的实现会有好处。

目前所有的思维方式，所有所做的自动驾驶、智能驾驶里面的东西，现在还不具备有人的思维方式。最简单的是AlphaGo，非常著名的人工智能应用的典型例子。但是大家要知道围棋是有规则的，在这个规则的基础上，由于计算机的各种能力，它可以预测很长的过程，同时能快速计算，它把各种可能都比较出来，基本上可以保证它是基于规则的，但它没有推理的意识。

举个例子，我们将围棋换成中国的麻将，中国的麻将有炸糊，还需要有默契。若它能够把人的这种无法用建模的方式、表征的行为放上去，说明人工智能就足够了。所以，现实的系统中人工智能的思维方式甚至新的意识的产生，现在还达不到。我们将来能够模仿人这样去产生没有情绪的自然决策过程，这是人类的意识和思维。

目前我们的动作都是单体的，像自动驾驶、智能驾驶都是单体的。但实际上用人而言，它是有很多交互的，是有协作的，现在我们的人工智能还做不到这样的情况。所以说，将来需要做群体的协同控制方式，来解决人工智能在交通方面的应用。

在未来人工智能逐渐突破技术壁垒，达到强人工智能的境界，在交通领域也是质的飞越，但目前人工智能在交通的应用过程中，道路还是非常远的。