1700046398
算法的进步大量涌现
1700046399
1700046400
我们不知道眼睛在大脑的发展过程中起了何种促进作用，但我们知道智力的作用远远超过视觉皮层细胞，从识别捕食者和猎物、寻找配偶，到今天阅读本书时用到的充分交互与自我认识能力。我们知道深度学习算法从最初的为视觉感知服务，到今天成功应用到许多人工智能领域，例如语音识别到语言产生再到艺术创作。我们推测这股发展趋势仍将继续。
1700046401
1700046402
发展趋势将持续多久？何时结束？这些都是科幻作家和哲学家考虑的问题。如果我们用硬件能力为基础来推测人工智能的发展，发展过程将持续到2020年，到那时计算机能力将于大脑的计算能力相当。可是预言似乎不能满足我们。我们想知道什么时候计算机能拥有与人类水平相当的智能行为方式，而不仅是它们原始计算能力的发展。问题在于这类设想要走向现实可谓难上加难。
1700046403
1700046404
计算机要发展出类似自我觉醒或自我认知的能力，需要的不仅仅是硬件的提升，而是一套全新的算法。况且我们不能确切知道“机器的自我认知”是什么，我们只知道这不用于下棋或开车，它没有明显的规律可循。因此不像许多科幻电影描述的场景，这不是由软件开发的高手通过编程可以直接解决的问题。
1700046405
1700046406
相反地，机器的自我觉醒发展缓慢。自我觉醒是什么？我们采用实际的定义：它不过是一种自我刺激的能力，用来预测现在行为所带来的后果，从而不需要在现实中真的做出该行为。你能想象出明天的你行走在沙滩上的情形吗？你能想象出大海的气息和踩着沙子的感觉吗？感觉很美好吧，让你心动真的要行动了吗？如果答案是肯定，那么你进行的就是“自我觉醒”。有人会说，就连能引起感知的情绪，比如恐惧和欢乐，都能在过去的经历基础上，把未来的行为结构投射到我们目前的状态中。比如，“痛苦”象征着现在遭遇的破坏，而“恐惧”表示极有可能发生的严重破坏，然而“担忧”在内在自我模式的基础上，反映出严重性轻微、距离更长远的负面结果。
1700046407
1700046408
如果机器人根据目前的行为预测到将来的场景，然后开启预测模式计划将来的行为。在某种程度上说，它自我觉醒了。2006年我们展示了一款能建造自我形象的机器人——虽然图片描绘并不准确，呈现是粗糙的类似剪贴画的小人像——但机器人却能从此离开物理实验和外部编程来学习行走。可是当时机器人制作出自画像时，感知器和预测算法已经达到了极限。
1700046409
1700046410
也许当深度学习算法应用到所有人工智能领域时，我们才能看到新一代的机器人画出越来越准确的自我肖像以及周围环境的模式，这样渐渐发展成自我意识觉醒。
1700046411
1700046412
一辆自我意识觉醒的汽车不会在车道上遇到你，或和你聊聊路况，也不会很贴心地顾及你感兴趣的事务。但一辆自我意识觉醒的汽车能够越来越准确地建造于驾驶模型，以及你的驾驶习惯——哪些它可以做到，而哪些在它能力范围之外，这些潜在动作的风险利弊可能是什么，等等。就像我们人类的自我意识觉醒，能够超越自身范围，领会他人的感受和意图，汽车也能明白路上行驶的其他车辆的下一步举动。
1700046413
1700046414
我们估计，从多细胞进化出视觉感知细胞，花了500万年；从视觉感知细胞进化到智人花了5亿年。如果依照这个时间做类比，感知器花了50年时间从20世纪50年代的“无视力机器人”发展而来，也许要花上500年的时间，人工智能才能发展到与人类水平相当的自我意识觉醒。硬件进化能助力这股发展趋势，可是算法的进化必须遵循其自身的间隔发展特点。
1700046415
1700046416
不过，无论是2020年还是2500年，相比于人类的进化历史来说，都太快了。
1700046417
1700046418
人类一直以来都倾心追求制造出有生命的活物，古时候的炼金术士用尽各种办法，赋予泥石生命的气息。历史上出现了各种神秘的处方，多年以后，炼金术士被他们的现代“追随者”——机器人学家所取代。今天，研究机器人的专家拥有更好的工具、更深层的理解力和稍微充裕一些的资金。最终，我们依然在不停尝试，把生命气息带给毫无生命特征的机器。
1700046419
1700046420
1700046421
1700046422
1700046424
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 致谢
1700046425
1700046426
几年的时间里，我们与众多相关人士进行了很多激动人心的、发人深思的讨论，最终才形成了这本系统性介绍的书籍。我们要特别感谢所有在本书成书过程中伸出援手的人，他们提供的任何形式的帮助都有巨大作用。
1700046427
1700046428
我们想要感谢在自动驾驶汽车研究领域长期作出突出贡献的两位学者，他们是奇点大学的布拉德·邓普顿（Brad Templeton）和普林斯顿大学的阿兰·肯豪森（Alain Kornhauser）。想要找到专门在机器人领域有着深厚研究并且应用到汽车领域的专家并不容易，这两位学者不仅知识渊博，并且还愿意无私地与我们分享他们的真知灼见。通过与布拉德、阿兰交谈、阅读他们的博客和与他们邮件往来，我们对无人驾驶汽车领域有了更多深刻的认识。
1700046429
1700046430
我们还要感谢卡内基·梅隆大学国家机器人工程中心（National Robotic Engineering Center，NREC）的全体成员，尤其是布莱恩·扎伊克（Brian Zajac），他曾花费数小时带领我们参观了他们的设备和所有自动化的产品。感谢阿姆农·沙舒亚博士（Dr. Amnon Shashua），作为“移动眼”公司的创始人，他无私地向我们提供了有关计算机视觉方面的材料。
1700046431
1700046432
康奈尔大学和哥伦比亚大学的创新机器实验室（Creative Machines Research Lab）的历届学生在自动系统和人工智能方面都作出了诸多贡献，没有他们的智慧付出，我们的工作也无法开展。尤其是杰森·奥辛斯基（Jason Yosinski），他是认识到“深度学习”的价值的先驱之一。正是由于杰森的坚持，我们才能数年如一日地开发深度学习软件，最终使得深度人工神经网络系统如今被广泛接受，对此我们表示由衷的感谢。
1700046433
1700046434
我们也要感谢麻省理工学院出版社团队的辛勤工作和无私奉献，尤其感谢玛丽·勒夫金·李（Marie Lufkin Lee）、米歇尔·西姆斯（Michael Sims）以及凯思林·亨斯里（Kathleen Hensley）对本书的热心支持。
1700046435
1700046436
最后，我们还要感谢那些曾经在幕后工作的工程师、发明家、创新者、艺术家和企业家，如果没有这些富有创造力的、大胆的创新者的奇思妙想，也就不可能会有关于无人驾驶的书籍。感谢你们的付出，相信在不久的将来，世界上各个街道、停车场以及高速公路将成为更加安全、美好之地。
1700046437
1700046438
1700046439
1700046440
1700046441
1700046442
1700046443
1700046444
1700046445
1700046446
[
上一页 ]
[ :1.700046397e+09 ]
[
下一页 ]