我們這十年用了很多的時間讓我們的程序員一邊開車，一邊調(diào)程序，調(diào)的很辛苦。在過程當中我們慢慢的悟出了一個真理，真正能夠叫機器人開車的不應(yīng)該是程序員，應(yīng)該是駕駛員。有今天的駕駛員長期互動，已經(jīng)把車同化為人體的一部分，成為與身體無縫對接的真實外延。因此機器人駕駛腦在駕駛員開車時形成一個腦和機器融合在一起的，實現(xiàn)一個夢想。這是我們最近幾年的追求。

我們原來的駕駛腦里面有一個工作總線，還有調(diào)試總線，現(xiàn)在我們把調(diào)試總線開展為自學習總線，完成統(tǒng)計學習和進化學習，研發(fā)有個性的智能車。一旦當前的認知與過去經(jīng)歷的記憶進行了混合對比，駕駛腦便能對不確定的未來做出合適的決策，完成大腦的創(chuàng)造性，運動的靈巧性，以及對車無窮無盡的過程。這個過程太重要了。這個自學習非常有意義的是和AlphaGo圍棋的深度學習網(wǎng)絡(luò)非常一致，是一個評估網(wǎng)。我們這個叫自學習操作網(wǎng)。我們將駕駛員對油門、制動、方向盤的操控量增加為一個認知箭頭，箭頭拐彎多少表示你拐彎多少，油門和剎車只能取其中之一，用兩個顏色表示出來。因此我們把駕駛員的動作變成一個箭頭，通過一個駕駛態(tài)勢圖圖像化。這樣就變成了人工駕駛的時候經(jīng)常出現(xiàn)的問題，如果能通過深度學習形成一個駕駛記憶的話就好了。當然人的學習一個很重要的是在錯誤中學習。我們同樣把一次次的駕駛事故也形成了事故記憶。駕駛腦利用搜索配備引擎，實時在記憶當中搜索，自己找到或者推理求出符合當前駕駛態(tài)勢的認知箭頭，學以致用，形成控制指令的輸出，克服了宏觀認知的形式化困難，細分了約束期間，通過大量微觀認知的形式化，降低了形式化的難度，縮小了在線推理范圍。我的報告值得的就是這四句話，克服宏觀的形式化困難，通過大量微觀的形式化降低難度，縮小推理范圍。

比如說現(xiàn)在有一個有經(jīng)驗的駕駛員在開車，人工駕駛。他通過他的視覺形成對他駕駛態(tài)勢的判斷。而在這同時我們也要感知系統(tǒng)也在工作，而且形式化駕駛態(tài)勢圖。駕駛員的操作他的態(tài)勢是在他的頭腦里面，但是他的操作我是能感受出來的，我就畫出一個箭頭，把當前的駕駛態(tài)勢和駕駛員操作的結(jié)果變成一個圖，叫做駕駛態(tài)勢人質(zhì)箭頭圖堆。如果從首都機場到天安門30分鐘能到，我用36000個認知箭頭變成36000個圖堆，用深度學習加成了駕駛記憶。下次開車的時候人沒有了，機器在開車，機器根據(jù)當時感覺到的駕駛態(tài)勢，通過搜索來解決推理問題，形成了一個駕駛認知的箭頭輸出。然后再把這個箭頭變成方向盤，這就是我們的高招。這就是我們最驕傲的地方。

最近我們已經(jīng)把這個大數(shù)據(jù)都采來了，我們現(xiàn)在正在做深度學習，如果有哪位跟我們合作我們很高興，可以把我們的大數(shù)據(jù)庫給你，我們一起來做這個深度學習。

通過深度學習實現(xiàn)自學習，也就是統(tǒng)計學習或進化學習。當然一個人開車過程當中遇到了幾次小磨小蹭，甚至遇到幾次比較大的事故你終身難忘。機器人要吸取教訓(xùn)，同樣我們在這樣的情況下，采用這樣的箭頭，造成的事故形成一個事故記憶，下次機器人開車的時候又遇到了這個態(tài)勢圖，找到了事故處置的時候怎么造成事故的，這個箭頭是萬萬不可用的，于是我們就有了事故指引。如果你的車上有事故記憶，當你做錯誤操作的時候能切斷你，你肯定是會高興的。同時怎么做到的呢？一個就是駕駛態(tài)勢工作總線，一個是自學習總線，基本上是感知板塊、認知板塊、交互板塊、自學習板塊，但是它們之間并不亂，尤其是工作總線帶寬我必須保證。而學習總線上我們就可以學到這個圖的方法，形成駕駛記憶。然后把這個對汽車的操作放到汽車的線上去。

駕駛腦成功的關(guān)鍵是駕駛認知的形式化，如果說我們做得比較好的話還能拿個冠軍，我認為我們的工作起了核心的作用。深度學習站在全球人工智能的風口，普遍把卷積神經(jīng)網(wǎng)絡(luò)用于點云圖樣式，感知架構(gòu)的自學習。而我們卻另辟蹊徑，把卷積神經(jīng)網(wǎng)絡(luò)用于形式化之后的駕駛態(tài)勢圖，這就大大的減少了數(shù)據(jù)量，大大的簡化了圖里的實效，我們認為這里還有一點創(chuàng)新之處。回顧十幾年來我們參加的比賽曾經(jīng)迷惑過、迷盲過，試來試去，換車、換平臺、換電源、換模塊。通過多車交叉檢驗，尤其是2015年我們的聯(lián)合課題組實現(xiàn)了交叉驗證、常態(tài)實驗。我的模塊在你的車上試，你的人到我的組里來。形成了全新的設(shè)計圖，這是北京到天津的，這是18米繞樁的。還有無人駕駛的，我們是全程無人工干預(yù)，到開封不到40公里的過程。我們現(xiàn)在正在做宇通大客車在場區(qū)內(nèi)部的通勤。

下面我們講講第三個內(nèi)容，決策腦。人在認知方面最終要做的不管多么復(fù)雜，其實就是做還是不做，是決策的問題。無論你有多少知識，多快的推理，多高的情商，多么善于溝通，最終反映出來的是選擇，所以《哈利·波特》里有一句話，決定你成功的，不是你的能力，而是你的選擇歸根到底就是決策的能力。生命科學家要把我們的大腦搞清楚，有多種的組織組成。通過核磁共振將人腦分為166個區(qū)加以研究，只研究大腦某一部分的時代離我們越來越遠，我們更重要的是研究它們之間的關(guān)聯(lián)。生物學家們企圖造出一個人工的干細胞，我認為挑戰(zhàn)也是蠻強的。我們物理學家跟生命科學家有點不同，我們因為對生命科學了解的不如人家深，但是我們非常關(guān)注腦認知的七個大塊，其中好幾個都是微觀、宏觀，進行神明科學的研究。而我們這些搞理工和IT的人，覺得應(yīng)該用物理學的方法，語言、知識、文明、傳承，都是后天學習的。包括駕駛在內(nèi)的所有的技巧，他們的原材料都來自客觀世界，因此我們要研究人腦成長和認知的社會性。給我們提供了很多的方法，我們?nèi)绾卧谛盘枺踔猎诜?，甚至在行為，來研究人的智能是很重要的。多年來我們?chuàng)造了定義概念和定量數(shù)據(jù)，我們提出過云模型，數(shù)據(jù)場，今天我們又提出了駕駛腦，還有其他行業(yè)專門支持的功能腦。我們認為這些方法解決不確定性因素是最有效的。需要我們學科的交叉融合。但是生命科學和物理學都是很有個性的學科，要把它交叉進來也很難。

我們強調(diào)記憶認知、計算認知、交互認知，三位一體。其實記憶有時候比知識更重要。廣義知識驅(qū)動的智能難在形式化，碎片化和狹小區(qū)間形成的形式化相對比較容易，在認知過程當中人腦神經(jīng)的交互也是不或缺的。因此我們提出多層次的認知網(wǎng)絡(luò)，客觀技術(shù)的局限性。60年過去了，我們設(shè)計了一個logo來紀念人工智能60年的光輝歷程，我們認為人工智能奔跑的時代是一步一步走過來的，尤其是在今天移動互聯(lián)網(wǎng)的支撐下，人工智能走到了人們關(guān)注的焦點上，如果說人類圍棋手一生也許只能參賽1000盤棋，而AlphaGo一天就能下300萬盤棋。從這個意義上講計算機的圍棋腦的智能程度超過人。因此我主張對人工智能要有點敬畏之心，不要說它是弱智能，我覺得還是要有一點敬畏之心。圍棋本質(zhì)上是動力學的問題，假如把棋盤擴大一倍，變成38道，哪個贏得快，我作為程序員我覺得圍棋腦快，人可能覺得腦子不夠用。

我們?nèi)斯ぶ悄軐W會組織的圍棋比賽是九路，當時只是一個電腦筆記本，今天人家用了170個GPU，1200個CPU來比的。駕駛員一天開八小時車，他不可能永不疲勞的跑。而駕駛腦可以做到，駕駛通過自學習可以會聚多人的駕駛認知，遠遠高于單個駕駛員駕駛技巧的速度。我對北京的道路很熟悉，但是我還可以把它變成天津的道路，一個人要既熟悉北京的所有道路又熟悉天津的，不是一天的事情，但機器腦完成的比較快。所以智能很重要，可以戰(zhàn)勝人類的優(yōu)秀個體，我是這樣看的。就是駕駛腦開得比你好，是可能的。人工智能的核心不僅僅是算法，這是我們傳統(tǒng)的看法，傳統(tǒng)的認為什么叫軟件，等于程序加數(shù)據(jù)，認為程序是最重要的，把數(shù)據(jù)放到程序里，形成人工智能。今天在大數(shù)據(jù)的情況下更重要的是學習，要讓程序放到數(shù)據(jù)里面去，形成數(shù)據(jù)驅(qū)動的人工智能，用記憶認知、技術(shù)認知和交互認知形成決策腦，展現(xiàn)出當前人工智能井噴的局面和燦爛的前景。

我們可以構(gòu)筑駕駛腦、圍棋腦、翻譯腦等等，哪怕不具有組織機構(gòu)，但在宏觀上并不亞于個別人的情商和智商。用人工智能構(gòu)建千千萬萬的認知腦，并通過移動互聯(lián)網(wǎng)、云計算，就可以倒逼一腦萬用的人造生物腦。這就是說為什么我們對人工智能要有一點敬畏之心。

在我們的星球上圍棋和汽車都是人類的發(fā)明，而且我們要迎來機器人新人類，圍棋機器人要發(fā)展成為人類的伙伴，他們有智慧，有個性，有行為能力，甚至還有情感。機器人給人類帶來的影響將遠遠超過計算機和互聯(lián)網(wǎng)在過去幾十年間，已經(jīng)對世界造成的改變。人類的發(fā)展史，就是人要學會運用工具，制造共聚合發(fā)明機器的歷史，科技不停步，人類永不滿足。智能手機可以成為你的助理，曾經(jīng)的很多工作崗位都將被機器人替代，但同時又自然的涌現(xiàn)出新的工作崗位，人類將更加優(yōu)雅智慧的生活。人類善于更好的調(diào)教幫助機器人，利用機器人的優(yōu)勢，彌補機器人的不足，用新的機器人淘汰舊的機器人。反過來人類也找到了利用機器人提升人類的智慧和能力和方法。因此機器人一定會讓人類自身更智能，各色各樣的機器人為我們迎來了人與機器人共舞的新時代，人類始終是領(lǐng)舞者，謝謝大家。

觸摸水滴，墜入智能國