|
想象一下您開車的情形，前面不遠處就是人行橫道。您會觀察交通標志，也許還會留意路口是否有交警指揮。如果您的前面還有一輛車，您會想它可能會剎車。開到路口后，您會快速掃一眼是否有行人要過馬路。您會看看人行橫道上是否有行人，做好禮讓正在過馬路或準備要過馬路行人的準備。您要在保證安全的前提下開過路口。 這種場景展示的就是情境意識，這是人類智慧的特征之一，指意識到周圍環境并對其做出反應的能力。在自動駕駛汽車 (AV) 領域，視覺系統、高端處理和神經網絡使汽車能夠感知周圍環境、規劃行動，并對不斷變化的刺激進行響應，但是這些系統能達到人類級別的情境意識嗎？ 看一下神經網絡的發展，就可以發現達到這個目標的潛力和局限。 
圖1 : 交通場景下的情境意識 (圖片來源: MONOPOLY919/ShutterStock.com) 人類的情境意識 繼續上面駕駛汽車的場景。人類司機首先要感知情境，這需要了解所涉及的對象和人員，以及他們的情景和潛在的運動。我們會感知人行橫道標志和信號、前方和后方的汽車、行人以及場景中的其他變量。此外，我們還會注意到一些更微妙的線索，例如行人的類型和風格（例如年齡是大是小、是否好勇斗狠、是否醉酒、走得是否很急），他們的活動情況（例如單獨或結伴還有其他活動）以及他們過馬路的意圖。在整個過程中，人類司機會忽略與情境無關的輸入，例如落在停車標志上的小鳥或路邊的垃圾。 在人類的情境意識中，感知和行動之間的延遲使得人們借助更廣泛經驗而做出選擇：這是預期結果與實際結果之間的差異。以經驗為基礎，我們可以想象出多種場景，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，人類不僅能記住先前行動的結果與期望，而且還可以想象出多種可能的場景。在駕駛場景中，人們可能會想象出在這種情況下可能出問題的地方，并將行人的視角考慮在內，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探索的東西——即，需要一套由感覺、知覺和大腦不同部分組成的完整集成系統，它們共同發揮作用以適應各種情況，才能稱之為智能。人類智能的血肉基礎作為認知的媒介，為感知、決策和行動提供了背景并指明了方向。 人工智能中的情境意識 有多項技術可以實現人工智能 (AI) 系統中情境感知的某些方面。例如，在自動駕駛領域，傳感器、傳感器融合和高端處理使車輛能夠感知場景，并產生交通情景的語義描述。它們構造出車輛周圍環境的表示形式，然后將這種表示形式分為多個單元，由此來實現這一點。隨后，通過混合傳感器方法、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等手段，總體模擬人類司機的感知。 為了復現出情境意識中的決策，可以通過局部優化、近似推理和基于先前訓練的模擬預期的神經網絡來增強AI系統。就復現人類智能而言，神經網絡體現了大腦的結構連接，并實現了輸入特征及其隨時間變化的連續性。 在模仿人腦的功能連接方面，我們取得的進步能夠實現大腦不同部分進行的動態協作，包括“高級”復雜結構與相連接神經結構之間的動態協作。實現了高等級神經結構之間的這種協作，就形成了一個意義創造和推理的開放系統，與情境意識中的人類決策類似。但是，不同大腦結構之間的協作需要上層結構的連接，也就是所謂的效應連接，以捕獲一個神經系統隨時間推移對另一個神經系統施加的影響。沒有效應連接，AI系統將無法根據各種輸入的重要性來確定它們的優先次序，而這正是決策和采取正確行動所需的先決條件。
圖2 : 交通場景下AI的語義分割 (圖片來源: MONOPOLY919/ShutterStock.com) 結論 人類情境意識是指我們對周圍環境的意識以及對其作出的反應，這一切基于我們對整體場景的感知，以及對一系列相互聯系的經驗（包括確實經歷過和沒有經歷過）進行決策的能力。即使神經網絡發展到能捕捉到情境意識中更復雜的方面，它們也永遠無法真正媲美人類的智能。通過與人工智能之間的適當協同，即利用人工智能的優勢，人類可以增強自身的情境意識并對情境控制加以影響， 使機器（以它們的方式）變得更加智能的同時，讓人類將注意力和精力集中在更具創造性的任務上。 文章來源：貿澤電子 作者簡介：Constantin Thiopoulos是一位技術商業化專家，專注于人工智能領域，并且是多家源自知名研發機構的AI組織的聯合創始人，曾擔任德國人工智能研究中心的創新管理顧問和多家歐洲公司的IT顧問。他擁有人工智能博士學位、計算機科學碩士學位、哲學/語言學碩士學位，并曾擔任講師和客座教授。 |
