李德毅：对待人工智能要有一点敬畏之心 | 【创客】

朱熹在《中庸注》中说：“君子之心，常怀敬畏。”对于中国工程院院士李德毅而言，人工智能是一场持续了三十余年的马拉松研究。他关注变化，合纵联横，时刻保持自警与自省，也精于市场之道。

人工智能受到有如明星般追捧，不过是近一二年的事情。「狂热」运动下，有人将科学精神滥用，工匠之心冲刷，这在一定程度上稀释了人工智能的应有之义。

心有所畏，行有所止。李德毅认为无论科学问题多么高大，都需要一个载体来体现学问、方法和创新。只有同时在汽车和IT两个行业成为专家，才是真的跨界。「驾驶脑」就是在他智能驾驶领域的一次产业探索。

他反复提及智能车和轮式机器人的自主知识产权与国产化，虽然个人力量有限，却也希望以一己之力，去做出一些改变。

——车云按

中国工程院院士 李德毅

1.智能驾驶：驾驶脑和记忆棒下的人机共驾

从最早的天津军事交通学院的猛狮3号路测、北京联合大学的自主驾驶项目、与北汽的研究合作，到去年智能车挑战赛上与清华的合作、担任百度自动驾驶事业部顾问等，在与「人工智能」、「自动驾驶」相关的活动中，不难找到李德毅的身影。

对于年过古稀的人来说，李德毅的档期实在太满。在他办公室的书桌上，会放着一本大概有A2纸张大小的月历，采访时，四月的那一页满满当当。

不过，与高校的合作已经不全是李德毅的重心所在。“我现在主要是做产业化，跟企业合作。如果汽车没有电子化、数字化、自动化就不可能有智能化。”

李德毅的产品叫做「驾驶脑」。驾驶脑即是代替人类，去指挥车辆进行自主驾驶的认知和控制单元。不过需要说明的是，李德毅希望借助「驾驶脑」实现的，并非是完全的无人驾驶，而是人机共驾。人与机器的关系，类似骑士与马。

未来，李德毅能够提供给车企的，是驾驶脑这个产品以及针对不同应用场合的系统解决方案。 “如果你的车是跑厂区通勤的，那我可以增加厂区通勤的记忆棒，如果是经常上下坡的，那就提供爬坡的记忆棒。”

所谓记忆棒，指的是在不同的驾驶场景下，系统收集到的各类数据， 这些数据中包含在对应场景下车辆上各类传感器收集到的数据，李德毅称之为「驾驶态势」 ，以及有经验的驾驶员应对驾驶态势时如何控制油门、刹车与转向系统。两者相结合就形成了对应场合的记忆认知。

在李德毅看来，将人类在驾驶活动时的动机、思维与记忆等用机器来实现，就是驾驶脑。 在这个过程中，记忆认知与交互认知，相比计算认知更为重要。

记忆棒的形式让驾驶脑的系列化有了可能。而让李德毅认为驾驶脑能够可行的，是其中的双总线架构。驾驶脑首先会根据当前传感器收集到的数据生成当下的驾驶态势，并将其与存储在记忆棒中的驾驶态势进行比对，比对之后，机器会根据当时人类的驾驶行为去进行操控。

在这个过程中，驾驶脑需要不断地进行感知、认知与决策，并通过新收集到的数据对此前的决策行为进行优化。双总线即是根据这个过程分为了工作总线与自学习总线。自学习总线对新收集到的数据进行分析与学习，增加经验，而工作总线则负责输出控制命令。两条总线工作在不同的网络之下，既互不干扰，又相互联系。

驾驶脑样品

这台驾驶脑中使用了英伟达的四块TX1芯片。李德毅在介绍时提到，对于驾驶脑有「一大一小，两高两低」的要求：一大指大接口，能够兼容任何种类与形式的传感器；一小指小尺寸，整个控制单元的尺寸未来能够做到2个手机大小；两高指高性能与高可靠性；两低指低成本与低功耗。

目前，李德毅正在与车企进行驾驶脑方面的合作。根据应对场合不同，驾驶脑将会出多个系列，今年，这些不同系列的驾驶脑将会生产小批量样品，在不同的车型上进行产品验证以及搜集企业反馈。

2.同一个人成为两个行业的专家，才叫跨界

汽车的智能化进程甫一开始，关于科技界与汽车界的对垒与融合就处于观点激战中心。以谷歌为代表的科技公司主张汽车接管驾驶的全无人驾驶思维，主流车企则坚守以人为驾驶主体的辅助驾驶思维。

李德毅也表示自己的观点与做车辆自动化的人存在差别：从人工智能的角度来看，要把汽车变成一个轮式机器人，重点不是它的行为能力，而是它的感知和认知能力。

1.感知。GPS/北斗+IMU、雷达与摄像头构成了三路传感器通道。实现自主驾驶，需要不同的传感器各负其责、尽力而为。从产业化的角度来看，要同时考虑成本和可靠性，所以现在的自动驾驶流派之争，归根结底，是成本与可靠性之争。“必须要将不同传感器获取的信息在认知环节进行态势融合，并在此基础上完成自主决策。”

2.认知。就像人类开车时需要眼睛与耳朵，智能驾驶需要感知无须赘述，但是往往容易忽略认知，“认知是芯片对处理的处理，是驾驶经验的记忆。”李德毅认为传感器固然是智能车的重要组成，但单纯依靠传感器来做决策，没有充分利用优秀驾驶员的驾驶经验，因此认知的作用更加不能小觑。比如通过摄像头或者雷达进行测距，当发现距离过近的时候，就进行警告进而自动刹车。这个过程直接从感知到决策到行为控制，并没有涉及认知环节。

李德毅认为，这是不同行业背景的人带来的知识局限。“行业背景是一个坑，有时候会掉进去太深跳不出来。 不同行业的人跨界合作，不仅要跳出自己的坑，还需要跳到对方的坑里去。”

换言之，IT行业的人要做智能驾驶，必须先深入了解汽车行业。近日应宜伦在公开场合提到放弃造车的原因也从侧面应证了这一观点：“过去对汽车产业了解不够，通过一番探视发现造车的风险太大了，过去的想法缺乏一个敬畏的东西。”

反之，汽车行业在人工智能面前，同样是个新手，上面提到对认知环节的缺乏正是源于此。在李德毅看来，“人工智能的核心不仅仅是算法，更是学习。在今天的大数据环境下，可以将程序放到数据里，形成数据驱动的人工智能。”

应用到智能驾驶上，“如果能够通过记忆认知、计算认知、交互认知三位一体的认知网络，形式化脑认知，形成决策脑，就可展现出人工智能的井喷局面和灿烂前景。”驾驶脑通过自学习可以汇聚多人的驾驶认知，驾驶水平提高的速度要远远高于单个驾驶员驾驶技巧自然进化的速度。

不过，归根结底，“你还需要跳回到自己的坑里来，把自己的事情做好，这才叫做跨界。”

李德毅引用了AlphaGo的例子。“你看发表在《自然》杂志上的论文，这20个作者既懂围棋又懂程序。搞汽车的应该向他们学习。我们这些IT人要学汽车工程、汽车人要学IT，同一个人要成为两个行业的专家，这才叫跨界。”

智能驾驶的实现中，大数据分析、算法与车辆控制同等重要。李德毅反复提起，“搞IT的人，要尊重汽车工业发展走过的道路，跟车企合作是必然的方向。”驾驶脑核心研发团队虽然只有20多人，但算上各方合作的外围人员，则有两三百人。“我愿意跟所有想进入这个行业的人合作，我们的视野是全球的。”

3.轮式机器人的中国困境

国内的自主驾驶研发工作，学院派依然占主流，自主品牌中涉猎自动驾驶研发的，大多数的做法是与学校进行合作。然而这个合作在缺少核心零部件供应商的时候，起到的效果难以让人满意。长安在北京车展上的一场表演，隐藏在幕后的是博世的力量；北汽在车展时的自动驾驶体验车采用的是亚太底盘的国产技术，但在动力、传动系统调校上仍有不小上升空间。

不乐观的真正原因，并非仅是技术上的缺乏，更在于留给自主品牌的时间已经所剩无几。 在本月的CES亚洲展上，沃尔沃表示在瑞典的Drive Me项目结束后，会将成熟经验引进国内进行测试，这个时间基本上不会超过2020年；大陆已经确认今年内就会在国内开始公开道路的自动驾驶测试，目前正在与政府接洽中；博世虽然并没有直接宣布此类消息，但却表示“很多工作我们已经展开，只是还没有正式公布”。

造成这种结果并非只有车企，上游供应商乃至整个产业链结构都是原因所在，在传感器行业也面临同样的困境。 李德毅提到，国内目前还鲜有企业进行车载激光雷达的研发，即便是毫米波雷达，能数出来的也不超过十家。成熟的四线激光雷达基本是Ibeo的产品，毫米波雷达则以德尔福为主，摄像头更是Mobileye的天下。现在传感器的成本正在快速下降，最终的市场竞争力并不取决于产品的成本，而是性能和数量。

怎么破局？李德毅认为历史总是惊人的相似，“三四十年前我们想依靠市场换技术没有换到，现在仍然换不到。所以一定要强调创新，强调自主知识产权，强调研发中国国产的车载传感器包括驾驶脑。”

现在，已经有一批创业者正在崛起，他们能否抓住智能汽车转型升级的历史机遇？李德毅认为资金、技术、团队、市场四个要素当中，最主要的是市场。他寄语年轻人“找到你的市场，找到你的第一桶金”，也期待千千万万特定问题域的认知能力局部形式化之后，用人工智能技术构建千千万万“一脑一用”的认知脑，并通过移动互联网、云计算,逼近一个“一脑万用”的人造生物脑。

那将是人工智能的最终繁荣，也是人类的超能时代，因此，他也常把另外一句话挂在嘴边：“对人工智能要有一点敬畏之心”。

本文链接： http://www.cheyun.com/special/chuangke/texie/47

本文为车云网原创文章，欢迎关注cheyun.com,微信添加“cheyunwang”或“车云”订阅公共帐号。