最近自動駕駛日子不好過了，昨天看到一個微信文章：“潮落！自動駕駛擱淺在2018灘頭”，什么原因？我們看看，2018年是信息時代和智能時代交錯的時代，信息時代還沒有完全過去，智能時代已經來了。

李德毅著名指揮自動化和人工智能專家，中國工程院院士，歐亞科學院院士，中國人工智能學會理事長，中國指揮與控制學會名譽理事長，國家信息化專家咨詢委員會委員，博士生導師，清華大學、國防大學兼職教授。

（根據李院士在2018首屆智能指揮調度技術創新大會發言）

很高興跟大家先談一下一體化指揮調度，我一輩子都在做這件事，因為軍隊最需要，公安最需要，高鐵需要、銀行需要，國家應急救援需要，城市交通一體化更需要。所以國家工程實驗室的1/9要在這兒了。今天是智能指揮調度技術創新大會，要看看人工智能怎么深耕到指揮調度。我覺得，一體化指揮調度技術分兩大塊：一塊在網上，一塊在邊上。我們部隊戰斗力提升，有一個重要原因，就是要力量到邊，邊緣戰斗很強。我今天利用交通和汽車這件事來展望一下一體化指揮調度技術在新時代會有什么變化，因為城市的交通指揮調度是反映一個城市水平的最直接名片。

自動駕駛等級度量

最近自動駕駛日子不好過了，昨天看到一個微信文章：“潮落！自動駕駛擱淺在2018灘頭”，什么原因？我們看看，2018年是信息時代和智能時代交錯的時代，信息時代還沒有完全過去，智能時代已經來了，所以聲音很多，大家都很積極。在這個情況下，像電子、微電子、光電子工程、通信和網絡工程、計算機科學與技術、控制科學與工程都在積極地為智能做貢獻，而智能科學與技術僅僅是最小的一個弟弟，所以是信息時代的四個哥哥能力很強，他們也長得很強壯，而人工智能目前來說“可以用，不好用”。所以人工智能還在成長時期，而四個大哥哥已經相對成熟了。在這種情況下，搞電子、微電子可以有一張最響亮的名片“智能芯片”，國家一看這是核心，所以加大投資；還有搞控制的，說我搞智能控制，又火了；搞網絡的，說我搞智能網聯，也很火；搞計算機的，說我搞智能計算。其實從學科發展來看，可以認為是把智能當做馬甲穿在身上，不管是做芯片，還是控制，還是網絡，還是計算，他們確實想把人工智能用到他們那個行業里面去。

在這種情況下，傳統車企、造車新勢力、互聯網企業、新興行業、還有一大批創新創業青年，都看好自動駕駛，樂此不疲。全球智能芯片、智能網聯、智能計算、智能控制的黑科技全都聚焦到同一個載體—汽車上，都在為自動駕駛燒錢,不無道理！我們搞一體化指揮調度，云計算有你的事，邊緣計算也有你的事，咱們一體化指揮調度技術的工程實驗中心應該怎么看待這個問題。

長期以來，J3016 標準主導了自動駕駛等級全球輿論。也就是L0到L5，我在幾年前就對這個標準提出置疑，我說很簡單，就是L2和L3，讓公安交管部門怎么度量它是L3還是L2？有的公司提出來L2.5，這是什么意思？我們看看這四個點挺重要：第一點自動駕駛轉換點如何度量？如果沒有拐點就互相扯皮。第二點操控權如何交接？第三點操控權交接過程中的事故責任如何認定？第四點給自動駕駛車發什么駕照？要可操作才行。

全球都認“感知、決策、控制”這個路線，好像沒有分歧，都希望自動駕駛的模式越來越多，最后一下子跳到全自動。自動化的人就研究確定性窗口條件的描述，從事交通的就研究車聯網，現在5G很火，也確實很重要， 我們要想想5G在自動駕駛中究竟充當什么角色？大家都希望有一個智能的路，一個聰明的車，他們加在一起是不是就可以全自動？全自動駕駛←∑自動駕駛模式i，問題就出在這個箭頭上，數學上有一句話叫做“當且僅當”，充分必要條件要滿足，這個箭頭才成立，如果當且僅當這個條件不滿足，全自動駕駛就很難。

從事人工智能的就問：自動化哪些東西做不了？我們認為汽車人已經把汽車的自動化做到了極致。但是無需駕駛員的自駕駛，必須能像人一樣具有學習能力，能應對各種邊緣工況。因此自動駕駛亦或是個陷阱，要擱淺在2018年？新的寒冬來了？

谷歌Waymo公司CEO 約翰.科拉菲克說：L5技術真的真的很難。全球做自動駕駛最高的就是他了，他說很難很難，投資家就慌了。蘋果聯合創始人史蒂夫·沃茲尼亞克說：自動駕駛汽車不可能在不久的將來實現，我不相信自動駕駛汽車。這兩個重要的人物一說，大家認為自動駕駛的寒冬來了。

因此，對L0到L5這個等級劃分要進行重新的認識。我們提出要以特定地區駕駛可靠性為導向新的等級度量方法，根據安全駕駛可靠性統計把出錯率不高于10的-2次方自動駕駛車輛定義為L2，出錯率1%，就是出去開100次（或者100小時），拿了一個罰單回來。人是什么水平？一般駕駛員一天開4小時，一年開250天，一年開一千小時拿了一次罰單，這是一個好的駕駛員，我們可把他的水平認定是L3。如果你的自動駕駛汽車達到L3，給你發個L3駕照，如果L4就發L4的駕照，將來就會達到百萬分之一L6，甚至像我們的智能電網出錯率是10的-9次方，這意味著自動駕駛車等級永遠沒有完全自動。這就為交通部門給自動駕駛車發照（或收照）有了可度量、可操作的簡捷方法，極大地加速自動駕駛技術迅速落地過程，也為無人駕駛車輛的應用（如保險業務）開辟了新的空間。

傳承學習和自主學習

當汽車從人類的代步工具、由人操控的機器，演化為有主體認知能力的輪式機器人，汽車行業的傳統法則將被重新書寫。人和輪式機器人不僅是控制和被控制的關系，而是教和學的關系，是交互和協同的關系。

談到“學習”，最火的一門課叫機器學習，其實機器有什么好學的，應該是機器人學習，我們講的是監督學習、半監督、弱監督學習、無監督學習，現在的深度學習就是有監督的學習。深度學習是人工智能第三輪浪潮的最顯著的標志，到底怎么看待深度學習這件事，我做一個理解：

起始于一個較為通用的多層次特征提取的神經網絡分類模型，依靠足夠多經過標注的樣本數據，通過隨機梯度下降方法，正反向反復迭代，確定大量的可調參變量—權值，把高維復雜非線性問題近似為足夠多通過參變量限制的較低維非線性問題的疊加，把整體高階轉為多局部低階。這樣形成的數學形態，能夠和整個樣本數據有最優的擬合。搞人工智能的人得出一個結論：深度學習不是萬能的，但是沒有深度學習是萬萬不能的。

從我們人類的成長學習過程引申到機器人學習，可分為兩種：一是傳承學習，一個是自主學習。前面是接受知識和運用知識的能力，一個人在大學畢業之前基本上是受教的，以傳承學習為主。我們發現，只有通過傳承學習，自動駕駛車才能擁有人類累計的駕駛知識或駕駛文化，這就對當前自動駕駛寒冬的一個解釋，為什么遇到寒冬？因為你沒有傳承，沒有認知的積累，做不到到處跑的。舉個例子來說，傳承學習主要是顯知識，適應生態文明，由上而下，主導型強。自主學習是隱性知識，反復實踐，成為本能，由下而上，主體性強。

說車輛靠右邊行駛，無人駕駛車怎么知道？開到了香港又是靠左行使的。比如說，北京現在要求禮讓斑馬線，邊上一個老太太走得很慢，你先穿過去還是等她走過去？這個靠激光雷達怎么表現？再比如說工作期間北京公交車道7-9點不能占用，無人駕駛車怎么知道這個事？所以大家可以想像：未來的汽車一定是在云上有一個窗口把指令發過去，到那一天就知道了7-9點我不能占用，還有我是否限號。反過來，有些事情靠傳承學習是學不好的，比如說超車并道。最近一年我們對客車側翻做了研究，你不醉酒開車了，你不疲勞開車，你的注意力集中了，但是不等于你的車不會側翻，比如說風一大，緊急剎車以后一拐彎就側翻了，這些事情就像平時學游泳一樣，一定要到水里去游，而不是聽別人教，技巧需要自主學習。

我們現在正在做一個駕駛腦，我們注重的不是車，我們側重人，我們要做一個駕駛員的智能代理，由若干處理器、交換機、存儲器的芯片組成，配有各種傳感器接口、相關軟件和數據包，構成一個物理設備。它和人的駕駛認知有高度同構性，駕駛認知涉及視聽覺、思維、記憶、學習、交互、控制等一系列活動。學習并替代駕駛員的駕駛認知能力，積累駕駛技巧，實現有個性的擬人駕駛。

我們希望不同的車輛平臺、不同的傳感器配置、場景，按照我們前面定義的等級評定準則，你可能拿的評測就是L3、L4、L5、L6不同。如果我們做一個卡車用于港口集裝箱運輸，他達到L3也就可以運行，我們卡車司機不好找。如果我們一個客車在北京做到L5，可以上路。但是在重慶，道路上立體感很強，可能要重慶市公安局和北京市公安局協商一下，這兩個區域的L5是否可以等同，所以特定地區是前提條件。

人和輪式機器人在一起有四種工作狀態：標桿駕駛員開車機器人學習（監督學習）；機器人開車人可干預（半監督學習、弱監督學習）；機器人開車機器人自學習（無監督學習）；如果機器當教練，教人或其他機器人開車（教人：逆監督，教新機器人：監督學習）。在標桿駕駛員開車機器學習時主要用深度學習，在機器開車人可干預是用強化學習，機器人開車機器人自學習時，就是生成一大堆對抗樣本，用對抗樣本生成再學習，從而構成一個迭代的過程。

駕駛認知不是一次完成是迭代學習，既包括深度學習、還包括強化學習、還包括生成對抗樣本學習，從而形成一個逐步穩定的認知。

這里面我們尤其關注另外一個事情。可以讓機器人成為司機，不但可以成為我們出行的代理，機器人還可以成為“執勤交警”和“路巡員”，因為可以檢查路面情況，隨時報告交通中心。輪式機器人群體知識共享和傳承的速度遠大于自然人群體！

開車對人而言主要通過事故使他的水平提高，我們關心追尾、爆胎、側翻等事故，最近我們重點研究側翻，拿到3260起事故數據，我們希望通過事故記錄儀做一個好的事故防范的記憶表。側翻事故是有苗頭的，側翻可以用車輛動力學解釋，存在黃金一秒期。側翻一開始，一側兩個輪子起來，當另一側兩個輪子也離開地面，側翻結束，如果有下坡就是翻滾。這個時間前后兩秒左右。用專家群體智能，分析并吸取事故駕駛員教練，物化為長期記憶，依靠突發場景觸發，正確應對。因此我們有了負學習過程中的深度學習、強化學習、生成對抗樣本學習。用駕駛腦防范側翻，給我們一個啟發，就是當人失去理性時，可以讓人工智能幫你的忙，用人工智能彌補側翻事故的發生。用人工智能可以規范化復制工匠的個體智能，可以彌補突發情況下個體智能缺失。

引領行業轉型升級

對人工智能要有敬畏之心。機器人將來會開車、會學習、會交互、有個性、有悟性！如果會開車一旦解決，就變成移動問題解決了，那么主持、看病、陪護、手術、賣貨、理財一大批都會出現。人類就多了一類朋友。

構成輪式機器人的三大塊重要部件：一個靈活的腿腳——數控底盤，一個是強大的心臟——新能源，一個是智慧的大腦——駕駛腦。自主駕駛難在不確定性駕駛——邊緣駕駛！要把“最后一公里問題”當作最先一公里來解決，自主應對駕駛過程中常常遇到的、偶發的各種各樣的不確定性!

機器人一旦成為移動社會的傳感器、大數據的重要源泉，那么將為一體化指揮調度帶來極大地便利，因為每個邊緣系統都是數據發生器，機器人駕駛認知的進化速度可以超過自然人，邊緣計算、云計算一同產生群體智能。

1886年卡爾·奔馳獲得全球汽車的第一個發明專利，之后汽車工業成為制造業的典范，成功在于兩個字：規范化生產和精細化管理。今后輪式機器人還有三個關鍵詞：那就是模塊化定制，數據驅動的控制和學習，以及未來出行的科技服務商。

原來研究的車輛動力學不等于駕駛員在環的車輛動力學，輪式機器人動力學等于駕駛腦在環的車輛動力學。知識、數據雙驅動的迭代學習將變成一個今后的方向，智能的路，聰明的車，會讓輪式機器人玩出更多的精彩，無人駕駛有望消滅疲勞駕駛和醉酒開車，會學習的輪式機器人會開車、會交互，有個性，有悟性，能夠防范各種嚴重事故，甚至可以玩出各種特技來。

人類衣食住行的開銷，衣食住加起來也趕不上行。隨著道路的智能化和學習型輪式機器人普及，路越來越智能，車越來越聰明，駕駛和交通的數據越來越累積，人類的出行方式就真的變了，中國乃至這個世界，就真的變了。