谷歌无人车之父Sebastian Thrun：摄像头才是无人驾驶最好的方式

来源：优达学城

编辑：闻菲

Sebastian Thrun：谢谢主办方邀请我到这里，非常感谢腾讯以及腾讯大学为我们搭建了一个如此好的平台。我可以看到大家的T恤上写着“如果你不学习就代表你不合群”，我特别喜欢这件衣服。

在座的都是特别有才华的人，我们在这里不仅是为了怎么做好一件产品，这个世界是在向前发展的，我们要携手前行。

我今天作为Udacity的创始人的角色来跟大家分享，但是我今天更多想分享的是AI，我想在接下来的一段时间跟大家谈一下关于AI的一些细节，如果大家有任何问题也可以随时问我。

如果大家去看最近的一些新闻，可能大家可以看到最经典的一个议题就是AI，特别是机器的深度学习，Udacity和腾讯正式签约，在这方面深化合作，开展一些课程跟大家学习。

AI并不是什么新鲜的东西，在上世纪50年代美国就有这个概念，在过去的60年没有很多人特别在乎他，也就是在过去两到三年，AI突然受到大家的关注。我们说AI，最重要的一点就是机器开始学习了，电脑可以开始自行学习可能是一个比较新鲜的事情，它是怎么样开始的？

如果大家像我一样是做软件工程的，可能大家是在研究怎么解码，怎么写代码，可能会用很多的时间写下非常复杂的一些代码，然后希望把工作做得更好。作为软件工程师，我们需要花大量的时间了解这里面是否有一些bug，然后你的电脑能不能进一步做它应该做的事情。所以准确率要求非常高，这也是为什么我们的工资相对是比较高的，因为一旦代码做不好，电脑没办法使用。在座的诸位和我天天都在研究这些东西，一长串的代码，每一个细节都要求是准确的。大家写代码的能力可能很快会被取代。

接下来我们是要教电脑怎么学习，让电脑知道什么是狗，什么是猫，告诉它有100万只狗、100万只猫，它要了解怎么区分猫与狗。我们可以通过给它们看图片来区分猫和狗的差异，这样使它更像人。小时候你的父母会教你学很多东西，当时你并没有办法从父母那里学到各种各样的规则，世界充满了可能性，需要小孩子去尝试，小孩子会跌倒，在跌倒过程中不断地学习经验，现在我们处在一个新的时代，这个时代中计算机可以发现规律、发现模式，这样它们就可以越来越聪明。

大家看这幅图片，这是神经网络，神经网络在很多方面和人脑类似，左边是一些图片，这些图片非常小，可能看不清，有一层又一层的神经元，神经元可以来处理图片或者是图像，从这些图像中可以识别出人的表情，有一些人有胡子，有些人在大笑，这就是我们的大脑分析信息的方式。我们的DNA非常少，通过一点点DNA可以定义我们是谁，在DNA中有重要的信息来帮助我们识别出各种差异的特征，小孩子从牙牙学语，到后来掌握了语言，在这个过程中他们不停地吸收新的信息、新的语言，逐步地适应，我们也要让神经网络这样发展。

1995年我做我的博士论文的时候，还没有人研究这样的网络，当时计算机的计算能力非常弱，数据集也非常小，我当时用了很少的图片来训练网络——现在你可以用5亿张图片来训练你的网络，但是在当时我的信息和资源非常有限。大家看这些图片，左边是老鼠的大脑，右边是人的大脑，一个小的网络学不了多少东西，就像老鼠的大脑，它比人的大脑小很多，1995年的时候，计算机的能力很弱，没法学到很多的东西，现在计算机非常强大了，可以学到更多的东西，可以分析更多的信息，在未来可能更加疯狂。

我们来看一些例子。我最喜欢的一个例子来自谷歌 DeepMind。我在上学的时候，国际象棋对AI来说是非常难的，在我上高中的时候，也就是上世纪80年代的时候，AI没法打败人类的国际象棋冠军，1997年IBM做出了深蓝，打败了当时的国际象棋世界冠军，这个新闻在当时是非常有轰动性的。后来人们转向了围棋，围棋更复杂，在围棋中变化的可能性比宇宙里的原子还多，人们以为计算机不可能在下围棋时打败人类。2016年，深度学习的系统打败了人类选手。不过，需要指出，现在我们要设计规则给机器还是很难的，要给机器提供无数的数据帮它们去学习。同时，人类可以同时玩很多种游戏，而AI现在是专用的，围棋的AI就只能下围棋。

再看另外一个例子，在医疗方面也可以用AI，医疗是一个非常专业的领域，要当医生，就要花很多的时间培训，学习很多知识，每一名医生都是一个专家，即使在医学中某一个分支要做得很好，也需要很多年的学习。医疗领域技术要求最高的是皮肤病领域，皮肤病领域的专家的薪酬特别高，他们会研究人的皮肤的每一个状况，黑色素瘤以及其它的皮肤癌症都可能带来严重的生命威胁。这里面需要做出很多的决定，这些皮肤病专家要做出人命关天的决定，在美国，这样的医生一年的薪水可达40万美元，他们赚钱非常多，通常比一些CEO的工资都高。但是，这些皮肤病医生每天的工作很无聊，要用放大镜来看人们皮肤上的斑纹，这不是我想做的工作。

零级的黑色素瘤是没有什么伤害的，到了四级的时候就非常严重了，可能会扩散到其它的器官中，只需要8到10个月就可以扩散到全身，这时候你的状况非常糟糕，四级的黑色素瘤可能会危及到生命。在斯坦福我们和一些学生讨论，我们用AI来试图打败人类的皮肤病专家，我的学生发现了一些规律，他们找到了很多的图片，总共找了13万幅皮肤病的图片，这些图片后来都拿来做计算机训练，这些实际上是一些切片的图片，切片就是用来判断人是不是有癌症的，实际上这些图片非常难分类。

这里前5幅是良性的，不会威胁生命，下面这些是恶性的，如果不治疗的话，会出人命。这些图片就可以用来训练我们的计算机系统。要进行分类实际上有很多困难，哪些图片代表恶性的，哪些图片代表良性的，这就是皮肤病专家专业知识的价值所在。大家看这些边界，这些边界是模糊的，但是模糊的边界也有不同的特征，在不同的边界状况下，我们可以做出不同的诊断，判断出是不是会威胁到生命。

我们训练一个神经网络，你可以接触到关于皮肤病或者皮肤癌症的各种各样的信息，你可以拿到很多的信息，这些信息可能并不是相关的，在这幅图上，或许你可以找到所有的皮肤癌症，但是特异性如果是0，意味着特异性不足，这种情况下就不会造成皮肤癌。如果超过某个边界之后，你会发现更多的皮肤癌症，而有时候在这里你会发现一些误判，这些状况并不是皮肤癌症。有时候我们会有一些说法，A类和B类的误差，或者是敏感程度的误差，实际上有一系列的答案，在这些答案里面我们要判断，有不同的程度。我们看这个曲线，如果你看到门限在这儿，你会发现有20%的是误判，也就是把皮肤癌判断成非皮肤癌。

我们在研究中做了这样的分析，我们按照理想的状况，希望用它来检测皮肤癌应该在最右上角这个地方是最好的，在这里我们可以找到所有的皮肤癌的状况，如果是这样的对角线的状况，效果就会差很多，会成比例的下降。对角线的状况下就会丢失掉很多的正确信息，我们希望能在右上角。当时我想我们是不是可以写一篇非常好的论文，我作为核心作者。

如果你理解我刚才说的特异性和敏感度，这里的算法实际上是需要改进的，这里的假阳性可以大幅的减少，如果算法在右边，我可以将假阳性的比例降低4倍。我们希望大幅降低假阳性，这样才可以拿到好的结果，如果假阳性太高，这个系统是不好用的。我们做了一些测试，来看看结果是怎么样的，我们发现有些特别好，有些非常糟糕，然后有一个平均值在中间。

我们做的是黑色素瘤的研究，黑色素瘤非常危险，大家不希望它出现在左边这个状况，在这种状态下有8%左右的误差，这是哈佛、耶鲁这个等级的皮肤病专家的表现，大家都希望这样的专家给你看病，人工智能可以实现这样的水平。

我们再看无人驾驶方面的内容，我们Udacity提供的一些纳米学位的课程里面也会涉及到无人驾驶汽车的内容。

在Udacity我们为人们编织美好的梦想，我们提供的课程是非常全面的，我们会培养无人驾驶汽车工程师，我们与很多车商有合作，我们为他们直接培养人才。我们培养了很多无人驾驶汽车工程师，提供的工程师数量比所有大学培养的数量都要多。

这是用深度学习来做的一个结果，其实跟谷歌做的有点相似，这个是用了一个摄像机，看看在哪里走，谷歌一般是用雷达系统。测试时，如果结果不是很好的话，我们就会用上更多的数据，获得更多的细节。之前我在谷歌压根做不了这个事情，但是作为Udacity的学生，有很多聪明的学生，我给他们一个挑战，就是让他们只是拿一个很便宜的摄像头安装在车上，让这个车开在照明不太均匀的地方。

这是我们获取的结果，这些数据对我来说，我看到都觉得很难，我们给了学生大概48个小时，看谁可以获得一个最好的表现。我们可以看到这个方向盘，只连接了一个摄像头就可以驾驶，这种无人驾驶的车，在中国可能百度会做相关的研究，可能腾讯也在做相关的软件。现在大家都在用雷达系统做无人驾驶汽车，其实用摄像头是最好的方式，这样的成本是最低的，而且因为人开车是用眼睛看的，所以这样也更接近现实。我们给学生提出挑战，你能不能只用一个摄像头来实现无人驾驶，这是我们的学生交的一个作业。

我从2003年就开始做无人驾驶汽车了，我从来没有见过用一个摄像头可以实现这么多功能，它可以把每个细节都进行分类，把这个东西放在无人驾驶汽车上面，让它自动驾驶，它的成本并不高，而这只是一个开头，这也是我们很多很厉害的学生把他们的结果发到Udacity上，使我非常震惊。

大概我们做了三个月的测试之后，有一个团队做的无人驾驶车，在旧金山的上下班高峰期，用无人驾驶的车开过了繁华的道路，经过了100多个红绿灯路口。Udacity的学生做的这个程序，3个月的时间，他们做到了谷歌用了很多年才做到的事情，而我们只是用一个摄像头就能搞定。

所以，我觉得我们可以改变无人驾驶车的未来。

作为AI很重要的一点，它并没有被所有人所了解，AI可以做很多人类需要做的事情，基本上每一个人类需要重复做的事情，AI都可以帮助人类去做，如果你是一个医生，你说AI跟我没关系，肯定是售货员会被取代，但是我可以告诉大家，刚刚展示出来的一个医疗系统的AI，对于一个有12年的经验的医生来说，只要他做的工作有一定的重复性，我就可以找到一个系统来超越他。所以这样一个革命有可能比重要革命更重要，它可以把人类的工作方式进一步变革。

接下来可能是谁会被取代？可能出租车司机会被取代，因为无人驾驶汽车会改变美国10%的交通系统。还有货柜车的司机，飞行员也有可能被取代，有些时候在恶劣的天气下，可能无人驾驶的程序驾驶飞机比人员驾驶更稳定。还有医生、律师也有可能被取代，现在已经有AI系统用来做一个合同，这些已经可以取代律师做的工作。还有会计、信息搜索员、工程师，像在座的诸位，您的工作是否有重复性，有没有可能被AI所学习？还有CEO会被取代吗？我的工作是不是有一定的重复性？可能我不会被取代，然而我还是期待，有一天AI可以取代CEO 90%的工作，如果它能取代我90%的工作，我可能会更要效率地管理企业，赚更多的钱。

重点是，重复性的工作真的很无趣，很多时候我们会通过不停地做重复工作让自己的能力越来越差，因为人类希望可以得到更好的东西，我们希望可以创造更好的事情，很多时候在做重复性工作做多了之后，你的创新能力就会下降。大家可以想想，当年你们是在不停地农耕，现在我们在做什么？我们的创意比老一辈要多多少，为什么这种创意要停止呢？

想到AI我就非常兴奋，因为这是目前最重要的事情，它对我们会有很大的影响，我是特别乐观的人，我不觉得做重复性的工作一定很烂，但是你也可以有创新，现在我们的供水系统、汽车、飞机，在座诸位的手机，以及我们的社交软件，在150年内我们就创造出所有的这些东西，所以我们想想，我们可以有多大的几率再弄更多的东西？为什么我们还没解决癌症的问题，为什么我们还没创造出一个会飞行的汽车？可能过几年就会有，我们真的要从重复性的工作当中解放自己的天性，解放自己的创意，利用AI来帮助我们。

非常感谢大家的聆听。

以下部分节选自Q&A环节的整理。

提问：您说蒸汽机代替了人的体力劳动，AI会替代我们的脑力劳动，如果AI真的开始的话，下一个革命是什么？

Sebastian Thrun：一两百年前我们让人变得更强大，我们可以做更多的农耕工作，我们就可以做更多有意思的事情，可以读书、可以写作，今天我们还可以有更多的时间做办公室的工作，如果有AI来帮我们，我们就会有更多的时间，我们可以用这些时间再去做别的创新。AI能处理的下一个问题是什么我并不知道，可能要等20年之后我们再来聊。AI可以改变社会、改变人类，之前没有这样的情况发生，未来很难想象。

提问：什么样的公司可能会在无人驾驶这个领域做得非常好？是一些传统的车商，比如宝马、比亚迪，还是网络公司，比如说腾讯、百度这类的公司。无人驾驶领域，哪种公司会取得胜利？

Sebastian Thrun：这个问题问得非常好，你说哪个公司最终会取得这场竞争的胜利，究竟是宝马还是比亚迪，或者是腾讯、谷歌这类公司，现在我很难预测谁会胜利，我的想法是基于美国的状况得出的，中国的状况可能有所不同。

有件事情出乎我的意料，在汽车方面的创新并不是OEM车商来引领的，并不是宝马、比亚迪这样的公司，他们有很多的专业知识，他们的商业模式也很好。百度、Uber、滴滴、腾讯等等这样的强大的技术公司也在赶上，但是这并不意味着腾讯一定可以从无人驾驶汽车中赚取很多的利润，其它公司也在一起做，最终可能赚不了太多钱。

对我来说，胜利者可能会是一家传统车商。你看看交通方面的经济细节，在美国你买一辆车，一英里的成本大概是60美分，如果打车是2.5美元，如果坐Uber是1.5美元，滴滴大概是1美元，Uber和滴滴比打车的成本低很多，这些出行的模式会降低很多成本，比出租车的成本更低。在城市里面你到底是自己买车，交停车费，还是去乘坐无人驾驶汽车，这些车可以将你带到你想去的地方，这些车的大小也可能根据需求不同而不同，有可以坐很多人的车，也可以有只坐两个人的车，交通系统会发生很大的改变，人们会有很多创意的方案，拼车会有非常大的潜力。

在无人驾驶领域，我觉得腾讯或者百度并不一定能赚取很多的利益，大家看看谷歌赚了多少钱？你用过去的思维看未来，这是比较危险的，腾讯不应该只关注在这个领域，我们可以关注一下家庭计算领域，比如说亚马逊在这方面已经做得非常好了，我们需要为这些领域带来新的解决方案，我们不应该仅仅考虑过去的状况，人们不一定总是买车，但是人们买房也是很常见的现象，我们应该更注重人们在家里的各种技术需求，人们希望有能力四处移动，这时候我们要提供非常好的交通移动解决方案。我们再看微信，这是一个很好的例子，微信上有很多的服务就是很好的整合。

OEM车商如果和我交流，他们可能也不相信我说的这些话，大家的观点都各不相同，这是非常好的现象，我们可以讨论。

提问：在未来AI是不是可能发展到机器有自己情感的程度？

Sebastian Thrun：这个问题很有意思，人们总是问我，为什么不让机器人有感情或者说情感？举个例子，你家有洗碗机，它实际上是机器人，可以帮你洗碗，我非常喜欢这种机器，你进到你的厨房里，洗碗机可能说，“我爱上冰箱了，你对我不好，我不想和你在一起”。我故意说这样一个笑话，如果机器有情感，就可能有这样的现象出现。

这样的机器是对于人类生活的补充，如果我的车有情感，我要对它非常好，否则我会出现生命危险，这是非常不好的。实际上在人类设计AI的时候，我们并不希望它们有情感，因为这样是非常危险的。这件事情我们一直在思考，成功的技术总是会给我们带来帮助，而不是来威胁和取代我们。如果微信变得像人一样，或者说有非常丰富的情感，那你可能会非常恐惧。如果车有情感，它是不是可以想跑多快就跑多快呢，就像有腿一样。如果我造的一辆车就像我一样有两条腿，也有情感，这样的车对我们有什么意义呢？我想重复一点，这些技术、这些系统对我们的生活、对我们的社会、对我们的世界是一种补充，我们不希望它们有情感。

提问：我想问您一个关于机器人的问题，您怎么看待机器人的未来？

Sebastian Thrun：机器人是一个很有意思的事情，基本上过去20年一直存在，美国的很多大学特别热爱机器人，如果你是一个机器人公司，可以来找我们，我们想想要解决的事情，然后找最好的解决方案，最重要的是要做一个好的应用。在机器人领域，无人驾驶汽车就是机器人的一种，我看了很多比较基础的项目，像家庭的应用，以及亚马逊这样的大型的机构都会用到机器人，机器人会应用到很多的领域和功能当中，这是可以改变社会或者改变工作规则的，所以对于机器人的未来我们还是非常乐观的。

提问：您刚才说AI是可以帮助我们做很多重复性工作的，作为非重复性工作，现在在谷歌是否有相关的AI的研究？

Sebastian Thrun：AI做重复性的工作是做得非常好的，可能我说的也不对，但是目前AI还没有看到可以做非重复性工作的可能，以后可能会有新的发展，但是暂时AI还打破不了这样的瓶颈，就是做不重复的东西。

提问：现在谷歌是否有用AI来解决一些环保的问题？环境保护是否可能成为一种指数或者指标来判断技术的好坏？

Sebastian Thrun：环境保护其实不是AI要解决的问题，它是一个社会问题，可能没有任何科技可以帮我们解决。在环境污染的情况下，可能有人会付出很多代价，但是也有人获益，所以环保是一个社会问题，它不完全是一个科技问题，如果让破坏环境的人付出他应有的代价，这样才能改善环境。哪怕谷歌他们创造一些可以改善空气的技术，但是有些人也不一定会用，所以它不是一个科技的事情。像我住在硅谷，我们会有很多很新奇的东西，我们会有好多不同的科技，科技不是解决方案，科技只是解决方案的一部分，社会才是提供解决方案的最关键的一环，可能需要花些钱了解一个解决方案，科技只是一个环节而已。

***

此次Sebastian Thrun博士的腾讯之行，是由于Udacity（优达学城）与腾讯正式签约，达成深度合作。今后，腾讯工程师将在Udacity平台上用硅谷最前沿的技术课程实现自我升级。腾讯学院院长及腾讯大学负责人马永武表示，腾讯已经做好准备，加入到席卷全球的人工智能竞赛中。

【号外】新智元正在进行新一轮招聘，飞往智能宇宙的最美飞船，还有N个座位

点击阅读原文可查看职位详情，期待你的加入~