李德毅最新演讲：无人驾驶的核心在驾驶脑｜中国机器人峰会

本篇文章2954字，读完约7分钟

今天，在浙江余姚召开的第三届中国机器人峰会上，中国工程院院士李德意分享了他在无人驾驶领域的最新进展，明确指出无人驾驶的核心在于驾驶大脑，它与汽车制造商所做的事情有着明确的分工，而这个“大脑”的驾驶活动更多的是技能、记忆和经验，而不是知识、推理和计算。

另一个历史机遇可能是人工智能。我今年72岁了。作为“70后”，我将谈谈创业创新的四个要素。我问过许多认为技术非常重要的同事；我问年轻的同事，他们告诉我，钱更重要，没有钱什么也做不了；有人告诉我团队很重要，也有人告诉我思考很重要，所以我想在今天的报告中谈谈我的看法。

让我们先谈谈第一个问题。每个人都认为出国留学很容易，然后在facebook这样的外国公司呆一段时间，然后在中国创业。事实上，这是错误的。你有一些自豪的经历和核心技术，但你不能去航海吗？

没有成就载体的初创企业将会消亡。我的下一部电影是我的观点，有点吓人。请看看这个声明。创业成员当然有自己引以为豪的工作经历和核心技术。然而，如果整个团队没有一个清晰、原创、独特的成果载体，没有令人眼花缭乱的创新亮点，那只会把公司变成一个克服问题、努力奋斗的研究所。如果这项技术长时间不孵化产品，这样的公司将会消亡。例如，如果10个人从事互联网加，9个人将死亡，20个人从事人工智能+12个人将死亡。

你需要知道你想要的是技术、核心技术还是技术成果。我提倡科技的成就。

无人驾驶的核心在于驱动我的大脑。我今天分享的亮点是什么？驾驶大脑，了解大脑，我可以说这与汽车制造商正在做的事情并不冲突。我模拟司机的大脑，他制造汽车。

当我谈论智力时，我谈论三种智力。我们习惯于谈论计算智能、感知智能和认知智能。刚才我参观了余姚研究院，我说机器已经超越了人类的计算能力，现在我们应该把重点放在交互智能和记忆智能上。

我家已经用坏了三个扫把，所以我想最好现在不要用。负担不起。你不相信你能使用它。首先，你不能把它打扫干净。第二，你总是不打扫你应该打扫的地方。该怎么办？那么，我现在该怎么办？我没看见就看见了。这很正常。我所做的是无感觉地看，边看边看，先看后看。

我所做的是利用我现有的认知和我当前的感知。我的驾驶大脑的数据流程图，余凯说值1000万，我会把它交给余姚同志看你能不能算出来。我的驾驶大脑有一个即时记忆池，一个情景记忆池和一个决策记忆池。

如果我们使用清扫机器人，将来每天像这样清扫将是一个好的机器人，这不同于记忆能力和认知。驾驶活动更多的是技巧、记忆和经验，而不是知识、推理和计算。驾驶大脑的差异反映了个体智力和运动协调能力的差异。世界上没有两个完全相同的驾驶大脑。

这叫做机器人。我们认为司机的大脑在将来会是一样的。真正驾驶的不是汽车本身，而是司机的认知。整合大脑和机器是必要的。因此，我们提倡在我们的机器人中，有一个扩展到自学习总线的调试总线，它可以学习人们如何驾驶。然后机器人在驾驶时所扮演的角色，主要是通过消化和吸收所学的东西，深化学习，成为自己的行为。

这幅画也很好。用手机拍照。

手动驾驶时，有三种机器视觉方式，一种成像方式，一种全球定位系统方式和一种雷达方式。这三种视觉方式形成了当前的驾驶态势图，驾驶员通过对生命视觉的认知来控制方向盘和油门刹车。把当前的驾驶情况和一个认知融入到一个团队中，把这个团队放在深度学习的神经网络中，让它学习并形成驾驶记忆。

如果开车要花十天时间，数据量就不小了。如果从办公室到办公室需要11天，机器人会说——我会开车。当机器人正在驾驶，驾驶员不在时，它可以搜索这张图片，并拿出相应的认知来驾驶。驾驶很简单，汽车工厂怎么能做到呢？这是司机的事。因此，车库只能做自动驾驶。这种深化学习可以是长期学习、统计学习和进化学习。

人们真的从错误中学习。让我们来谈谈如何防止开车时发生事故。同时，我们有消极的学习，所以当我们开车时，我们会遇到这样或那样的危险，并做出错误的行动。我们使用神经网络来生成事故记忆棒，并且做得很好。下次我们开车的时候，不会有人，我们可以开车，还会有另一个学习过程。这是消极的学习。

这类似于阿尔法戈的学习机制。因此，我们的机器人的整个框图是一个双重驱动和双重控制的架构。

由于深度学习是全球人工智能的分支，卷积神经网络常用于点云图像识别和感知阶段的自学习。然而，我们在基于可用通行权的形式化驾驶态势图中使用卷积神经网络，以及由反映驾驶操作所有内容的认知箭头组成的地图对，在认知阶段进行深度学习，大大减少和简化了实时处理的数据量。

因此，我们之所以在比赛中取得更好的成绩，是因为我们改变了认知的局面，将即时记忆大数据“缩水”，也就是说，在感知和理解之后，我们转移到工作记忆区进行深度学习。

创新和创业的四个要素让我们来谈谈创新和创业的四个要素。

第一个问题。当我们谈论技术时，我们必须谈论这项技术的创新亮点。

第二个问题，谈到资本，是关于资本的注入点。每个人都担心他们拿不到钱，尤其是年轻人。我更担心。相反，我担心如何花钱。现在最大的困难是钱不能花。没有订单或大规模生产。钱有什么用？你不能腐败。因此，如果你真的有能力，你可以花钱成为一个真正的新企业。有人在路演期间说，我想投资1000万元购买50%的股权。我说你的演讲太粗糙了。你应该具体点，给你1000万元。如果你有能力花掉它，有人会给你钱。

第三，谈到市场，我们应该谈卖点。

我认为我们的学者不像西方的其他学者。你玩围棋赚了多少钱，脸书增值有多快？阿尔法戈以4: 1击败了9段围棋大师李世石，那则广告获得了巨大的利润。我们在中国也做了同样的事情。2011年，我们用北邮的围棋程序行话和于彬对弈，让两个孩子在中央电视台玩游戏，以2比0击败于彬。但是作为一个发展中国家，我们没有影响力，我们也没有赚到任何钱或广告费。

当时，人们认为计算机9向围棋和19向围棋也许能与人类竞争两三年，但没有希望机器能打败人类。五年过去了，人们发现这种认知是错误的。

所以在阿尔法戈获胜后，我提出了四个问题供大家思考。

深度学习的四个局限我认为人机战争本身在前面，机器在后面，或者机器在前面，人在后面。阿尔法戈和深度学习有很大的局限性。我们围棋手在和机器下棋时感到被骗了，因为他比我们做了一个测试。这时，我们提出了深度学习的四个局限性。

其中，第一，太多的学习参数是任意的，这是事实，但不是现在。其次，算法的收敛性不能得到保证；第三，缺乏反馈机制；第四，大量案例没有累积，即没有时间累积。

在这种情况下，深度学习不是人工智能的重点。让我们想象一下如果我们现在玩不同的alphago游戏会发生什么。因此，我认为更令人兴奋的程序不应该是阿尔法机器人，因为它是一个非常困难的围棋机器人。现在成为围棋机器人更难了。相对而言，我认为汽车行驶非常灵敏。更令人兴奋的是，人是机器人和赛车手之间的竞争，所以竞争更令人兴奋。

自动驾驶的魅力是什么？我们不认为我们在和市场争时间。我们希望它的汽车更灵活，但我们要做的是驱动大脑。我们的卖点是驾照，我们卖驾照！销售驾驶经验，销售道路熟悉度。驾驶经验驾照不能代替它，道路是熟悉的，地图也不能代替它，所以司机大脑的未来景象是非常令人印象深刻的。

最后，以一张图片结束。市场上的第一桶黄金在哪里？