文 | Karakush前天成都车展媒体日|智己：我们的智能驾驶远超头部( 二 )

细究起来，机器学习大致可以被分为四层。最基础的是技能推理，比如今天的智能汽车已经非常擅长在高速公路上排队行驶；下一层是基于规则的推理，比如碰到某某道路标志、信号灯、加塞行为要做什么，也是市面上的产品能大致实现的功能。
第三层是基于知识的推理，比如某个标志一半被遮挡，能不能辨认出它是一个神马玩意儿；在不同的城市，红绿灯可能长成不同形态，能不能判断出它还是红绿灯。
再往上则是我们所期待的层级，当被扔到一个全新的场景中，可以综合运用知识、经验和技能安全地完成行程。对于人类驾驶，完全没有问题的——
对于自动驾驶而言，从第三层开始就都是问题。即便是市面上被吹爆的产品，也无法基于知识完全实现对世界表征的推理。它们普遍都具备出色的模式匹配能力，但是延展泛化极其有限，更不用提跨领域应用经验。
比如，它们可能将路边的雪人识别为潜在的行人，但是无法判断是无法穿过马路的无生命物体；也解释了为什么同样的事故原因无法规避，你没有办法一劳永逸地“教会”一个机器。
这体现了经典的莫拉维克悖论，让计算机下棋反倒是相对容易的，而让计算机像一岁小孩那样去感知和行动却难到不可能。你可以教会一个小孩插座高危勿碰，却要教一个机器所有的插座是个啥玩意儿。这个过程就是所谓算法。
所以在学界看来，机器学习数十年的突破只产生了最原始的“智能” 。这带来的思考是，我们基于一丢丢的智能驾驶成就，而对于自动驾驶的冒进想象，是不是犯了“第一步谬误”：猴子上树了，但是这难道能算是猴子登月的第一步么。
产业当然是抱持不同看法的。产业认为可以通过工程手段把这件事分成几个子系统去实现，比如用冗余机构和海量数据去尽量覆盖“知识面”；用高精地图来填补传感器数据中的空白。现在走在前头的企业普遍如此。

文章图片
智己或者说其背后的技术提供商Momenta也是以数据驱动算法为优势，从感知到预测，再到融合、规控所有的技术模块，全流程数据驱动。智己汽车联席CEO刘涛介绍说，这在行业里是非常领先，我们应该是首个实现全流程算法智能驾驶能力的企业。
这个优势在正式量产后会更加放大，遇到一些复杂场景下的cornercase ，也可以实现快速迭代。 “基于海量数据、数据驱动算法，以及一套完整的基于数据的工具链——大家可以理解为数据工厂，基于这三个因子，形成快速迭代和进化的能力。在这一方面，我们跟上汽一起来完成智己IMAD产品的共创。 ”

文章图片
被问到近期业内的事故，刘涛按下不表，但是给出了智己的立场。今天主流的自动驾驶，本质还是高阶辅助驾驶。消费者还没有到真正需要自动驾驶的阶段，他们真正在意的是每天从公司到家的路途中，遇到堵车能否让他花在驾驶上的时间尽量低一点，舒适程度尽量高一点。
至少在未来三到五年，我们还会处于人机共驾的状态。在很多朋友看来，这就是“自动”的伪命题，然而显然我们没法越过这个阶段。包括车企和监管机构都要在这样的前提下思考：自动驾驶技术不可能完美的，除了换一个合适的称呼，还能做些什么。
智己的方案是加强人机之间的沟通，比如IMAD“信任增强”系统，会以Wi-Fi信号的方式显示分级预警，让接管变得可预测，同时也会通过屏幕、语音、声音、DLP数字投影大灯、安全带震动等多模态交互提醒，避免非预期的接管体验。