中國人工智能學會通訊——無人駕駛的圖靈測試

今天談一談智能駕駛。我講一下智能車做好了怎麼測，怎麼使得它具有拿到駕照的水準。我報告的題目是《無人駕駛的圖靈測試》。

做什麼東西要把評測搞清楚。怎麼測，我們一直講智能代理，智能代理或者認知它的方法是什麼？阿蘭• 圖靈先生在他年輕時就在想這個事情，他提出了圖靈測試。幾十年過去了，人們已經把圖靈測試研究透了，有人說圖靈測試漏洞太多了不好測；有人認為圖靈測試做了很大的貢獻。直到今天，人工智能經過兩個寒冬以後，我們看人工智能帶來的變化。首先是腦科學，然後是認知心理學，接着是神經生物學。這三個學科對于人智能的啟發更大一點，我們把它們叫做腦認知。腦認知啟發的人工智能就是目前研究的對象，這一塊怎麼測，按照圖靈的說法，拿對話來測，用一個人和一個機器人對話，看看我們能不能知道它是人的聲音，還是機器的聲音。聽起來很簡單，但是有多少智商。比如你回答問題時是否得體、交談時帶不帶情感；你是沮喪的溝通，還是愉悅的溝通，是以這件事情并不那麼簡單。

1950年圖靈寫了一篇文章，可以看出來，圖靈測試本質上就是互動智能的測試。一直到2014年，聊天機器人尤金•古斯特曼釋出了。還有做詩，給你一個上下聯對橫批，分别不出來是人做的，還是機器人做的，是不是可以說這是圖靈測試。但是有一個問題，你的打油詩是水準很高的詩，這個智能是怎麼測試的。今天上午微軟報告特别強調了在語音方面的智能處理；麻省計算機實驗室做了一個機器制作的聲音的實驗，把物體碰撞的不同聲音，把一個特定人的聲音讓機器人産生，達到了以假亂真的目的。如果我們用大資料、用深度學習訓練一個機器人，讓它達到某個特定人的說話水準，它發出的聲音就是虛拟組織的聲音，這個事情我們以前表演過，我記得科大訊飛做過這樣的示範。

還有一個很重要的事情，像中國小生寫作文，有一個批改網，10 000人、100萬人同時寫一篇文章，看看哪篇文章拿冠軍。這時候有機器人閱卷，跟人的閱卷有什麼差别？怎麼樣實時地互動，批改這個作文？怎麼樣打分？還要形成評語，都能達到以假亂真的程度。是以，圖靈測試又被提上了話題。尤其重要的是，最近全世界都在做智能駕駛、無人駕駛，駕駛驅動的圖靈測試怎麼測。如果我們在路上看到一台汽車，你是否分辨不出是機器人開的還是人開的？你是否分辨不出一個新手或者是老司機？是A駕照還是C駕照？圖靈測試在後圖靈時代已經進入了我們的生活。

谷歌公司是無人駕駛的領頭羊，2015年就聲稱跑了100萬英裡，達到人類75年的駕齡。但是遇到了一個最基本的問題，無人車上路怎麼樣獲得駕照，駕駛認知度量已經成為交管部門當務之急的問題；對我們科技工作者來說，腦認知如何度量，這是一個非常重要的科學問題。假如我們把圖靈測試的這個人變成一個自動駕駛儀，你差別不出是智能駕駛的汽車，還是無人駕駛，那能不能叫圖靈測試？如果測試者坐在直升飛機上，看交通流，車子往前走，你差別不出哪一輛車是人開的，哪一輛車是機器人開的，可不可以說就達到了人的水準？圖靈測試進入日常生活，進入尋常老百姓家已經不奇怪了，這裡列出了一大堆需要我們識别的測試。比如網上聊天機器人，你用語句搜尋，它把答案變成語音還給你。因為出現了搜尋引擎和語音智能的發展，使我們随時可以聽到聲音，這到底是人跟我們聊天，還是機器人跟我們聊天；是機器人跟我說話，還是人在說話；是機器人在翻譯，還是人在翻譯，是以這就涉及到圖靈測試的問題。遠端醫療把我們可穿戴的傳感裝置、把你的實體參數送上去以後，它給你開的藥方，怎麼知道是專家開的，還是機器人開的；你在家裡時，孩子在網上做輔導或者咨詢，你怎麼知道這個輔導老師是人，還是機器人，等等。是以，圖靈測試進入日常生活，人類已經進入後圖靈的圖靈測試。無論是機器對話、機器寫詩，還是自動駕駛，有一點必須堅持，那就是允許測試者現場監督和互動，測試者可以現場改變紅綠燈，看看車能不能停下來；可以制造一個幹擾的汽車障礙，看看能不能避障。是以現場介入的互動是必須的。我們拿駕照時，當你路考時，同樣兩個人，水準差不多，一個人拿到駕照了，一個人沒有拿到駕照，考官說你不行，你剛才超車時頭沒有往後看，我們規定頭要往後看的，是以下次再考；但是你态度好一點，你記住了，這一次過了就可以了。是以我們認為，圖靈測試本質上盡管存在客觀性，但是必然帶有主觀性，如果一個駕駛員老不合格，這就會受到質疑，何況駕照還可以收回，是以對圖靈測試應該用這樣的觀點來看。

駕駛圖靈測試的現實意義非常重要，随着機器換人時代的到來，有這樣一個問題，相比較而言，汽車自動化程度比較高，一個駕駛員怎麼樣通過方向盤油門的動作改變習慣的，常年考駕照的測試，已經積累了豐富的經驗，駕駛圖靈測試可以成為圖靈測試的起始點。汽車工程師學會有一個非常自動駕駛的等級區分，分成L0~L5，上面兩個是人駕駛，下面三個是機器人駕駛。有的廠家宣稱我要做L4的自動駕駛，有人說我隻能做L3。我覺得輔助駕駛挺好，是以有一個問題，就是圖靈測試的問題。自動駕駛的等級轉換點如何度量？掌握權交界點如何度量？5級分類可操作點在哪裡？要規定100個駕駛視窗還是1 000個駕駛視窗？這還真是一個問題。我們在北京可以看到很多特斯拉的車，有的賣80萬，有的賣120萬，你問駕駛員你自動駕駛了嗎？基本上沒有。因為特斯拉聲稱是L2等級，需要駕駛員的手放在方向盤上，保持注意力，如果不這樣幹，出了事還是駕駛員的。蘋果公司在加州測試是1 000英裡，0.2次幹預，也就是北京到深圳來回一趟隻幹2次，是以圖靈測試的問題是一個現實的問題。

人的智商到底是怎麼樣表現的，生物學家告訴我們，在微觀、宏觀次元上有不同的表現。比如，當我們看台子上寫的人工智能，你腦子裡的興奮區也許在這個地方；當你耳朵裡聽到人工智能這個詞興奮度在這個地方；什麼也沒有聽說，你自己想，興奮區就更多了。是以告訴大家，記憶很重要，一個駕駛員頭腦裡記錄了多少場景，能夠應付多少事件，怎麼學習的，這點很重要。再一個，當你看周圍場景時，駕駛員是有選擇性注意的，同樣一個場景，小孩子和一個經驗駕駛員看，注意點是不一樣的。我們很多人都做機器視覺，有人說是計算機視覺，确切說是圖像的處理和了解，我們叫做先視後覺，它無特定的任務驅動，是以我們進行分類、聚類，進行一些識别，形成一個全局的認知，現在很火。但是人類認知難道都是這樣的嗎？不是的，因為我們在做無人駕駛時，有一條堅定的信念，叫做傳感器不完美，是我們确定的一條原則，不要想着哪個傳感器是完美無缺的，分布在車體各部位都認為看到了全局。生物視覺和機器視覺的差别，觀而不覺，無視後覺，邊視邊覺，先覺後視。生物視覺選擇性注意當中，我們經常聽到，大範圍優先，或者大尺度有限。當你看一幅圖時，大圖很重要，細微的地方并不重視，這是優先點不重要。還有，當你看到一個圖像時，掉下來的部分你很注意，這是一個圓的、方的、長的，還有一種差異優先。我們的問題是，在選擇注意力時，這幾個問題碰到一起到底誰優先。我們研究的結果認為，真正的是記憶優先。你頭腦裡記憶的東西對目前情景會發生很大的注意，上午很多人研究感覺的智能，沒有人研究認知的智能，對不起，我們就在研究認知的智能。腦認知的主要外面表示在如何聽說和如何看；腦認知的内涵是想，想的時候有記憶認知、計算認知和互動認知三種認知。我在一個場合說了一點計算機負面的話，我們人類對計算機的追求有一點貪得無厭，現在這麼快，我們還要更快，但是我們沒有用精力研究記憶和互動，這是一個遺憾。我們在研究計算的同時，應該花更多的精力研究記憶和互動，這才是受腦認知啟發的人工智能。

我們認為，人類認知沒有你想的那麼複雜，用一句話、一件事情反複地裝進你的頭腦裡，你就形成了自己的認知。記憶是腦認知的核心，遺忘是人類智能的顯著表現，沒有遺忘腦子将不堪重負。神經生物學家告訴我們，人類記憶是分區的，瞬間記憶，工作記憶，場景記憶，有不同的劃分的區域和方法。遺忘是對記憶的不能再認和回憶，是以我們應該研究遺忘、記憶和存儲。認知過程可用卷積表征展現出來。我個人定義了一個很重要的公式，記憶是認知函數和遺忘記憶的卷積。我提出用認知學的實體方法研究人的遺忘，一個圖檔怎麼實作遺忘的？在你的記憶裡怎麼恢複的？這件事情應該下決心研究清楚。感覺記憶是非常豐富的，但是也是瞬間的；工作記憶是在海馬體裡面，它和學習有很大的關聯。大腦皮層的記憶已經被抽象化了，是以人工智能的學者不能簡單研究計算，還要研究記憶；不但要研究學習和遺忘，還要研究三個不同記憶區的劃分方法。要研究工作記憶和場景記憶，怎麼樣幫助目前的瞬間感覺？人腦的計算沒有什麼複雜的變化，就是一種相似計算，是我們複雜化了。互動是腦認知的重要形态，互動的力度不一樣，各有各的不同，怎麼樣實作轉換？人在神經網絡互動的同時，還有與外面世界的互動，獲得心得感覺，是以互動隻有二重性。對于無人駕駛來說，你要從人的駕駛認知必須回答的問題，人腦是如何定位的。大家都知道，做無人駕駛最難的技術，就是實時定位，我們把大的坐标系叫做上帝坐标系，每個人看的都一樣，我們的智能體是以它為基礎的認知，是以我們提出對周邊環境進行實時定位，以及影射，這樣才能知道我這輛車目前應該在什麼地方采取什麼動作。語言我們認為是圖像認知在不同抽象中的語義标注，要構造不同尺度連接配接組的，三位一體的多個多層的卷積網絡。

這時候我們看看計算機的局限性，計算機最主要的是CPU，腦認知的單元每層都有記憶智能、計算智能和互動智能，這樣才能建立起來。我們的觀點和特斯拉不一樣，和谷歌有差別，和英特爾也有不同，我們認為八個字——“無人駕駛，難在拟人”。無人駕駛不僅僅是車，不是做自動化就可以了，自動化遇到了天花闆，人工智能來了。

我們有一點感歎，現在的汽車可以做到100馬力甚至更高，但是汽車真的不如馬的認知，馬是認知主體，老馬識途，車不如馬。現在無人駕駛遇到最大的痛點就是最後1公裡，回不來。共享單車回不來，将來共享汽車，最後1公裡回不來，共享汽車的商業化用途就無解。是以要想實作無人駕駛為主的駕駛，最根本的問題到底是解決車，還是解決人。我們發出一點不同的聲音，如果做解決車的問題，就把車的自動化做好，我們做一個軟體定義的機器，實作無人駕駛；如果解決人的問題，那就必須具有記憶、決策和行為能力的認知主體，進行自主駕駛，一字之差，差之毫厘。自動化學者和人工智能學者是有不同的觀點的。汽車的行為是由駕駛員決定的，無人駕駛難在拟人，是以我們要研究駕駛員行為學和駕駛員心理學。當在爆胎時，駕駛員的動作恰當嗎？我們要研究駕駛員的感覺、記憶、控制和行為技巧，而不是一味地改良車輛動力學性能，實作自動駕駛。

我們看看駕駛員的行為學和心理學，這張圖是在自動駕駛之前，在交通運輸裡就有的，專門研究駕駛員的行為學和心理學，分為感覺域、認知域和行為域。現在把感覺智能适應以後的結果演化成駕駛透視圖，通過深度學習或者算法，實作對方向盤和油門的控制；然後我們把駕駛員的駕駛技巧——怎麼樣省油，坐着舒服，就是有技巧的駕駛，怎麼樣使這個車子開的平穩。我們自然科學基金會組織全國八九次的比賽，考慮到裁判名額、圖靈測試的名額，我們檢測4個S，靠這4個S形成圖靈測試，拿出一個表，決定誰是冠軍、誰是亞軍。現在我們在做認知領域的深度學習，駕駛認知的核心是學習還是記憶，生活是記憶，駕駛也是記憶，駕駛員開車時都是在算賬嗎？是以記憶很重要，每次駕駛都會結合對過去駕駛的記憶。學習是什麼，學習是了解知識、形成記憶的互動過程；了解是資訊的認知或已有認知的結果；而記憶彌散在神經網絡之中。不去研究這樣的問題，做出的決策和結果出路不大。駕駛員的經驗和臨場處理能力必須由駕駛員自己替代。我們現在開始往記憶和互動上發展，當然計算也是很重要的。有的機關說我們做一個機器人作業系統，用它支撐駕駛員，作業系統ROS固然重要，但是它不能代表駕駛員。如果要說駕駛員的注意力，釋放駕駛員的認知，必須有一個物化駕駛員的認知。我們把特定的駕駛認知叫做駕駛腦，這樣一來就會注意力集中，永遠專注，永不疲勞，原來駕駛員發生的事故稱之為人類第一殺手，也就不再存在，這該多好。

駕駛認知。自動駕駛是機器駕駛，它物化了駕駛員的認識，實作了無人駕駛。我們想一想，自動駕駛如果是在地鐵比較好，因為鐵路是它的，還有網絡排程；如果是高鐵，也可以做自動駕駛，因為道路是封閉的，排程能力很強；如果是飛機也可以做自動駕駛，唯獨汽車不行。因為汽車是你個人的代步工具，它在開放不确定性的環境下，常常會遇到大雪、大霧、大雨。比如說冰雪，還有人為的紅綠燈失效、道路施工、車輛醉駕等，如果不具備處理這些能力，做自動駕駛可能難以勝任。有經驗的駕駛員、标杆駕駛員能夠靈活處置，自動駕駛車怎麼樣學習呢？這是我們研究的重點。一個小孩能夠成功抓住一隻球，這是計算出來了嗎？不是；是用了什麼算法嗎？也不是。一次又一次的學習、操練，久而久之，智能成為新的本領。我們認為，開車和學英語本質上是相同的，熟練的司機開車，如同自己走路一樣自然，開多了，不是每天都在計算。經驗駕駛員，不但要符合駕規，安全行駛，我們還要使車子坐起來比較舒服，從A點到B點怎麼樣舒服、省油，這也是駕駛員重要的技巧。是以，我們發明了一個單詞——Driving Brain，不同的人開車行為習慣不一樣，我們認為自駕車應該有個性，好像我們每個人開車都有個性一樣，如果你不強調開車的水準，我們可以找标杆駕駛員開車，這也是可以的。駕駛技能的習得通常通過認知、關聯、自主三個因素決定。如果像特斯拉一樣，把傳感器放在車裡，讓人工開車，開了兩年以後，拿回來一學習，再放回去讓它和你開車一樣。在路上的行為就成了自己的行為，人的感覺和車的行為達到了合一的境界，這是我們追求的目标。

我們十多年自動駕駛的生涯告訴我們，這件事情很重要，如果沒有的話，我們仍然會恐慌、迷茫，今天做的很好的，明天可能就做不好了。感覺認知和行為有一個比較好的回報過程，從動态感覺到态勢分解、到自主決策，這個期間場景記憶、功能記憶都起到很重要的作用。四類傳感器，分别是雷射雷達、攝像頭傳感器，還有車姿傳感器，還有GPS傳感器，這代表我們的感覺系統。而認知系統裡，既有駕駛技術，還有各種各樣的記憶棒；我們利用目前的駕駛态勢和時間序清單決策目前的認知，形成認知箭頭，控制車的動力和行為，這塊叫做小腦，因為它已經有駕駛技巧了，從感覺到認知到行動，再感覺到認知到行動。可先利用微電子技術，采用GPU+CPU+FPGA+ASIC機構，生産專用晶片和闆卡。2016年研發的駕駛腦V1.0，原來開始開車準備時間十幾分鐘，現在我們開車啟動時間隻要22秒。我們終于開始自己的發明，就是駕駛腦，它是給你拿駕照的，它是給你積累駕駛技能的，它是買路熟的，它是個性化駕駛和标杆駕駛，這些東西怎麼靠自動駕駛完成的？這就是我們在全世界自動駕駛的浪潮中發出了自己微弱的聲音。我們認為，人工智能的使命是加速汽車向人機互動的轉變。有了駕駛腦，有可能使汽車成為駕駛員自己，這是我們人類追求非常有理想、有意義的科技。我們很多人買聊天機器人，我們想汽車也應該是這樣的。智能駕駛專用實驗與評估環境，全國已經準許了7個實驗場，這很有可能發展成為賽車手和賽車機器人的賽車場。

機器人換人帶來一個新的行業，就是後圖靈時代，也許是人機共生、共融、共發展的時候了。如果人腦的特定問題域的認知能力可以先局部地得到解決，比如駕駛問題、寫作問題、學英語問題等；如果我們做一個流動大巴車，我們安排一個駕駛腦，安排一個聊天腦，不但會開車還會導遊，這樣下去，千千萬萬個特定的機器人認知腦，通過移動網際網路、雲計算和大資料，是不是可以倒逼變成一個通用的人工智能？或者強人工智能？我們一起來拭目以待！

（本報告根據速記整理）