5月27日，備受關注的圍棋“人機大戰(zhàn)2.0”正式落下帷幕，最終柯潔以0:3負于人工智能AlphaGo，結局頗令人意外，卻又在很多人的意料之中——因為人工智能發(fā)展太快了。相比于2016年韓國棋手李世石挑戰(zhàn)的AlphaGo 1.0版本，今年柯潔的挑戰(zhàn)對象升級到了2.0，新的程序一改最初大量學習人類棋譜來提高棋藝的做法，而是可以自學并尋找規(guī)律，包括發(fā)掘出一些在人類對戰(zhàn)中根本不可能使用的招數(shù)，再加上超強的計算能力，才最終贏得此次比賽，成為圍棋界的“上帝”。

事實上，除了圍棋領域，人工智能在醫(yī)療科技、智能家居、物聯(lián)網(wǎng)平臺、自動駕駛等行業(yè)的應用也正越來越廣泛，越來越深入。特別是自動駕駛，作為未來汽車行業(yè)的一大趨勢，目前很多企業(yè)都在致力于應用人工智能技術實現(xiàn)更高級別的自動駕駛。在此過程中，人工智能逐漸被認為是實現(xiàn)自動駕駛汽車的關鍵所在，是推動自動駕駛商業(yè)化的核心。

然盡管各方造車勢力已經(jīng)意識到了人工智能對于自動駕駛的重要性，由于核心技術不成熟、相關法律法規(guī)不完善、缺乏專業(yè)人才等方面的原因，在通過人工智能推動汽車自動化、智能化這條路上，諸多車企和科技公司遲遲沒有大的進展，很多仍停留在前期的摸索試驗階段，難以大規(guī)模量產。

缺乏核心技術

如同自動駕駛可以分級，人工智能也有等級之分。對于應用于自動駕駛的人工智能技術，目前普遍的意見是將其分為三級：弱人工智能、強人工智能和超人工智能，其中弱人工智能即我們今天看到的AlphaGo、Siri、微軟小娜，更多的是充當人類工具的角色，專注于且能解決特定領域的問題；強人工智能為可以在一些領域勝任人類大部分的工作，甚至具備自我意識；超要實人工智能則是比人類還聰明的人工智能系統(tǒng)。而實現(xiàn)自動駕駛，最少要達到強人工智能級別，無人駕駛則需要達到超人工智能級別——不僅要理解車內人員的意圖，還要時刻觀察周邊車輛、行人等的運動狀態(tài)，并對他們的行為做出預測，制定好應對措施，其難度遠高于圍棋對弈。從這一點來看，目前的技術顯然還達不到要求。

眾所周知，通過人工智能實現(xiàn)自動駕駛，相當于“做”一個機器人代替人類開車，那么類比人類駕駛員，這個機器人也需要人類的“眼睛”“大腦”和手腳。從這個層面來講，安裝在車上的各種傳感器，諸如攝像頭、激光雷達、毫米波雷達等就相當于傳統(tǒng)駕駛員的“眼睛”，可以幫助自動駕駛汽車“看”清周圍環(huán)境信息，采集路況信息；高效處理芯片相當于“大腦”，用于進行信息處理，對信息進行分析，以獲得下一步?jīng)Q策的依據(jù)；最后則是根據(jù)結果對車輛進行加速、減速、轉向等控制，實現(xiàn)同人類一樣的駕駛水準，甚至超過人類駕駛水平，提升駕駛安全性。目前來看，在這四大層面，都存在相關的技術不足。

首先，感知技術。

目前，應用于自動駕駛開發(fā)的傳感器主要有攝像頭和雷達兩種，其中雷達又可分為激光雷達、毫米波雷達和超聲波雷達，除此之外還有剛剛嶄露頭角的生物傳感器。這些傳感器從功能上來講，各有各的長處，如攝像頭分辨率高、速度快、成本低，激光雷達探測范圍廣、探測精度高，毫米波雷達識別精度高、性能穩(wěn)定。但單獨使用時它們的缺點也很明顯，像激光雷達在雨雪霧等極端天氣下性能較差、價格高，毫米波雷達對周邊所有障礙物無法進行精準的建模、無法感知行人，超聲波雷達抗干擾能力稍差、作用距離短……幾乎每一種都有缺陷。

在此背景下，現(xiàn)在一些企業(yè)想到了將不同種類的傳感器進行組合使用，如“攝像頭+毫米波雷達+超聲波傳感器”組合，或者“超聲波雷達+毫米波雷達+激光雷達+攝像頭”組合方案，效果的確比使用單一傳感器要好，但成本往往也更高，用在量產車上根本不現(xiàn)實。