|
想象一下您開(kāi)車(chē)的情形，前面不遠處就是人行橫道。您會(huì )觀(guān)察交通標志，也許還會(huì )留意路口是否有交警指揮。如果您的前面還有一輛車(chē)，您會(huì )想它可能會(huì )剎車(chē)。開(kāi)到路口后，您會(huì )快速掃一眼是否有行人要過(guò)馬路。您會(huì )看看人行橫道上是否有行人，做好禮讓正在過(guò)馬路或準備要過(guò)馬路行人的準備。您要在保證安全的前提下開(kāi)過(guò)路口。 這種場(chǎng)景展示的就是情境意識，這是人類(lèi)智慧的特征之一，指意識到周?chē)h(huán)境并對其做出反應的能力。在自動(dòng)駕駛汽車(chē) (AV) 領(lǐng)域，視覺(jué)系統、高端處理和神經(jīng)網(wǎng)絡(luò )使汽車(chē)能夠感知周?chē)h(huán)境、規劃行動(dòng)，并對不斷變化的刺激進(jìn)行響應，但是這些系統能達到人類(lèi)級別的情境意識嗎？ 看一下神經(jīng)網(wǎng)絡(luò )的發(fā)展，就可以發(fā)現達到這個(gè)目標的潛力和局限。 
圖1 : 交通場(chǎng)景下的情境意識 (圖片來(lái)源: MONOPOLY919/ShutterStock.com) 人類(lèi)的情境意識 繼續上面駕駛汽車(chē)的場(chǎng)景。人類(lèi)司機首先要感知情境，這需要了解所涉及的對象和人員，以及他們的情景和潛在的運動(dòng)。我們會(huì )感知人行橫道標志和信號、前方和后方的汽車(chē)、行人以及場(chǎng)景中的其他變量。此外，我們還會(huì )注意到一些更微妙的線(xiàn)索，例如行人的類(lèi)型和風(fēng)格（例如年齡是大是小、是否好勇斗狠、是否醉酒、走得是否很急），他們的活動(dòng)情況（例如單獨或結伴還有其他活動(dòng)）以及他們過(guò)馬路的意圖。在整個(gè)過(guò)程中，人類(lèi)司機會(huì )忽略與情境無(wú)關(guān)的輸入，例如落在停車(chē)標志上的小鳥(niǎo)或路邊的垃圾。 在人類(lèi)的情境意識中，感知和行動(dòng)之間的延遲使得人們借助更廣泛經(jīng)驗而做出選擇：這是預期結果與實(shí)際結果之間的差異。以經(jīng)驗為基礎，我們可以想象出多種場(chǎng)景，幫助我們評估潛在風(fēng)險并確定當前情況下的行動(dòng)。換句話(huà)說(shuō)，人類(lèi)不僅能記住先前行動(dòng)的結果與期望，而且還可以想象出多種可能的場(chǎng)景。在駕駛場(chǎng)景中，人們可能會(huì )想象出在這種情況下可能出問(wèn)題的地方，并將行人的視角考慮在內，作為決策過(guò)程的一部分。 想象潛在結果和觀(guān)點(diǎn)的能力證明了研究人員正在探索的東西——即，需要一套由感覺(jué)、知覺(jué)和大腦不同部分組成的完整集成系統，它們共同發(fā)揮作用以適應各種情況，才能稱(chēng)之為智能。人類(lèi)智能的血肉基礎作為認知的媒介，為感知、決策和行動(dòng)提供了背景并指明了方向。 人工智能中的情境意識 有多項技術(shù)可以實(shí)現人工智能 (AI) 系統中情境感知的某些方面。例如，在自動(dòng)駕駛領(lǐng)域，傳感器、傳感器融合和高端處理使車(chē)輛能夠感知場(chǎng)景，并產(chǎn)生交通情景的語(yǔ)義描述。它們構造出車(chē)輛周?chē)h(huán)境的表示形式，然后將這種表示形式分為多個(gè)單元，由此來(lái)實(shí)現這一點(diǎn)。隨后，通過(guò)混合傳感器方法、基于知識的推理、啟發(fā)式算法、貝葉斯推理、模糊邏輯和神經(jīng)網(wǎng)絡(luò )等手段，總體模擬人類(lèi)司機的感知。 為了復現出情境意識中的決策，可以通過(guò)局部?jì)?yōu)化、近似推理和基于先前訓練的模擬預期的神經(jīng)網(wǎng)絡(luò )來(lái)增強AI系統。就復現人類(lèi)智能而言，神經(jīng)網(wǎng)絡(luò )體現了大腦的結構連接，并實(shí)現了輸入特征及其隨時(shí)間變化的連續性。 在模仿人腦的功能連接方面，我們取得的進(jìn)步能夠實(shí)現大腦不同部分進(jìn)行的動(dòng)態(tài)協(xié)作，包括“高級”復雜結構與相連接神經(jīng)結構之間的動(dòng)態(tài)協(xié)作。實(shí)現了高等級神經(jīng)結構之間的這種協(xié)作，就形成了一個(gè)意義創(chuàng )造和推理的開(kāi)放系統，與情境意識中的人類(lèi)決策類(lèi)似。但是，不同大腦結構之間的協(xié)作需要上層結構的連接，也就是所謂的效應連接，以捕獲一個(gè)神經(jīng)系統隨時(shí)間推移對另一個(gè)神經(jīng)系統施加的影響。沒(méi)有效應連接，AI系統將無(wú)法根據各種輸入的重要性來(lái)確定它們的優(yōu)先次序，而這正是決策和采取正確行動(dòng)所需的先決條件。
圖2 : 交通場(chǎng)景下AI的語(yǔ)義分割 (圖片來(lái)源: MONOPOLY919/ShutterStock.com) 結論 人類(lèi)情境意識是指我們對周?chē)h(huán)境的意識以及對其作出的反應，這一切基于我們對整體場(chǎng)景的感知，以及對一系列相互聯(lián)系的經(jīng)驗（包括確實(shí)經(jīng)歷過(guò)和沒(méi)有經(jīng)歷過(guò)）進(jìn)行決策的能力。即使神經(jīng)網(wǎng)絡(luò )發(fā)展到能捕捉到情境意識中更復雜的方面，它們也永遠無(wú)法真正媲美人類(lèi)的智能。通過(guò)與人工智能之間的適當協(xié)同，即利用人工智能的優(yōu)勢，人類(lèi)可以增強自身的情境意識并對情境控制加以影響， 使機器（以它們的方式）變得更加智能的同時(shí)，讓人類(lèi)將注意力和精力集中在更具創(chuàng )造性的任務(wù)上。 文章來(lái)源：貿澤電子 作者簡(jiǎn)介：Constantin Thiopoulos是一位技術(shù)商業(yè)化專(zhuān)家，專(zhuān)注于人工智能領(lǐng)域，并且是多家源自知名研發(fā)機構的AI組織的聯(lián)合創(chuàng )始人，曾擔任德國人工智能研究中心的創(chuàng )新管理顧問(wèn)和多家歐洲公司的IT顧問(wèn)。他擁有人工智能博士學(xué)位、計算機科學(xué)碩士學(xué)位、哲學(xué)/語(yǔ)言學(xué)碩士學(xué)位，并曾擔任講師和客座教授。 |
