见知AI巡山报告 – 2022年11月

近年来机器模仿人的行为能力越来越强，似乎有了自己的“思维”，在很多领域也有了和人类“抢饭碗”的趋势。乐观派认为机器很快就要在各个领域取代人类，但是不论是绘画还是自动驾驶，人机结合都是目前主流；批评的声音却认为机器模仿人的行为本质上仍然不是创造力，但是在模仿上的突破却又说明了机器在不断学习探索这种“独立判断”的能力。

支撑特斯拉技术演进的是三点：全场景理解能力，强大算力，海量数据；指导AI作出优秀作品也可归纳到这三点：理解能力，生成能力和大规模图片储备；——这些恰恰是深度学习时代的三大支柱。人工智能的“学习”，其实是机器基于不断更新的数据的不断迭代；人工智能的“思想”，其实是机器模仿人类机能的体现。人工智能并不是遥不可及的科技，而是源于人类，又交互于人类的过程；源于生活，又进入生活的技术。

今年百度所展示的“未来中国”蓝图，根据关键词即可作画作视频，拥有极强的渲染上色和表现能力，效果不输人类：

更有Up主“拯救世界的狗子”用创作了《漠河舞厅》的AI画作组成的视频。画面与歌词高度相似和匹配：

AI视频《漠河舞厅》片段

在这个情况下，许多人认为：不久的将来，许多画师都将失业——因此他们都很慌张。那么AI绘画真的可以取代人工绘画了吗？我们先来研究AI绘画的实现方法还有实现效果——

绘画常用的AI模型是生成模型——给模型一组数据，希望从数据中学习到信息后能生成一组和训练集尽可能相近的数据。文字、图像生成都是如此。传统的方法如GAN（生成对抗网络）

GAN需要训练两个神经网络——一个生成网络，一个判别网络，使得生成器表现得更好。现有最新的DCGAN也被广泛应用到图像处理、识别当中。但是GCN类网络的训练存在一系列问题：有时长期训练也难以带来收敛，需要同时训练两个网络，且难以识别离散输入的文字。而新兴的diffusion类模型则很好地解决了这些问题：

“女孩”，“苹果”

“世界地图”

“map of Shanghai”

完全自动驾驶技术（FSD），也是随着深度学习人工智能算法的进步，在AI逐渐“通人性”的背景下，趋向实用化、商业化。部分乐观派甚至认为：未来自动驾驶将完全取代人工驾驶。

但是现实却是：弱版的自动驾驶——人机结合版的，仍暴露出各种问题——如林志颖或许是由于使用了特斯拉的辅助驾驶系统，从而导致了车祸。

这是一个精度要求极高的场景——哪怕只有0.01%的事故率，也是难以容忍的。一旦出现违章或者事故，追责也较为困难。自动驾驶要想真正投入大规模生产和使用，不但需要算法的不断迭代，数据库的不断更新，还要法律法规和伦理上的不断完善。

Tesla的FSD通过车载摄像头和地图信息综合来完成识别预测车道算法——识别车道分割线的情况。虽然解决了大部分问题，但是仍然时有诸如检测不到标线或跨越实线等问题。来看一段视频：

自动驾驶有趣失误

视频中体现的是，一辆自动驾驶汽车在路口，导航要求左转，但是由于实线的影响而犹豫，犹豫再三最终直行至下一个路口掉头。除了识别车道的问题，面对一个未曾见过的景象，AI也很难做出完美决策。例如下GIF所示：

这个场景，FSD正准备右转。现有算法下会认为旁边有车子在等待通行，所以会减速，但其实这是一个空车。所以很多极端场景，都需要通过真实场景去发现，然后优化数据。所以不但算法要优化升级，真实场景数据也必然要不断更新，根据时间、地点去迭代，这样才能不断提升预测准确性。

在减小风险方面，Tesla也进行了大量训练。其中比较常用的是在路径的规划中，FSD用交互搜索算法（Interaction Search）来选取最优路线。