如果人工智能用到汽车上，会是怎样一种局面

近日，“阿尔法狗”( AlphaGo)在一场国际性围棋竞技中，居然以4:1绝对优势，战胜了世界围棋大师，韩国九段名将李世石，掀起了一场“狗”咬人的“石子旋风”。“阿尔法狗”的取胜，表明在围棋领域的人工智能思维已达到相当高的水平，已经做到可以超过人脑的“悟性”，可以说是人工神经网络（以下简称神经网络）又一崛起。

“阿尔法狗”的胜法是基于高度化神经网络及其相关处理器，应用“深层思维”，“深度学习”手法得益的，显现出神经网络计算技术的一朵最为鲜艳，最为奇葩的花朵。同样在汽车界不少人士认为，智能汽车要从“人狗大战”中去获取启示，尽管智能汽车要比围棋复杂得多，但道理都是相近似的，一定要以神经网络的潜能更快更好的去建设智能汽车社会的系统工程。
 

这样，我们在制定和贯彻“十三·五”汽车产业规划中，要努力按新常态的要求，力争在发展汽车需求稳增长的同时，更要重视供给侧结构性的改革，要抓核心，补短板，而神经网络就是智能汽车发展上很重要的核心和短板之一。从过去我们搞“五年规划”的经验和教训上看，我们多注重数量，轻质量，抓硬件，轻软件，抓建设，轻研发，抓终端，轻基础，这可以说是形象工程毛病一种表现。为此，当前我们抓智能汽车一定要做到把计算机的硬软件并举，融合发展，把神经网络放在重要地位上。

“人狗大战”是表明电脑围棋敢与和人类进行挑战的一个最敏感事例，我们发展智能汽车一定要把神经网络这项工作抓好抓实。当前现代化的神经网络已经呈现出相当高的水平，表现在个性化、嵌入式、超高速、大容量、微型化、网络化、智慧化，应当说明，我们神经网络的总体水平具有比较高的国际水平，而且继续的在不断创新应用中，尽管我们和美、日、欧有不少差距，但千万别像过去那样应用传统理念，满足于现状，大家都抓，互不相通，同质化发展，这样有可能把神经网络走向低端化应用，而陷人人机管理危机和陷阱之中。

那么，当前对发展神经网络有那些值得关注的问题？

应大力加强神经网络信息科学的建设，这是发展智能汽车一项基础性工程，这是被视为本世纪最新型的一种边缘化学科。

从传统计算机计算程序看，是基于CPU不断重复取指，译码，执行、存贮的经典控制，实行的是固化线性控制，使用程序都是预先安排好的，擅长于数字和逻辑运算和串行的工作方式，这在计算机领域已有相当时间的运算，为社会包括汽车工业在内都作出了巨大贡献，但它最大的缺点是不能进行自学习的运算，不善于识别和处理不断变化中的模糊信息，导致存在着进一步突破性发展的“瓶颈”。

神经网络计算机程序运算规则与传统计算机运算有着本质上的区别，不论从原理结构和操作都应用新的程序和方法，突出的是更加和甚至要超过人脑的运算能力，达到系统大脑的运行风范，能模仿人脑结构及其功能来处理不断变化中信息系统工程。

神经网络的特点很多，表现在非线性、实用性、并行性、网络化、知识型、分布式、容错性、凸显性、非局域、交互性、生存期等。这里要着重说明的是生命周期问题。神经网络的模型如同信息化年代事物一样，变化太快太大，因此它有孕育、诞生、成长、成熟、衰亡的周期性过程，这样就必须不断的去创新，研发，从实践中找出要改进和创新的地方，以适应信息发展形势的需求。同时还要注意硬软件之间交互应用，两者的融合应用十分重要，神经网络不能摆脱硬件单独自行活动，要相互依赖，而开发出十分实用性，高效的，定制的软件工程的创新机制和规则，以及资金上，人力上的支持。在不久前国内的一次汽车产业信息会议上，一位国外计算机专家说，现在传统计算机的控制已经很简单了，就像人们把鱼煮好，端上来，你用中国的筷子夹着吃，这种操作很方便的放到口里，而神经网络就没有那么方便，就好像你拿着网，到池里去抓鱼，什么时候能抓到鱼，什么时候能吃到鱼就不得而知了，这就看你的本事和机遇了。

虽然神经网络比传统计算技术更高一筹，但在应用上各有偏重，神经网络不是完全去替代它，而是发挥各自优势，两者相辅相成，但要更多的去探索和发挥神经网络的本领。

——从神经网络发展史看是随着客观需求而不断发展起来的，特别是要发展智能汽车，必须连接最新型的神经网络，而且从总体来讲，目前智能汽车的神经网络的应用，特别是全自动驾驶的智能汽车，是这几年才火热起来的，总体讲还处于初期应用阶段，极需要认真，切实的去探索，去实践，去提高。

在上世纪40年代就出现过研究神经元的模型，但在真空管计算机年代，要物理地实现神经网络计算是不可能的。到60年代初美国斯坦福大学提出自适应的神经元器件计算，应用神经网络初期理论用于天气预报，减少了不少误差，被认为是第一次应用高潮。但到60年代末期，当时神经网络计算还不完善，脆弱，硬件配合也不够水平，因此引起学术界一场争议，使之处于停滞阶段。到80年代，美国、日本、欧洲学者提出认知的神经网络和自组织映射理论，以及神经网络在生理与心理基础上研究取得新进展，被认为转入复苏期的第二次高潮。到了90年代初，被认为神经网络进入新连接机制阶段，不再是停留在理论研究上，而是大量进入应用时期，各种规模化神经元芯片，神经计算机，仿真软件都进入市场使用，成为新兴的前沿科技。1987年在美国加州由美国电气和电子工程师协会( IEEE)召开第一届神经网络国际会议、并成立国际神经网络学会。我国于1990年12月在北京召开首界神经网络学术大会，1991年成立中国神经网络学会，掀起了神经网络模似人类智能的新热潮。进入21世纪以来，随着世界科技爆发性进步，特别是互联网、电子、云计算、大数据、纳米、新能源、新材料、量子通讯、3D打印等高科技日新月异应用，为神经网络的高度化发展提供众多有力的支撑，促使神经网络获得众多信息科学给定好处和解决方案，因此也有力的支持了网络汽车、智能汽车以至自动驾驶汽车的研发不断的进入实用化初期应用上，不难看出神经网络的巨大进步，已为人类智能化进步奠定了有力的基础。

当前，无论是传统汽车的改造，电动汽车，智能汽车都需要开展必要的基础研究和应用，这已成为行业一种共识，但基础研究项目往往不是短期见效的，需要时间、耐力，包容的去开展，一旦取得成效，包括阶段化成效都会促使汽车产业获得巨大利益，那种急于求进，浮躁投机思维和行为千万要不得。

——当代神经网络进入复杂、开放、集成、系统、智慧、生命综合控制发展新时期。神经网络的思维科学发展也达到高级、优化、精确的水平，出现了耗散结构论、人工生命论、协同学、模糊逻辑、分形学、灰色系统学、超循环学和混沌学等非线性理论，创立了全新的控制理论，为新世纪开创全新型的模糊控制、神经控制和智能控制奠定了重要基础，开创了控制论的新篇章。

这里尽可能简要的研讨一下控制论一些重要理念：

“熵”：这是热力学引入的极重要的物理概念，对研究神经网络极为重要，即新时代信息科学的发展多处于非平衡、非对称和无序发展之中，当事物对社会作出贡献同时也必然会产生逆向，无序、混乱的发展状况。如汽车对人类社会作出了巨大贡献，但它的碳排放，尾气有害物排放，道路堵塞和安全事故等反面现象也十分严重。我们应用熵流，把正面作用叫负熵，把逆向作用叫正熵，神经网络的作用就是促使事物提升负熵作用，抑制正熵的反作用，这已成为当代重大的科学手段和社会哲理上重要概念。

“自学习”：简要的说自学习能力是要求应用神经网络要自己学会要做的事情，在文献中把学习和训练两词是通用的。自学习实质是神经网络的矩阵序列与外部环境的激励有一个自适应程序变化的过程。当代自学习的规则很多样，但多是应用联想人脑的办法，达到所输入和输出的响应模式。

“自组织”：简要说基于模糊神经网络的自组织作用，往往是和自学习和对事物联想结合起来，实现自我组织、自行组织、自己把自己组织起来应对完善和改变环境结构模式和动作的一种属性。很重要的是具有涌现性，就是要把处理的具体目标的系统作用时，在事物宏观整体上涌现出来．并具有互动交叉对应所有组分上的整体目标，就是说从部分属性去实现整体联想目标实现一种办法。 归结起来熵是发现问题，自学习是分析问题方法，自组织是解决问题，这是神经网络三大运行程序。

当代神经网络的发展太快了，系统化太大了，而这一切出发点就是如何更好去发展智能汽车，神经网络则是一种重要的手段。

应该说智能汽车产业发展并不是遥远的事，它可能比新能源汽车发展还要快些。智能汽车的发展可能分为三个阶段：一是部分辅助性自动化阶段，这目前已大量的应用和深化；二是半自动驾驶阶段，现在国内外已有部分车辆在试行；三是全自动驾驶阶段，这是智能汽车终极目标，有的样车已经出来，但真正社会化应用却有一段较长时间。IEEE预测在本世纪中叶全自动无人驾驶汽车将占全球汽车保有量的75%。国际汽车著名咨询机构IHS预测，2025年无人驾驶的智能汽车将走进寻常百姓家庭，2035年销量将达到1180万辆，占同期全球汽车市场总销量9%，无人驾驶汽车似乎不是一种神话，而是离现实生活越来越近了。但我们有信心和决心，加快智能汽车研发、制造和产业链发展，深化神经网络的创新和应用水平，就像传统汽车和新能源汽车一样，把智能汽车的产销量和水平也能达到世界第一。