AI載你玩彰濱 首日考驗…竟因暴雨而「近視」

我認為自駕車是一個至少還需要再五十年才「可能」成熟到可以廣用到真實道路的科技！但是所有相關業者一定不同意！至少表面上啦！因為這涉及到太大的商業利益，如果說得那麼悲觀，誰會願意投資呢？但事實上這是必然的結果，認真聽我講完理由之後你一定會認同我的觀點。

我很贊成他們現在將自駕車的「自動程度」分級的想法，因為要達到完全自駕，車上真的沒人可以在狀況失控時接手，那就表示我們要做出一個可以完全安全駕駛的智慧機器人。事實是即使真人開車都不時會出意外，所謂「安全」的自駕車根本是個終極的AI挑戰，必須讓AI的智慧真的「超過」一般人才行！這個目標別說五十年，再一百年都未必可以達到。

一般人會對AI充滿過度幻想的主要原因是電腦運算的速度，對於有明確規則的判斷能力，像是思考下棋時的可能棋步，電腦可以在幾個毫秒內完成我們要想幾分鐘的思考過程！但是實現AI真正困難的是我們「理解」周遭複雜資訊的能力，很多事情正常人每個人都會，認知判斷結果都一樣，像是看馬路上的車牌號碼，但是我為了讓這種「簡單的能力」變成AI軟體，已經研發了七八年，判讀能力還是只有小學低年級的水準！但已經是台灣車牌辨識的知名品牌了！

所謂的「開車」當然也不只是控制車輛這麼簡單的事情而已！難的是要隨時偵測環境中所有的事情，要理解狀況還要準確即時地做出因應處理！要讓機器「看到」所有的狀況，以現在的科技已經不難，高解析度攝影機以及很多光學與聲學感測器，可以讓我們得到比五官感覺更詳細準確的資訊。大家以為是投資這些精密設備很貴，所以造成研發進度遲緩嗎？那你就錯了！

重點是即使偵測資料完整正確你也還是「不知道發生了甚麼事？」要整合「理解」這些資訊就算是一種廣義的「辨識」，不只是特定的目標要辨識到，還要進一步組織這些目標物件的資訊，像是馬路上其他的行人、車輛、標線、號誌與障礙物等等的位置、速度甚至他們可能的下一步變化！這些工作即使你有無限的資金，也只能一步一步慢慢實驗慢慢做出來！錢可以買精密儀器、超級電腦、錄製無限多的資料，但是研發過程砸再多錢也快不起來！給我年薪一百萬或一千萬做AI研究，我的進度都是一樣的！

AI真正的研發重心與挑戰，是要將這些一般人很容易就可以做到的「資料解讀能力」程式化，做成可以做出類似判斷的軟體！這不但要會寫程式，還必須有很聰明準確周延的理解能力，再加上非常完整豐富的實況資料，以供精密完整的模擬實驗。我不喜歡說這是讓程式「學習」！因為一這樣講好像程式師與研發者就可以「退出」實驗，讓電腦自己去研究了？

不可能的！這就像你給幼稚園的小朋友一個最先進的實驗室與無窮的各種資源，然後希望他們可以很快研發出新冠肺炎的疫苗一樣！你再給他們胡鬧個三百年，都一定還是原地打轉一團亂的！但是現在流行的「機器學習」的核心概念居然就是這樣？還自居於AI研究的主流技術，這實在是太荒唐了！

結論是：AI研究真正的核心工作，就是人腦智慧的逆向工程，要設法挖出或模擬出可以最接近人為判斷的軟體，這需要大量的資料，但不是餵給機器去胡搞瞎搞，亂踹亂湊答案！而是要研發人員真的一一深入分析研究，找出所有事件規律，找出所有可能過程中的差異與細節，然後寫出面面俱到的程式，實現這些理解力與判斷力！

這些工作是非常耗時的，我知道！因為我天天都在做這種事情，只是為了追上一般人看懂車牌的能力而已！推測一下自駕車要實現的AI程度，比我目前做的目標高出不只百倍，所以五十年後可以成熟？還是過度樂觀的估計咧！