想象一下，您正在開車并接近人行橫道。您觀察張貼的標牌，也許正在尋找交叉路口巡邏隊。如果您跟隨另一輛車，您知道它可能會停下來。到達十字路口后，您會左右掃視一下，看看是否有行人打算過馬路。您檢查已經在人行橫道上的行人，并準備讓行人過馬路或即將過馬路。在安全的情況下，您可以繼續通過十字路口。

這個場景展示了情境意識，這是人類智能的一個特征，指的是意識到并能夠對我們的周圍環境做出反應。在自動駕駛汽車 (AV) 中，視覺系統、高端處理和神經網絡使車輛能夠感知周圍環境、計劃行動并對不斷變化的刺激作出反應，但我們能否在這些系統中實現人類水平的態勢感知？看一看神經網絡的進步，就會發現實現這一目標的潛力和局限性。

人類的態勢感知

繼續駕駛場景，人類駕駛員首先感知情況，這需要了解所涉及的物體和人員以及他們的情況和潛在的動作。我們檢測人行橫道標志和信號、前后車輛、行人和場景中的其他變量。我們還注意到更微妙的線索，例如行人的類型和風格（例如年輕、年長、好斗、醉酒、匆忙）、他們的情況（例如參與其他活動，單獨或成群結隊），以及他們的意圖跨越。在整個過程中，人類司機會同時忽略與情況無關的輸入，例如停在停車標志上的鳥或路邊的垃圾。

在人類情境意識中，感知和行動之間的延遲導致基于更廣泛經驗的選擇：這就是預期結果和實際結果之間的差異。借鑒經驗創造富有想象力的場景，幫助我們評估潛在風險并確定當前情況下的行動。換句話說，人類不僅記得先前行動與預期的輸出，而且還記得他們可能想象的替代場景。在駕駛場景中，人類可以想象在這種情況下會出現什么問題，并將行人的觀點作為決策過程的一部分。

想象潛在結果和觀點的能力證明了研究人員正在發現的東西——即，體現智能需要一個完整的感官、知覺和大腦不同部分的綜合系統，它們一起工作以適應情況。人類智能的這種物質基礎展現了一種情感視野，它為感知、決策和行動提供了背景和方向。

人工智能中的態勢感知

有幾種技術可以在人工智能 (AI) 系統中實現態勢感知的某些方面。例如，在 AV 中，傳感器、傳感器融合和高端處理使車輛能夠感知場景并得出交通狀況的語義描述。他們通過構建車輛環境的表示，然后將該表示拆分為單元來實現這一點。混合傳感器方法、基于知識的推理、啟發式算法、貝葉斯推理、模糊邏輯和神經網絡的組合創建了對人類駕駛員感知的總體估計。

為了在態勢感知中復制決策制定，可以通過局部優化、近似推理和基于先前訓練模擬預期的神經網絡來增強 AI 系統。在復制人類智能方面，神經網絡捕獲大腦的結構連通性，并使輸入特征與其隨時間的演變之間具有連續性。

模仿人類大腦功能連接的進步允許大腦不同部分的動態合作，包括高級、復雜結構和有線神經結構之間的合作。啟用高級和神經結構之間的這種合作會導致一個開放的意義創造和推理系統，類似于人類在情境意識中的決策。然而，不同大腦結構之間的合作需要上層結構連接，稱為有效連接，以捕捉一個神經系統隨時間對另一個神經系統施加的影響。如果沒有有效的連接，人工智能系統就無法根據輸入的重要性對輸入進行優先級排序——做出決策和采取正確行動所需的優先級排序。

結論

人類情境意識是指我們基于對整個場景的感知以及利用一系列相互關聯的經驗（已實現或未實現）做出決策的能力，對周圍環境的感知和反應。即使神經網絡進化到捕捉更復雜的態勢感知，它們也永遠無法真正匹配人類智能。AI 和人類之間的正確協同作用可以利用 AI 的優勢，同時使人類能夠增強態勢感知并影響態勢控制。反過來，這將使機器更加智能（以它們的方式），并允許人類將注意力和精力集中在更具創造性的任務上。

審核編輯hhy