這可以打破我們與自動(dòng)駕駛汽車和其他機(jī)器人之間的僵局，這也將促使更像人類AI模型的出現(xiàn)。

馬里蘭大學(xué)的一個(gè)研究團(tuán)隊(duì)最近提出了超維計(jì)算理論（hyperdimensional computing theory），能夠讓機(jī)器人擁有記憶和反應(yīng)。這可以打破我們與自動(dòng)駕駛汽車和其他機(jī)器人之間的僵局，這也將促使更像人類AI模型的出現(xiàn)。

馬里蘭州團(tuán)隊(duì)提出了一種理論方法——超維計(jì)算，一種超線程的替代方式，基于布爾值和數(shù)字計(jì)算，可以取代當(dāng)前用于處理感官信息的深度學(xué)習(xí)方法。

根據(jù)團(tuán)隊(duì)成員之一也是論文作者的博士生Anton Mitrokhin的說(shuō)法，這很重要，因?yàn)橐孉I像人類一樣面臨著處理的瓶頸：

基于神經(jīng)網(wǎng)絡(luò)的AI方法既龐大又緩慢，因?yàn)檫@種方法無(wú)法記憶。我們的超維理論方法可以產(chǎn)生記憶，這將大幅減少計(jì)算需求，并且使任務(wù)可以更快和更有效地完成。

記憶是當(dāng)前人工智能所不具備的，但這對(duì)于預(yù)測(cè)未來(lái)的任務(wù)非常重要。想象一下，在打網(wǎng)球的時(shí)候，每次擊球時(shí)你都不在頭腦中計(jì)算，而只是跑過(guò)來(lái)，然后打它。你感知到球并采取行動(dòng)，沒(méi)有借助其他東西將真實(shí)世界的數(shù)據(jù)轉(zhuǎn)化為數(shù)字?jǐn)?shù)據(jù)然后進(jìn)行處理。這種在沒(méi)有過(guò)濾器的情況下將感知轉(zhuǎn)化為行動(dòng)的能力是人類在現(xiàn)實(shí)世界中固有的能力。

2016年5月，特斯拉汽車在開啟自動(dòng)駕駛輔助系統(tǒng)的情況下，未能“看到”卡車的白色拖車，特斯拉汽車以高速公路的速度撞向它。最近又發(fā)生了同樣的事情。不同型號(hào)特斯拉汽車，不同版本的自動(dòng)駕駛系統(tǒng)，但結(jié)果是同樣的，這是為什么？

雖然埃隆馬斯克應(yīng)該承擔(dān)一些責(zé)任，人為錯(cuò)誤也需要對(duì)此負(fù)責(zé)，但事實(shí)仍然是深度學(xué)習(xí)會(huì)讓自動(dòng)駕駛汽車變得糟糕，并且沒(méi)有太大的希望讓它會(huì)變得更好。

其原因很復(fù)雜，但可以很容易地解釋。AI不知道汽車、人、拖車或熱狗的樣子。很容易發(fā)現(xiàn)，一個(gè)深學(xué)習(xí)型AI模型可以通過(guò)一百萬(wàn)張的圖片進(jìn)行訓(xùn)練讓這個(gè)模型對(duì)熱狗圖片識(shí)別的精確度達(dá)到99.9％，但它永遠(yuǎn)不會(huì)知道真正看起來(lái)像是什么樣。

超維計(jì)算理論為AI提供了真正“看到”世界并做出自己推論的能力。通過(guò)對(duì)每個(gè)可感知的對(duì)象和變量進(jìn)行數(shù)學(xué)運(yùn)算，超矢量可以在機(jī)器人中實(shí)現(xiàn)“主動(dòng)感知”，而不是試圖通過(guò)強(qiáng)制處理整個(gè)宇宙。

據(jù)論文的主要作者 Yiannis Aloimonos所說(shuō)：

主動(dòng)感知者知道為什么要感知，然后選擇要感知的內(nèi)容，并確定感知的方式，包括何時(shí)以及在何處實(shí)現(xiàn)感知。它選擇并專注于場(chǎng)景、時(shí)刻和情節(jié)。然后，它將其機(jī)制，傳感器和其他組件，以根據(jù)它想要查看的內(nèi)容進(jìn)行操作，并選擇最佳捕獲其意圖的視點(diǎn)。我們的超維框架可以解決每個(gè)問(wèn)題。

雖然機(jī)器人的超維計(jì)算操作系統(tǒng)的創(chuàng)建和實(shí)現(xiàn)仍然是理論上的，但這些想法為研究提供了一條前進(jìn)的道路，可以為無(wú)人駕駛汽車AI提供解決當(dāng)前需要解決問(wèn)題的方法。

此外，這個(gè)理論不僅僅是機(jī)器人技術(shù)。研究人員的最終目標(biāo)是用更快、更有效的基于超維計(jì)算的替換神經(jīng)網(wǎng)絡(luò)模型取代迭代神經(jīng)網(wǎng)絡(luò)模型。這可能會(huì)導(dǎo)致一種沒(méi)有進(jìn)展的線下，它接近于開發(fā)新的機(jī)器學(xué)習(xí)模型。

我們可能更接近于實(shí)現(xiàn)一個(gè)能夠在不熟悉的環(huán)境中學(xué)習(xí)執(zhí)行新任務(wù)的機(jī)器人 - 比如“Jetsons”中的Rosie The Robot - 比大多數(shù)專家都認(rèn)為的更好。當(dāng)然，像這樣的技術(shù)也可能帶來(lái)其他問(wèn)題。..。..不那么卡通化的產(chǎn)品。