李德毅院士：谈未来汽车发展

　　近日，在2018首届智能指挥调度技术创新大会上，中国工程院院士李德毅在发言中分析了自动驾驶等级度量，谈到对传承学习和自主学习的理解，认为随着道路的智能化和学习型轮式机器人普及，人工智能将引领我国交通运输行业的转型升级。本文来自：中国指挥与控制学会，经授权由《走向智能论坛》公号推荐阅读。

　　李德毅院士：谈未来汽车发展

　　很高兴跟大家先谈一下一体化指挥调度，我一辈子都在做这件事，因为军队最需要，公安最需要，高铁需要、银行需要，国家应急救援需要，城市交通一体化更需要。所以国家工程实验室的1/9要在这儿了。今天是智能指挥调度技术创新大会，要看看人工智能怎么深耕到指挥调度。我觉得，一体化指挥调度技术分两大块：一块在网上，一块在边上。我们部队战斗力提升，有一个重要原因，就是要力量到边，边缘战斗很强。我今天利用交通和汽车这件事来展望一下一体化指挥调度技术在新时代会有什么变化，因为城市的交通指挥调度是反映一个城市水平的最直接名片。

　一、自动驾驶等级度量

　　最近自动驾驶日子不好过了，昨天看到一个微信文章：“潮落!自动驾驶搁浅在2018滩头”，什么原因?我们看看，2018年是信息时代和智能时代交错的时代，信息时代还没有完全过去，智能时代已经来了，所以声音很多，大家都很积极。在这个情况下，像电子、微电子、光电子工程、通信和网络工程、计算机科学与技术、控制科学与工程都在积极地为智能做贡献，而智能科学与技术仅仅是最小的一个弟弟，所以是信息时代的四个哥哥能力很强，他们也长得很强壮，而人工智能目前来说“可以用，不好用”。所以人工智能还在成长时期，而四个大哥哥已经相对成熟了。在这种情况下，搞电子、微电子可以有一张最响亮的名片“智能芯片”，国家一看这是核心，所以加大投资;还有搞控制的，说我搞智能控制，又火了;搞网络的，说我搞智能网联，也很火;搞计算机的，说我搞智能计算。其实从学科发展来看，可以认为是把智能当做马甲穿在身上，不管是做芯片，还是控制，还是网络，还是计算，他们确实想把人工智能用到他们那个行业里面去。

　　在这种情况下，传统车企、造车新势力、互联网企业、新兴行业、还有一大批创新创业青年，都看好自动驾驶，乐此不疲。全球智能芯片、智能网联、智能计算、智能控制的黑科技全都聚焦到同一个载体—汽车上，都在为自动驾驶烧钱,不无道理!我们搞一体化指挥调度，云计算有你的事，边缘计算也有你的事，咱们一体化指挥调度技术的工程实验中心应该怎么看待这个问题。

　　长期以来，J3016 标准主导了自动驾驶等级全球舆论。也就是L0到L5，我在几年前就对这个标准提出置疑，我说很简单，就是L2和L3，让公安交管部门怎么度量它是L3还是L2?有的公司提出来L2.5，这是什么意思?我们看看这四个点挺重要：第一点自动驾驶转换点如何度量?如果没有拐点就互相扯皮。第二点操控权如何交接?第三点操控权交接过程中的事故责任如何认定?第四点给自动驾驶车发什么驾照?要可操作才行。

　　全球都认“感知、决策、控制”这个路线，好像没有分歧，都希望自动驾驶的模式越来越多，最后一下子跳到全自动。自动化的人就研究确定性窗口条件的描述，从事交通的就研究车联网，现在5G很火，也确实很重要， 我们要想想5G在自动驾驶中究竟充当什么角色?大家都希望有一个智能的路，一个聪明的车，他们加在一起是不是就可以全自动?全自动驾驶←∑自动驾驶模式i，问题就出在这个箭头上，数学上有一句话叫做“当且仅当”，充分必要条件要满足，这个箭头才成立，如果当且仅当这个条件不满足，全自动驾驶就很难。

　　从事人工智能的就问：自动化哪些东西做不了?我们认为汽车人已经把汽车的自动化做到了极致。但是无需驾驶员的自驾驶，必须能像人一样具有学习能力，能应对各种边缘工况。因此自动驾驶亦或是个陷阱，要搁浅在2018年?新的寒冬来了?

　　谷歌Waymo公司CEO 约翰.科拉菲克说：L5技术真的真的很难。全球做自动驾驶最高的就是他了，他说很难很难，投资家就慌了。苹果联合创始人史蒂夫·沃兹尼亚克说：自动驾驶汽车不可能在不久的将来实现，我不相信自动驾驶汽车。这两个重要的人物一说，大家认为自动驾驶的寒冬来了。

　　因此，对L0到L5这个等级划分要进行重新的认识。我们提出要以特定地区驾驶可靠性为导向新的等级度量方法，根据安全驾驶可靠性统计把出错率不高于10的-2次方自动驾驶车辆定义为L2，出错率1%，就是出去开100次(或者100小时)，拿了一个罚单回来。人是什么水平?一般驾驶员一天开4小时，一年开250天，一年开一千小时拿了一次罚单，这是一个好的驾驶员，我们可把他的水平认定是L3。如果你的自动驾驶汽车达到L3，给你发个L3驾照，如果L4就发L4的驾照，将来就会达到百万分之一L6，甚至像我们的智能电网出错率是10的-9次方，这意味着自动驾驶车等级永远没有完全自动。这就为交通部门给自动驾驶车发照(或收照)有了可度量、可操作的简捷方法，极大地加速自动驾驶技术迅速落地过程，也为无人驾驶车辆的应用(如保险业务)开辟了新的空间。

二、传承学习和自主学习

　　当汽车从人类的代步工具、由人操控的机器，演化为有主体认知能力的轮式机器人，汽车行业的传统法则将被重新书写。人和轮式机器人不仅是控制和被控制的关系，而是教和学的关系，是交互和协同的关系。

　　谈到“学习”，最火的一门课叫机器学习，其实机器有什么好学的，应该是机器人学习，我们讲的是监督学习、半监督、弱监督学习、无监督学习，现在的深度学习就是有监督的学习。深度学习是人工智能第三轮浪潮的最显著的标志，到底怎么看待深度学习这件事，我做一个理解：

　　起始于一个较为通用的多层次特征提取的神经网络分类模型，依靠足够多经过标注的样本数据，通过随机梯度下降方法，正反向反复迭代，确定大量的可调参变量—权值，把高维复杂非线性问题近似为足够多通过参变量限制的较低维非线性问题的叠加，把整体高阶转为多局部低阶。这样形成的数学形态，能够和整个样本数据有最优的拟合。搞人工智能的人得出一个结论：深度学习不是万能的，但是没有深度学习是万万不能的。

　　从我们人类的成长学习过程引申到机器人学习，可分为两种：一是传承学习，一个是自主学习。前面是接受知识和运用知识的能力，一个人在大学毕业之前基本上是受教的，以传承学习为主。我们发现，只有通过传承学习，自动驾驶车才能拥有人类累计的驾驶知识或驾驶文化，这就对当前自动驾驶寒冬的一个解释，为什么遇到寒冬?因为你没有传承，没有认知的积累，做不到到处跑的。举个例子来说，传承学习主要是显知识，适应生态文明，由上而下，主导型强。自主学习是隐性知识，反复实践，成为本能，由下而上，主体性强。

　　说车辆靠右边行驶，无人驾驶车怎么知道?开到了香港又是靠左行使的。比如说，北京现在要求礼让斑马线，边上一个老太太走得很慢，你先穿过去还是等她走过去?这个靠激光雷达怎么表现?再比如说工作期间北京公交车道7-9点不能占用，无人驾驶车怎么知道这个事?所以大家可以想像：未来的汽车一定是在云上有一个窗口把指令发过去，到那一天就知道了7-9点我不能占用，还有我是否限号。反过来，有些事情靠传承学习是学不好的，比如说超车并道。最近一年我们对客车侧翻做了研究，你不醉酒开车了，你不疲劳开车，你的注意力集中了，但是不等于你的车不会侧翻，比如说风一大，紧急刹车以后一拐弯就侧翻了，这些事情就像平时学游泳一样，一定要到水里去游，而不是听别人教，技巧需要自主学习。

　　我们现在正在做一个驾驶脑，我们注重的不是车，我们侧重人，我们要做一个驾驶员的智能代理，由若干处理器、交换机、存储器的芯片组成，配有各种传感器接口、相关软件和数据包，构成一个物理设备。它和人的驾驶认知有高度同构性，驾驶认知涉及视听觉、思维、记忆、学习、交互、控制等一系列活动。学习并替代驾驶员的驾驶认知能力，积累驾驶技巧，实现有个性的拟人驾驶。

　　我们希望不同的车辆平台、不同的传感器配置、场景，按照我们前面定义的等级评定准则，你可能拿的评测就是L3、L4、L5、L6不同。如果我们做一个卡车用于港口集装箱运输，他达到L3也就可以运行，我们卡车司机不好找。如果我们一个客车在北京做到L5，可以上路。但是在重庆，道路上立体感很强，可能要重庆市公安局和北京市公安局协商一下，这两个区域的L5是否可以等同，所以特定地区是前提条件。

　　人和轮式机器人在一起有四种工作状态：标杆驾驶员开车机器人学习(监督学习);机器人开车人可干预(半监督学习、弱监督学习);机器人开车机器人自学习(无监督学习);如果机器当教练，教人或其他机器人开车(教人：逆监督，教新机器人：监督学习)。在标杆驾驶员开车机器学习时主要用深度学习，在机器开车人可干预是用强化学习，机器人开车机器人自学习时，就是生成一大堆对抗样本，用对抗样本生成再学习，从而构成一个迭代的过程。

　　驾驶认知不是一次完成是迭代学习，既包括深度学习、还包括强化学习、还包括生成对抗样本学习，从而形成一个逐步稳定的认知。

　　这里面我们尤其关注另外一个事情。可以让机器人成为司机，不但可以成为我们出行的代理，机器人还可以成为“执勤交警”和“路巡员”，因为可以检查路面情况，随时报告交通中心。轮式机器人群体知识共享和传承的速度远大于自然人群体!

　　开车对人而言主要通过事故使他的水平提高，我们关心追尾、爆胎、侧翻等事故，最近我们重点研究侧翻，拿到3260起事故数据，我们希望通过事故记录仪做一个好的事故防范的记忆表。侧翻事故是有苗头的，侧翻可以用车辆动力学解释，存在黄金一秒期。侧翻一开始，一侧两个轮子起来，当另一侧两个轮子也离开地面，侧翻结束，如果有下坡就是翻滚。这个时间前后两秒左右。用专家群体智能，分析并吸取事故驾驶员教练，物化为长期记忆，依靠突发场景触发，正确应对。因此我们有了负学习过程中的深度学习、强化学习、生成对抗样本学习。用驾驶脑防范侧翻，给我们一个启发，就是当人失去理性时，可以让人工智能帮你的忙，用人工智能弥补侧翻事故的发生。用人工智能可以规范化复制工匠的个体智能，可以弥补突发情况下个体智能缺失。

三、引领行业转型升级

　　对人工智能要有敬畏之心。机器人将来会开车、会学习、会交互、有个性、有悟性!如果会开车一旦解决，就变成移动问题解决了，那么主持、看病、陪护、手术、卖货、理财一大批都会出现。人类就多了一类朋友。

　　构成轮式机器人的三大块重要部件：一个灵活的腿脚——数控底盘，一个是强大的心脏——新能源，一个是智慧的大脑——驾驶脑。自主驾驶难在不确定性驾驶——边缘驾驶!要把“最后一公里问题”当作最先一公里来解决，自主应对驾驶过程中常常遇到的、偶发的各种各样的不确定性!

　　机器人一旦成为移动社会的传感器、大数据的重要源泉，那么将为一体化指挥调度带来极大地便利，因为每个边缘系统都是数据发生器，机器人驾驶认知的进化速度可以超过自然人，边缘计算、云计算一同产生群体智能。

　　1886年卡尔·奔驰获得全球汽车的第一个发明专利，之后汽车工业成为制造业的典范，成功在于两个字：规范化生产和精细化管理。今后轮式机器人还有三个关键词：那就是模块化定制，数据驱动的控制和学习，以及未来出行的科技服务商。

　　原来研究的车辆动力学不等于驾驶员在环的车辆动力学，轮式机器人动力学等于驾驶脑在环的车辆动力学。知识、数据双驱动的迭代学习将变成一个今后的方向，智能的路，聪明的车，会让轮式机器人玩出更多的精彩，无人驾驶有望消灭疲劳驾驶和醉酒开车，会学习的轮式机器人会开车、会交互，有个性，有悟性，能够防范各种严重事故，甚至可以玩出各种特技来。

　　人类衣食住行的开销，衣食住加起来也赶不上行。随着道路的智能化和学习型轮式机器人普及，路越来越智能，车越来越聪明，驾驶和交通的数据越来越累积，人类的出行方式就真的变了，中国乃至这个世界，就真的变了。人工智能将引领我国交通运输行业的转型升级。

　　(来源：走向智能论坛)