10月21日消息，據(jù)外媒報道，下次當你開車或在街上行走的時候，停下來想一想你是怎么了解周圍環(huán)境的。你要特別注意在前院草坪上踢足球的孩子，以及那個看起來有點兒不穩(wěn)、神情緊張的騎單車者。你不能被街頭大步行走的女人分散注意力，雖然她正走向人行道上向她揮手的一群朋友。

你需要大量的社會和文化經(jīng)驗來做這些事，但你幾乎不需要去思考就能本能地得出結論。可是想象一下，假如你是一輛無人駕駛汽車，想要做同樣的事情，但卻沒有積累的知識或共享的人性，它們可以讓你從其他人的細微行為中解讀出線索。把每個行人、騎單車者以及車輛都當作障礙對待，可以讓你避免撞上任何東西，但這也很容易讓你被隔離。

美國加州大學伯克利分校電子工程與計算機科學系的自動化專家安卡·德拉甘（AncaDragan）表示：“我們把它稱為冷凍機器人問題。汽車所能做的任何事都太危險了，因為只有最糟糕的人類行為才可能會導致碰撞。”

像德拉甘這樣的研究人員正在應對這樣的挑戰(zhàn)，即解釋和預測人類行為，以便讓無人駕駛汽車變得更安全、更高效、更自信。畢竟，如果每臺機器都要為每個無法預測行為的人停下來，我們很快就會被數(shù)百萬驚恐的機器人堵塞街道。

為了防止交通堵塞，這些研究人員正依靠人工智能（AI）以及教授駕駛系統(tǒng)的能力，通過建模和反復觀察這些行為意味著什么，以及系統(tǒng)應該如何對它們做出反應。事實上，無人駕駛汽車首先應該意識到，人類并不是障礙。德拉甘說：“不同于風滾草在風力作用下的移動方式，人類移動取決于他們的決定。當他們想做點兒什么時，他們會采取行動去實現(xiàn)。我們首先考慮的是根據(jù)他們目前所采取的行動來推斷人們想要做什么。因此，從這個角度來看，他們的行為是理性的。”

舉例來說，在高速公路的右車道上，一名司機加速了。計算機知道人們在接近出口的時候應該減速，并且可以推斷出這個人很可能會繼續(xù)向前走，而不是在即將到來的出口退出。這是一個基本的例子：當計算機能夠估算出人們想要做什么，以及如何實現(xiàn)目標時，它們就可以合理地預測人們下一步要做什么，并做出相應的反應。

關鍵在于，即使是機器學習，也不能被場景中的個別元素限制住。日產(chǎn)公司硅谷研發(fā)中心的人類學家梅麗莎·塞弗金（MelissaCefkin）表示：“在這個領域取得進展是非常重要，但機器只是看到了道路上的情況。而作為人類，我們更擅長識別出某些特定行為，這些行為在機器看起來是一回事兒，但從我們的社會視角角度來看，則是另外一回事。”

想象一下，當你沿著城市街區(qū)開車時，看到一個人正走向路邊。機器人司機可能會計算出他的速度和軌跡，確定他可能要過馬路，然后停車以免撞到他。但你看到他拿著車鑰匙，意識到他正走向街邊，并來到他停在路邊的車門處。你肯定會放慢速度，但沒有必要停車。塞弗金表示：“人們在特定環(huán)境中的移動方式已經(jīng)在文化和社會上被編碼了。這不總是人與人之間的互動，而是人與物體之間的互動。”

這依然是一個很簡單的例子。塞弗金指出她所謂的“多因素問題”，即行人和其他司機對周圍的人做出的反應。她說：“如果一個行人要在我前面穿過，但卻沒有看著我，他們很可能會造成交通堵塞問題。所以現(xiàn)在我想知道的是，基于其他交通狀況，繼續(xù)行駛進行下去是否安全。”

現(xiàn)在看來，世界似乎正朝著某種“駕駛地獄”的方向前進，但你無需感到擔憂。塞弗金說，教授基于AI的無人駕駛系統(tǒng)適應人類的古怪行為是很困難的，但絕非不可能。達利烏·加夫里拉（DariuGavrila）正在德爾夫特理工大學研究智能汽車，訓練電腦應對各種挑戰(zhàn)，包括通過復雜的十字路口（存在各種移動目標、道路碎片、交通警察）以及其他不尋常的事情，比如有人在街道中間推車。加夫里拉說，他的目標是為機器開發(fā)出一種適應性更強的駕駛方式，從而增強社會對新硬件的接受程度。

這項工作意味著，需要考慮到環(huán)境中的行人交通因素，比如接近路邊、車道或公共建筑入口以及其他行為等。它還要延伸到每個人的動作上，比如某人的頭朝一個方向看，而他們的軀干指向另一個方向，這可能意味著什么。加夫里拉說：“識別行人的意圖可能是一個拯救生命的辦法。我們在真車演示中證明，無人系統(tǒng)可以比人類的反應快一秒鐘，而且不會產(chǎn)生錯誤警報。”

不過，計算機能做的事情畢竟是有限制的。加夫里拉指出：“這不是少數(shù)派報告，沒有人會告訴你即將發(fā)生什么。隨著預測水平的提高，未來行人或騎單車者的不確定性也在迅速增加，未來我們將在多少秒內(nèi)嘗試建模。基本行為模型一秒鐘后就不再有用了。更復雜的行為模型可能會讓我們有兩秒鐘的預測能力。”

盡管如此，一兩秒鐘的提前警告可能就是計算機化系統(tǒng)所需要的，因為它依然在人類響應的時間范圍之內(nèi)。但其他自動化專家認為，我們可能會讓機器在駕駛的每一微秒內(nèi)都陷入“過度思考”的狀態(tài)。英特爾公司無人駕駛系統(tǒng)首席系統(tǒng)架構設計師杰克·韋斯特（JackWeast）說：“當你在試圖預測未來時，這是一項巨大的計算任務，當然它只是產(chǎn)生了一種可能性的猜測。所以，與其把超級計算機裝進每輛車里，還不如仔細想想如何確保汽車永遠不會撞上任何人。這是一種更經(jīng)濟可行的做事方式。”

這里還有另一個問題。理想的機器人不僅能理解周圍的環(huán)境，還能理解它自身是如何改變場景的。德拉甘說，許多機器人系統(tǒng)都存在內(nèi)在缺陷：他們的制造商認為，無人駕駛汽車的出現(xiàn)不會改變其他“演員”的動作。但德拉甘認為：“不管我們喜歡與否，無人駕駛汽車的行為都會影響人類的行為。汽車需要開始考慮這種影響。”

這就是為什么德拉甘及其團隊建立新系統(tǒng)的原因，他們的模型中包括了人類司機對汽車的反應模式。她說：“我們的汽車不再是超防御性的，因為它知道自己也能引發(fā)人們的反應。就像我們的車輛在其他車輛前面并道時，后者會減速一樣。我們還通過利用無人駕駛汽車的行動來積極預估人類的意圖。”

這種自信訓練可能是未來交通的關鍵。打造機器人汽車的關鍵在于，它不僅應該擁有類似人類的意識，還應被賦予像人類一樣的能力。