谷歌无人车之父Sebastian Thrun：机器学习能力将超人类

2017年08月24日，由腾讯汽车联手创新港举办的2017全球汽车AI大会在上海正式拉开大幕，30余位来自全球顶尖科技公司、汽车企业的高层以及国内外学术专家齐聚上海，共同为AI技术与汽车产业的未来建言献策。亿欧作为此次大会的支持媒体，参与全程报道。

活动现场，优达学城（Udacity）联合创始人兼总裁，斯坦福大学终身教授，原谷歌副总裁、Google X实验室联合创始人、谷歌无人车之父Sebastian Thrun发表了以“我们是否会成为AI的囚徒？”的主题演讲。他表示，谷歌无人驾驶系统采取深度学习的方式，将驾驶记录的数据输入到计算机里面，通过机器人自我学习或车联网的方式掌握各个交通事故的模型。但除非遇到交通事故，人类驾驶汽车很容易重复犯相同的错误。

原本看似疯狂的新兴技术发展，可能在未来某一天就改变了人们的生活和工作。“12年前，我永远都不会想到无人驾驶会成功，只有书呆子才会觉得无人驾驶会实现，但是作为科研者，我们就是要把不可能变为可能。”Sebastian Thrun表示，“假如自动驾驶真的成为现实的话，大概有10%的工作将会发生改变，比如说卡车司机的工作可能会被代替，不管是几岁小孩或者是百岁老人，都有可能实现自由的驾驶。”

“无论对于AI的存在致以多大的怀疑，在一两年之后，大家都不得不接受机器的学习能力要远远超过人类学习能力这样一个事实。”Sebastian Thrun坚信，2050年自动驾驶会超过人类驾驶行为。同时，随着深度学习概念的诞生和发展，AI技术在包括癌症诊断、远程医疗等领域发挥了重要作用，有了深度学习就会使技术不断向前推进。

【Sebastian Thrun现场演讲实录（有删减）】

首先，我想给大家谈一谈无人驾驶，我从事这方面的研究已经超过十年了，我会给大家说一说自动驾驶的一些历史、目前的发展情况，以及未来的发展前景。

每年交通事故会导致超过上百万人的死亡，特别是在中国，因为中国的人口基数很大，汽车保有量也很大。从全球范围来看，我们所面临的问题都是一样的。

我与无人驾驶真正结缘是从2004年开始，也就是13年前。13年前，美国政府和美国国防部先进研究项目局举办了一个关于汽车的挑战赛，当时是无人驾驶和自动驾驶的挑战赛，有很多的队伍都参赛了，很多都是来源于大学的车队。这些车可以行驶超过140英里，拥有非常好的性能，防侧摔的性能是非常强的。当时有一个最小的车，来自于加州伯克利大学。

在2005年的时候，当时我还是斯坦福的兼职教授，我当时主要是教AI（人工智能）。我当时认为AI目前还做的不够好，我们必须要比这个做得更好，所以当时我就在斯坦福大学创建了我自己的AI研究团队。当时我们所研发出来的车，可能只能够走差不多10-20英里，但是这个是远远不够的，我们当时的目标是让车在道路上行驶。

这是我在斯坦福大学建立的第一个团队，当时的资金也不够，团队成员都是我的学生。那个时候我并没有给我的学生有任何工钱，只是我会给他们提供更多的课程作为回报。他们也会给我教学费，所以我的课堂主题就是无人驾驶、自动驾驶。

在我们建好了这些车的过程中，也遇到了非常多的问题和困难。那时《时代》杂志采访了我们，写了相关的文章，就是我们团队在无人驾驶方面所遇到的一些困难。后来我们发现并不只有我们。在另外一个大学，他们也有相关的一些项目，这个是他们当时无人驾驶翻车的照片。后来《纽约时报》也是去采访了刚刚研发汽车的人，这是非常小的车，它可以实现自我平衡的功能，但是当时它的表现性能都不太好。所以我们不应该被之前的这些失败所困扰。

2005年的时候，我们永远都不会想到无人驾驶以后会成功，这是12年以前的事了。所以那个时候只书呆子才会觉得无人驾驶会实现，但是大部分人都不会相信无人驾驶会实现。但是我们作为科研者，我们就是要把不可能变为可能。

现今来看，我们越来越意识到，其实有一些新的技术可能在某一天以内就可以改变所有人的生活，比如说可以改变所有劳力工作的状况，不管你现在的工作是什么，有可能在未来某一天、某一项技术就能够改变你的工作。现在全球有很多的人都在研究这些新技术，这些人都是非常疯狂的人，他们非常致力于这些新技术的研究，特别是在无人驾驶和自动驾驶方面。

在这之后我与我的一位来自于谷歌的朋友进行交谈，就是关于无人驾驶。他说，我也看了当时沙漠的挑战赛。因为我们谷歌的客户不在乎沙漠的挑战赛、沙漠的行驶，但是那个时候我们可能认为沙漠挑战赛的完成是不可能的，但是当时确实是完成了这个挑战赛。我觉得这个东西很有意思，所以我们就去试了。后来我也与大陆集团的朋友进行了合作，我们当时也是建立了一个非常小的团队，当时我们在一个商店里买了很多的零配件，然后我们把很多的配件都装到了这辆车上，比如说摄像头、激光雷达、感应器和传感器等都装到了这辆车上面。

当时我们就是在洛杉矶去测试这些新兴科技，把这些传感器和传统汽车结合到一起之后，看一下汽车能够发挥什么样全新的性能。当时我们在加州这个地方进行了实验。这是2010年是谷歌无人车的样子；这个是2012年的新貌，外表和性能都有提升；这个是2015年新的样子，它看起来更小了，看起来更有科技感了。

接下来，我再来说一下汽车内部的技术和功能。其实我们所说的无人驾驶车就是车里面没有司机，因此我们必须要有一个非常强大的电脑来帮助我们进行所有的运算和执行，这样的话才可以让人不用待在里面开车。

当时我们做这个实验的时候，其实车在行驶的过程中仍然是有一些盲区的，所以我们在这个车上面加了很多的雷达传感器和激光传感器。在夜视的情况下，它也行驶得非常好。我们也非常喜欢开这种长的弯路和山路，我们当时车内的技术是非常先进的，没有出现任何的问题，这是我们第一次超过1000英里试驾的例子。

主要应用到的一项技术就是激光技术、雷射技术，在这里安装了一个激光雷达，它所捕捉到的画面可以让操作背后的人看得非常清楚，就是车的周围有什么样的环境、有什么样的阻碍物。它可以告诉你车周围环境的所有细节，都可以看到，它的精确度是非常高的。而且我们也可以看到这个车的车速是怎样的，它是开得快还是开得慢。这个车周围十公里以内的所有细节，都会被摄像头所捕捉到。当然这个地方是没有盲点的，有一个360度的观测，并没有任何盲点。所以那个时候我们有了激光雷达，还有另外一个主要的雷达传感器。

其实机器人拥有大象般的记忆，机器人可以记住所有的东西，所以我们只要把这些数据都预先存进去，然后收集数据再进行数据的处理和分析之后，机器人可以记住所有的数据，然后可以让整个的行驶变得非常安全。一旦有精确3D的成像，就可以做出非常意想不到的效果。换句话说，可以通过新的技术发现原来没有的解决方案，而且精度更高。

如果要说我们工作的核心要点，我想应该是定位。你知道了路况全况，怎么能够更好地使用信息呢？前提要知道车辆位置在哪儿，我们叫做自我定位。我们跟美国政府合作，因为他们有30多颗卫星为我们使用，如果通过传统的卫星，精确度只能达到2到3米，这是远远不够的，我们希望更精确的地点定位。通过地点定位，在任何时候可以通过实时的计算，就使你的精确度达到厘米甚至毫米级，可以更好地了解你身边的状况，而且还可以做到防患于未然，预测一下前面即将经过的路段的情形是什么。

从动态的角度而言，我们知道了周边的情况希望有动态的呈现，现在这里面显示的是动态呈现的情况。包括怎么样能够通过激光或其他的方式，或者是通过3D的方式，来一下包括身边的自行车、行人等等。通过这样我们可以把所有的物体进行统计，比如说动态的物体和静态的物体，包括移动的速度是多少等等，通过这些的数据输入就实现了这样的呈现。

为了实现这一点，我们经过数年开发了项目来追踪所有的物件、物体，这就是大家看到的不同的行人、不同的汽车、不同的自行车往来穿梭的场景。当然这些物体的数量是非常之庞大的，我们怎么做的呢？如果是出现绿灯的情况下，这个方向就是走的。不只是汽车在行走，包括大巴车、行人、小车、自行车都在走。除了这些物体之外，我们再看一下交叉点是什么，我们知道所有路口整个的交通信号灯设置是什么样的，这样有更好的方法来解读人们要做什么、人们的行为是什么。

如果把上述这些放在一起，这是2013-2014年的无人驾驶技术成熟度，通过这个方式可以可视化周边的一些情况。当然大家没有疲劳，对无人驾驶也不担心有酒后驾驶的情况，所以这是非常之精确的。毫无疑问，有了这样的优势肯定比有人驾驶的优势更为明显。如果出现故障的情况呢？如果出现了意外特别的情况，计算机有的时候也会犯错，这个时候再看怎么样通过人的方式来主宰。由人来介入的可能性是微乎其微的，主要还是靠无人驾驶的方式。如果是10、100、1000、或1万、10万这样的测试，我们觉得假以时日，可能是5万公里、3万公里人才需要介入一次。甚至是假以时日，行驶50万公里人才需要介入一次等等，这就是精确度，通过这个方式逐渐地减少人参与的频率。

人可能不是意外的地方，意外之处在于什么呢？有时候大家会问无人驾驶的汽车会不会取代人呢？我们再来看一下深度学习，其实人工智能和机器学习和人的学习方式是完全不一样的，大家都开过车，或者在某种程度上开过车。我们或多或少可能碰过交通事故，人都可能会犯错，我们希望不会第二次犯错。但是我们的朋友没有经历过这样的车祸，他们可能要犯同样的错误之后才能够吸取经验，就是亲身体会才能知道。但是同样的错误在不同程度上会使人丧命。

但是谷歌的软件有什么功能呢？通过驾驶功能的记忆输入到计算机里面，然后计算机进行学习，通过机器人的不停学习、车联网的方式使所有其他的人也学习了这样的功能和掌握了交通事故的模型，所以通过AI比人类学习的速度更快。无论你对技术有多大的怀疑，但是一两年之后必须要相信机器的学习能力要远远超过你的学习能力。

对于我来说，我一开始预测到这一点了。在2015年，我相信2050年会有一天的到来是机器驾驶会超过人的驾驶。在2008年我进入到深度学习的概念，其实当时我还是一个研究生，当时谈到了AI和其他的先进技术。在过去的粮道三年大家有一个转变，包括AI的技术已经发生了一些转移的情况或转化的情况，这种不是一般的转化，大是规模的转化，谈到了无人驾驶包括AlphaGo等等，这些新的AI技术应运而生，包括癌症的诊断、远程医疗都是可以通过AI来进行的。核心在于什么呢这里面有很多技术，就是深度学习。有了深度学习就使我们技术向前推进，早期就是这样，八十年代就有了深度学习的概念。

如果谈到深度学习和AI的关系，其实机器学习是非常快的，不要考虑软件问题和其他问题。我们通过一些计算机的编码，可以通过机器学习的方式可以实现很好的深度学习的，包括机器可以通过自己的错误来学习。比如人和机器驾驶的案例，你教孩子的话不可能告诉他任何各种各样的意外事故，不可能一条一条地教给他。而是教了孩子之后，给他一个环境他自己去学习、去适应。同时对于计算机也是一样，你把大的规则输入到计算机，计算机会通过深度学习的方式进行创新性的分析。不过一个计算机学好了之后，会使其他的计算机也受益，这样学习速度当然要超过人类，这是非常大的一个转变。

大家知道我是离开Google之后创办了Udacity，这是一个学习平台，包括深度学习、自动驾驶，各种各样的题目都可以在Udacity进行学习，我们推出了这样课程。我们对学生提出了挑战，用了这些的软件，怎么样通过你的学习使Google自动驾驶的方式更为智能。怎么样通过教机器学习，怎么样能够辨别它所在的车道，大家看车道的偏移程度，当然我们不能用8000多个雷达来做，只用3个摄像头进行自我学习。从谷歌上可以下载，下载之后可以机器学习，当然这是我们一个深度学习的项目。

我们还有其他技术的研究，也是用普锐斯进行测试的，我们把它进行赛道式的测试。这个速度非常之快，通过计算机可以选择最佳路径。在时间上也进行了记录，我们请了80位不同的谷歌高管来进行测试，但是都没有超过普锐斯，也就是电脑的驾驶速度要远远比人要快。

最后我给大家分享的是在2014年的一个项目，也是我们和Uber所合作的项目，我们可以看到这是一个共享的平台，也就是共享汽车。大家可以通过这个平台就可以和其他人来共享无人驾驶的汽车。共享汽车现在在中国也是非常流行了，共享汽车可以变得更加舒适，也可以变得更加经济，特别是对于我们个体来说是非常有益的。在这里其实我们只需要登陆APP去预约这个车，这个车就可以自己开过来。这是我们差不多几个月前所做的一个原型，我们可以拿出手机上点击预约按钮，车就可以自己开过来接你。当然你想要开车的话可以自己开车，你想让它自己驾驶，可以让车自驾，有这两种模式可以选。这个方面是非常好的例子，未来在共享汽车方面有可能自动驾驶也是非常大的一块市场。这是我们一个新的概念，在现今全球共享汽车都是一个非常火的概念，所以我认为未来几年有可能自动驾驶的车也会融入到共享汽车的板块里。

全球有很多的卡车司机，比如说卡车司机的工作可能会被代替。因此，如果自动驾驶真的成为现实的话，差不多有10%的工作将会发生改变，在未来如果无人驾驶、自动驾驶能够真正实现的话，不管是几岁的小孩，还是年过半百或七八十岁，甚至是百岁的老人都有可能实现自我的驾驶。所以我们之需要等待时间，我希望在未来就能够把这种不可能变成可能。