自动驾驶常识归纳，上路需谨慎！

想要准确定义我们所说的常识可能有点难。常识可以基于某种文化，比如生活在某一地区的人都知道这种花有毒，而你作为游客却不知道；常识也会随着时间而变化，一百年前人们会说某事是常识，但是现代人可能根本就不知道。

常识可以通过学习获得吗？有些人说，人们并没有专门去学习常识，我们会在不经意间获得常识。这表明我们不需要了解世界上所有事，也同样可以归纳出一些规律。

我们的社会似乎接受这样一个观点，即高智商的人缺乏生活常识（你可能会认为《生活大爆炸》中的谢尔顿便是一个典型的例子）。但即使是那些高智商的人也仍然会知道一些常识，毕竟他们在现实世界中也过得很好。

出于开发人工智能的需要，我们需要弄明白“智能”的含义，因为我们正在尝试开发一种可以学习常识的自动化系统。

如果说常识是智力的一部分，那么在创建人工智能系统的时候，我们也会希望它懂得一些常识。如果这个系统不懂任何常识，那么我们开发的产品就达不到预期的智能水平，而这个系统也称不上是真正的“智能”系统。

然而目前来看，大多数人工智能系统都缺乏常识。

在自动驾驶理论控制研究所，我们正在开发自动驾驶汽车的人工智能系统，并探索将常识推理嵌入到系统里。

现有自动驾驶汽车的智能系统并没有什么常识推理能力。相反，它们是专门用于驾驶的系统，并且还声称驾驶不需要常识。关于这一点人们一直争论不断。

因此，我们有以下选择：

对于人工智能自动驾驶汽车来说，根本不需要常识。

对于人工智能自动驾驶汽车来说，常识是一种可有可无的东西，但这并不是必需品。

常识是人工智能自动驾驶汽车的必需品。

如果你认为人工智能自动驾驶汽车根本不需要常识，你和许多人工智能开发者的看法是一样的。

如果你认为常识是人工智能自动驾驶汽车的必备之物，那么你可能会担心，人们现在几乎没有做出什么努力将常识内置到自动驾驶汽车的智能系统中。

有人说，90%的驾驶任务不需要常识，需要使用常识的情况只有微不足道的10%。然而，如果你上路行驶的自动驾驶汽车错过了那10%的常识，我认为你会对最终结果感到失望。

这意味着搭载智能系统的自动驾驶汽车可能无法完成所有任务。我意识到有些人可能会说专业知识占比99%，常识也许占比1%，但即使这样，这仍然是值得你注意的事情。

经验丰富的人工智能研究开发人员认为，常识推理的能力早就被遗忘了。要实现让人工智能具有一个常识性的推理能力需要350年的时间，这需要人们坚持不懈的努力，而这种努力在短时间内不会获得丰厚的回报。

有些人会说，我们不要试图找到所有规则并将它们编入一个系统，我们要用机器学习来训练常识推理能力。如果你用人工神经网络对数据进行模式化，那么它可能会找到那些隐藏在数据中的常识推理规律。

也许孩子们并没有按照个人的规则来学习常识，相反，他们的大脑会看到周围的世界，通过神经元模式，他们会得到常识。这可能是因为我们错误地把这些规则变成了单独的规则，仅仅因为我们更容易从逻辑上解释正在发生的事情，但事实上，它可能是对实际正在发生事件的一种误导。

举例来说，当我行驶在高速公路时，看见前方装满垃圾的皮卡车没有被遮盖，任由风吹来吹去，我用常识判断：卡车上的垃圾有可能会飞出来。为了避免安全隐患，我及时选择变道行驶。果然，过了一会，我看见满载垃圾的卡车颠簸了一下，垃圾碎片散落一地，后方车辆紧急变道。

据推测，目前的无人驾驶汽车会像其他司机一样，只有当垃圾掉落在路面时才会做出反应。我们是否会期待有一辆人工智能汽车可以提前感知前方的安全隐患，提醒我们变道呢？

要想让智能系统具备这种预测能力，前提在于它经历过类似的情况。当然，我们也需要考虑到，从一个案例中所学到的东西没有被过度概括。

还记得那个被一只小白狗吓到，从此就害怕任何白色动物的孩子吗？我们需要考虑一下，人工智能如何能够运用常识推理来理解真实的情形，而不是对所有拖着垃圾的卡车过于小心翼翼。

常识不是一件容易的事，把常识推理融入到人工智能自动驾驶汽车中也是一个相当难解决的问题。尽管关于常识在自动驾驶汽车中是否必要的争论还未停止，但最安全的建议是，人工智能自动驾驶汽车仍然需要常识推理。