自动驾驶是如何使用概率的

自动驾驶是如何使用概率的

尽管人类的司机不会有意识的考虑概率,但我们会注意到我们的环境和基于某些事情发生的可能性进行决策。一名司机不会计算在她后面的赛车将会超过她的概率,但她会通过观察汽车的行为和考虑过去的相似情况进行一些最好的猜测。

我们相信概率因为它是在不确定事情中我们唯一可以采取的行动

像自动驾驶汽车这样自主性的系统会根据概率做出相似的决定,但是经过的过程是不一样的。不像人类相信直觉和经验,这些自主的汽车是通过数据收集和算法推理计算某些情形的概率的。

如何确定概率

Stefano Ermon, 斯坦福大学的一位计算机科学家,想通过改进它们概率性地推理他们的环境的方法让自动驾驶汽车和自主系统更安全和更可靠。他解释到,“挑战是你必须采取行动,并且你也不清除将会发生什么,概率的推理就是从概率的角度思考这个世界,假设会有不确定性。”

有两个主要部件可以达到安全。第一,计算机模型必须收集准确的数据,第二,推理系统必须能够根据这个模型数据得出正确的结论。

Ermon 解释到,“你需要做到两点:你需要大量的数据来建立一个可靠的模型,然后你需要能够基于这个模型来得出正确的结论,那需要人工智能能够正确地思考这些模型。即使模型是正确的,但如果你不能够用一个好的方法来推理它的化,你也可能做出一个灾难性的决定。

打个比方,在自主车辆的环境下,模型使用各种传感器来关注环境和收集无数变量的数据,比如你周围的驾驶员的行为,你前面的坑洼和障碍,气候条件,每一个可能的数据点。

一个推理系统接着会解析这些数据。它使用模型的信息来决定你后面的司机是不是非常危险并气势汹汹,前面的坑洼会不会刺到你的轮胎,雨水会不会挡住视线,这个系统会不停地改变车辆的行为来应对这些变量。

考虑到你后面的车辆来势汹汹,如Ermon解释的,“不管如何,你需要能够推理这些模型,你需要得出概率,你不知道这辆车会做什么,但是你可以预估,基于过去的行为你能够说这辆车很可能并线因为它开得非常气势汹汹。

提升概率性的推理

Ermon创建了一套非常强大的算法,其可以合成模型产生的所遇数据并作出可靠的决定。

当模型改进了,他们能够收集更多的信息和捕获更多与做决定相关的变量。但是正如Ermon指出的,“这个模型越复杂,你需要的变量就越多,基于这个模型来作优化的决定就变得更复杂。

所有当数据收集扩展后,分析也必须同时提升,这些车辆中的人工智能必须能够用这些复杂度增加的数据进行推理。

这个推理很容易出错。“当计算这些概率的时候你需要非常精准”,Ermon解释到,“如果一辆车并线到你的车道的概率是0.1,但你完全低估其并说这个概率是0.01,你可能会做出一个致命的决定。

为了避免致命的决定,人工智能必须要是健壮的,但是数据必须是完整的。如果模型收集到了不完整的数据,“你不能保证你使用这个算法获得的数字与是那个事件实际的概率一定有关系”,Ermon解释到。

这个模型和算法完全相互依赖来作为最佳的决定。如果这个模型是不完整的,也不能够捕获你前面的黑冰的话,没有推理系统能够作出一个安全的决定。并且,即使这个模型能够捕获黑冰和其他每一个可能的变量的话,如果推理系统不能够处理数据的复杂度的话,这辆车也是会失败的。

自主的系统将多安全?

汽车自动驾驶技术已经取得了非常大的飞跃和进步,Ermon是充满希望的。“最终,伴随这计算机性能变得越来越好,还有算法和模型变得更好的话,我们非常有希望避免所有的事故”,他建议到。

但是,我们还是会有概率性推理的基础的限制。“绝大多数的计算机科学家相信,针对这个问题不太可能出现银子弹,一个最佳的算法强大到能够推理所有种类你不能够想象的模型”, Ermon解释到,“那是关键的屏障”。

但是尽管有这个屏障,自动驾驶汽车也会很快可以提供给消费者。其中之一的Ford,已经承诺将在2021年推出其自动驾驶的汽车。并且大多数的计算机科学家期待这些汽车会远比人类的司机驾驶更安全,他们的成功将依赖于他们对他们的环境进行概率推理的能力。

正如Ermon解释的,“你需要能够评估这些种类的概率,因为他们在搭你需要作决定的积木。