当我女儿很小的时候，我们会去附近的操场，她会很高兴地喜欢去荡秋千和滑梯。有一天，天一直在下雨，我们还是到了操场，但是什么都玩不了。尽管如此，她还是注意到有一条小溪正在穿过操场，由草地上剩下的雨水驱动，这些雨水沿着现在形成的小溪流到街上去了。

她决定沿着这条小溪选定一个特定的地点，并开始用地上的小树枝搭一座小桥，这似乎是一种很有创意的方式，把我们原本因雨而出的参观操场变成了一件有趣的事情。我着迷地看着她试着把树枝钩在一起，然后在雨水汇成的小溪上把它们做成一个拱门。她现在还很小，完成这样的任务似乎是一种精神上的壮举，因为她必须弄清楚如何把树枝缠绕在一起，如何试着把它们拱到水面上，而且这样做的时候，不会掉进小溪里。

她按着自己的想法在实践，但是原来的结构变得顶部沉重，并塌陷到溪流中，大部分树枝都不见了。我想她可能会心烦意乱，或者至少站起来，厌恶地走开。相反，她思考着自己努力的结果，整整一分钟，她看了看小溪，看了看树枝，看了看操场四周，陷入了深深的沉思之中。我不知道她在想什么，但是她突然的行动起来，收集了一些在风暴中倒下的零散树枝和落叶等。然后，她开始在那条小溪上再建一座桥。

看到她有毅力继续她的探索，这是令人兴奋的。她没有放弃。她回顾了所发生的情况，并仔细分析了情况。她重新审视了可供她使用的资源。她重新计划了下一步该做什么。她执行了她的计划，对于一个小孩子来说，这些都是思考和正念的奇妙标志。正如你所能想象的，想到这是她成年后的前奏，我欣喜若狂。的确，这就是她的结果!

锚可以把我们压垮

我为什么要讲这个故事?有时候，我们需要重新开始，它可能是一个系统，您正在编写的工作，它已经达到了一个点，似乎有一个死胡同。或者，也许你有一个家庭项目，已经弯了形。你可以尝试着继续你开始的工作，但是有时候这比重新开始更糟糕。当你建立在已经开始的东西上时，你经常需要竭尽全力使新的东西适合你，你就会固守在已经做过的事情上。如果已经完成的方面不是很好，那么你可能会陷入之前的困境和困境。

无论是仅仅因为它的存在，或有时由于传统，或出于任何原因，过去会导致我们的未来变得紧张。与此同时，另一些人来到这里，看到了一个新的未来，于是他们跳过了旧的方式。让我们重新审视一下重新开始的整个概念，并将其重新引入人工智能领域。

在人工智能领域的早期，人们对所谓的专家系统(有时也被称为基于知识的系统或基于规则的系统)大肆宣传和狂热，出现了一个完整的子行业，为知识获取、知识编码等提供自动化工具。当时的希望是，这是在建立真正的人工智能系统，可以显示智能和智能行为的突破。尽管在那个时代取得了很多成就，但最终变得更加明显的是，这并不能让我们达到真正意义上的人工智能。

在专家系统的全盛时期，机器学习领域也有一些动作，人工神经网络的应用刚刚开始从研究实验室出来。大部分神经网络都是作为原型建造的，它们的体积相对较小，只有几层，神经元的数目最多可能有几百个。数学性质仍在发展和探索中，构建神经网络的工具往往使用起来笨拙和笨拙，这是人工智能领域中一个相当神秘的部分。

低成本处理器的大收敛，更高的性能处理，大数据集的现成存取，以及其他因素促使人工神经网络重新获得关注。事实上，它已经成为人工智能领域的宠儿，看上去令人印象深刻的壮举涉及到视觉处理，用于做外语翻译，在围棋之类的比赛中获胜等。

一般来说，大多数知情人士都会同意，这些人工神经网络并不是一个突破，因为它还没有被证明这种方法将引导我们进入真正的智能系统。

只是规模还是别的什么?

有人工神经网络方法的支持者说，我们只是还没有达到规模，我们有一些看似大规模的神经网络，涉及成千上万的人工神经元。但是，据估计，人类大脑有1000亿个神经元，以及大约100万亿个连接。目前还没有人工神经网络接近这一规模。许多人在问的问题是，如果我们真的能创造出同样大小的人工神经网络，我们是否会突然拥有一个正常运转的大脑?

本质上，如果你有两件东西大小差不多，一件是生物的化身，另一件是某种机器或自动化的化身，那么机器版本会和生物版本一样有能力吗?

我们不知道，但我们知道我们在人工神经网络中模拟神经元的方式和在实际大脑中的生物实现方式是不一样的，所以我们已经有了两者之间的区别。据推测，仅凭事物的“力学”，人工的方法本身就很差，因此人们可能马上怀疑单凭神经元数量和连接的绝对大小的有效性，以至于这种模拟方法不太可能达到同样的顶峰。

即使我们可以得到相同的住房，那里面的东西呢?

事实上，人们相信人脑不仅仅是一桶神经元和连接，也许有某种预接线和预设置，使这个乐高的收集到一些特殊的东西，可以最终显示的智慧。如果是这样的话，我们需要以某种方式让我们的人工版本变得更像那样。或者，我们可以希望也许有不止一种方法可以剥掉一只猫的皮，这意味着也许我们可以获得智力，但这是通过一些其他的方法来实现的，而不是我们今天所知道的方法。

我们是不是已经被困在我们的生活方式中了?

对于今天的人工神经网络，我们需要向他们展示有时数以百万计的数据实例，以使他们对某件事形成模式。想要在照片中找到猫，首先将数以百万计的猫照片输入神经网络进行训练。然后你可能会得到一个好的“猫”图像探测器。但是，这是有可能的，只要几个像素的变化，你可以给训练的神经网络，其中包含一只猫的图像，一个人会检测到它，但神经网络可能不会。

到目前为止，我们所知道的神经网络是脆弱的，他们还需要大量的训练数据样本，他们的重点非常狭窄。

小孩子需要看上百万张猫的图片才能知道猫长什么样吗?别这么想。一个小孩怎么知道猫是什么样子的，如果他们没见过数百万甚至数千只猫来模仿它们的样子的话，他们怎么会知道猫是什么样子的呢?不知何故，这个小孩完成了这样一项壮举，没人知道是怎么回事。

很长一段时间以来，人们一直认为，当婴儿出生时，人脑中并没有包含任何东西，它几乎缺乏我们所认为的知识。然后，当婴儿遇到周围的世界时，大脑就会吸收这些信息，并开始形成智力，以一种看似神奇的方式，婴儿在智力上增长并成为一个孩子，而孩子在智力上逐渐增长并长大成人。

婴儿的大脑真的是一张白纸吗?它是否仅仅是一群空的神经元，然后随着智力发酵过程的进行而形成的呢?

有些认知科学家会说，即使是最小的婴儿也有某种形式的神经连接，为他们提供了一种与生俱来的能力来做一些事情，比如物体的表示，他们有一种用于计数目的近似数字感，他们有某种内置的几何导航，他们有一些东西可以让他们使用语言，等等。我们可能无法与一个婴儿交流，因为他们的语言能力和运动技能不容易允许，但尽管如此，在大脑内部预接线，已经出了门，使人类在智力方面迈出了一大步。

这就好像我们确保了每一个人工神经网络都有一个基本的结构和内容，这对于向前发展是必不可少的。就像一种自举，这将是一种“与生俱来的”能力，并允许神经网络超越一些狭隘的焦点，只能玩游戏围棋或检测猫的形象。但是，到目前为止，我们还没有任何类似的东西。

然后，我又回到了我的故事，我的女儿如何看了看倒下的树枝，并后退一步，重新思考如何解决手头的问题。在机器学习领域，也许我们应该努力找出自举的原因。在我们弄清楚之前，我们用神经网络所做的其他事情，可能根本上不是这样的。我们正试图利用我们今天所知道的神经网络结构，并在此基础上走向智能。

也许，我们正在以一种需要重做的方式进行建设，是否有一种方法来发展固有的核心，一旦我们确定了这一点，我们想要完成的其他事情将是逐步的，并像许多多米诺骨牌一样一个接一个地向我们走来?

人工智能汽车重新启动

这和人工智能汽车有什么关系?

我们追求的是开发人工智能汽车的传统方法，同时我们也在追求一种“离群”的概念，即我们可能真正达到真正的人工智能汽车的唯一途径是通过一种更激进的方法来做到这一点。

让我们假设，所有的汽车制造商和技术公司都试图创造人工智能来实现真正的5级自动驾驶汽车，但并不能完全做到这一点。正如我们今天所知，我们一直在推动现有的机器学习方法，我们不断推出越来越快的处理器，但我们并没有达到真正的水平5。真正的5级是一辆自动驾驶汽车，能做人类能做的任何驾驶，不需要任何人为干预。

也许我们会有一辆5级的自动驾驶汽车，它相当不错，而且似乎涵盖了人类驾驶员所能做的大部分事情，但并不是所有人类驾驶员都能做到的事。我们大家都到了不能再往前走的地步了。我们最终拥有了自动驾驶汽车，它可以处理95%的驾驶任务，而剩下的5%仍然是剩余的部分。当我们意识到我们不能得到最后的5%，我们都同意人工智能汽车需要被分割成自己的车道，并被视为主题公园乘坐，或采取其他保护措施。

作为一个总体框架，人工智能汽车涉及以下几个主要方面：

1、传感器数据采集。

2、传感器融合。

3、虚拟世界模型。

4、人工智能行动计划更新。

5、汽车控制命令。

就传感器数据收集而言，这似乎是一种主要的物理感知任务，它可以与人类的感官能力相提并论。然而，当我们人类用眼睛看东西，用耳朵听声音时，就涉及到了心理过程。因此，即使是以一种简单易懂的外围设备的方式，大脑的处理过程也会开始发挥作用。婴儿的大脑是否已经预先连接好，以便更好地利用外围设备，并将其整合到思维的其他大脑处理过程中呢?。

对于大多数人工智能汽车，感应器除了收集原始数据，有时只做一些小的活动，如压缩或转换，并没有多大的作用。当传感器融合发生时，从无数传感器收集到的数据需要相互比较，并用来创建某种统一的指示，说明在自动驾驶汽车之外的世界正在发生什么事情。然后，这被输入到一个虚拟世界模型中，这个模型跟踪自动驾驶汽车在哪里，它试图去哪里，以及其他方面的信息。人工智能的行动计划然后被更新或设计，最终人工智能指示自动驾驶汽车采取某种形式的行动。

如果你带一个十几岁的孩子去教他们开车，他们是否需要千千万万次的驾驶旅程才能知道如何驾驶一辆车?没有。他们往往能在心理上很容易地掌握驾驶任务的性质，这就变得更加努力地协调他们的身体来完成驾驶任务，而较少涉及到驾驶任务的精神方面的问题。-。

传统的开发人工智能汽车的方法是采取一张白板，并试图使其成为可以驾驶汽车的东西。如果没有人类大脑所具有的与生俱来的能力，我们可能会走上错误的道路。我们可能需要首先解决先天的问题，一旦这发生了，分层驾驶汽车可能是相对容易的，并使我们达到100%的目标。

这样，也许我们需要重新开始，首先解决固有的能力问题，然后再做自动驾驶汽车方面的工作。不过，这可能意味着我们不会马上看到自动驾驶汽车，我们可能都会感到气馁，因为它不会为想要拥有自动驾驶汽车这一问题提供立即的解决方案。目前，我们都被困在用树枝搭建一座桥的过程中，如果这座桥不够坚固，不能真正发挥作用，我们可能需要再看看周围，而不是先解决先天的能力问题。顺便说一句，任何破解先天能力密码的人，都有可能获得诺贝尔奖，并打开人工智能的大门，我们想象有一天我们都希望看到人工智能的出现。