汽车人都应该关注

　　前不久，“阿尔法狗”（Alpha Go）在一场国际性围棋竞技中，以4:1的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，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”的胜利是基于高度化神经网络及其相关处理器,对深层思维、深度学习能力的应用。对此，汽车界不少人士认为，尽管智能汽车要比围棋复杂得多，但原理都是相近的，因此在发展智能汽车时也需从“人狗大战”中得到启示，发挥神经网络的潜能，更快更好地建设智能汽车社会的系统工程。

　　笔者认为，在全球汽车产业面临电动化、智能化的,我国在制定和贯彻“十三五”汽车产业规划时，要努力适应新常态，在保证汽车需求稳增长的同时，更要重视供给侧结构性改革，抓核心、补短板，而神经网络是我国智能汽车发展道路上重要的核心和短板之一。过去，我国在制定五年规划时，往往容易出现重数量、轻质量，抓硬件、轻软件，抓建设、轻研发，抓终端、轻基础。为此，当前我国在发展智能汽车时，需吸取经验教训，把神经网络放在重要位置，把这项工作抓好抓实，做到硬件和软件并举，两者融合发展。

　　当前现代化的神经网络已呈现出相当高的水平，表现为个性化、嵌入式、超高速、大容量、微型化、网络化、智慧化。虽然我国对于神经网络的研究从总体上看在国际上具有较高水平，而且处于不断创新应用中，但和美国、日本、欧洲等发达和地区相比还有一定差距。为了更好地发展智能汽车，提高我国在神经网络研究上的水平，我们不能满足于现状，像过去那样用传统模式发展，尽管各领域都在抓，却互不相通，没有协同发展，从而导致严重同质化，使神经网络走向低端化应用。

　　广汽集团汽车工程研究院常务副院长吴坚曾说过，目前开发智能汽车难的问题是在决策系统，即“神经网络+专家系统”，这需要大量的数据积累。笔者认为，当前我国发展神经网络需要重视以下三个问题。

　　一、大力加强神经网络信息科学建设

　　神经网络信息科学被视为本世纪型的一种边缘化学科，是发展智能汽车的一项基础性工程。

　　传统计算机计算程序是基于CPU不断重复取指、译码、执行、存储的经典控制，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及串行的工作方式。它在计算机领域已有相当长时间的发展，为社会包括汽车工业在内都做出了巨大贡献。但它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，因而在突破性发展上遇到了瓶颈。

　　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区别，无论从原理结构和操作都应用新的程序和方法，要求更高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的信息系统工程。

　　神经网络的特点很多，表现为非线性、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。笔者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时代的事物一样，变化大且非常快，因此它有孕育、诞生、成长、成熟、衰亡的周期性过程，这要求人们不断地去创新、研发，从实践中找出需改进和创新之处，以适应信息发展形势的需求。同时，还要注意硬件和软件之间的交互应用，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，需要在相互依赖中开发出实用的、高效的、定制的软件工程创新机制和规则，并需要在资金和人力上予以支持。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提到，现在传统计算机的控制非常简单，像人们把鱼煮好再端上来，直接用筷子夹着吃一样，操作方便；而神经网络不那么简单，好比人们拿着渔网去池塘里抓鱼，到底什么时候能抓到鱼、吃到鱼则不得而知，完全需要依靠自己的能力和机遇。

　　虽然神经网络比传统计算机技术更高一筹，但在应用上包括在智能汽车领域，两者各有偏重，因此需要发挥各自优势，相辅相成。

　　二、发展智能汽车需连接型的神经网络

　　从神经网络发展史看，它是随着客观需求不断发展起来的。在上世纪40年代出现过研究神经元的模型。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，将神经网络初期理论应用于天气预报，减少了不少误差，被认为是神经网络的次应用高潮。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，同时神经网络在生理与心理基础研究方面取得新进展，被认为是神经网络进入复苏期的第二次高潮。90年代初则是神经网络进入新连接机制的阶段，这一时期不再停留在理论研究上，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应用，成为新兴的前沿科技。进入21世纪以来，随着科技快速发展，特别是互联网、云计算、大数据、纳米、量子通讯、3D打印等高科技应用日新月异，为神经网络的高度发展提供了有力支撑，从而有效地支持了互联汽车、智能汽车以及全自动驾驶汽车的研发。

　　要发展智能汽车，必须连接型的神经网络。目前智能汽车，特别是全自动驾驶的智能汽车对于神经网络的应用，总体上看还处于实用化的初期应用阶段。而事实上，神经网络在智能汽车的研发领域大有可为，需认真扎实地去探索、实践和提高。比如，目前汽车防碰撞系统和实验性质的无人驾驶汽车依靠的仍是雷达等传感器来检测路面上的行人，而深度神经网络能够仿照人脑行为，让研究人员训练出更具辨别力、处理复杂情况的模式识别，但由于在实时的行人检测上处理效率较慢，因此应用缓慢。

　　对我国来说，当前无论是传统汽车的改造，还是电动汽车、智能汽车的发展，都应开展必要的基础研究和应用。一旦取得成效，即使是阶段性成效都会让汽车产业获得巨大收益。但基础研究项目往往无法短期见效，因此在开展过程中需要时间和定力，也需要包容，必须摒弃急于求成、浮躁投机的思维和行为。

　　三、神经网络进入发展新时期

　　当前神经网络的研究已进入复杂、开放、集成、系统、智慧、生命综合控制发展的新时期。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，开创了控制论的新篇章，为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。

　　笔者在此简要地探讨一下控制论的一些重要理念，它们与智能汽车领域有很大相关性。

　　一是“熵”。这是热力学引入的物理概念，对研究神经网络极为重要。在控制论中，熵是对不确定性的度量，即新时代信息科学的发展多处于非平衡、非对称和无序发展中，当事物对社会做出贡献的同时也必然会产生逆向、无序、混乱的发展状况。以汽车为例，它既对人类社会做出了巨大贡献，使人们生活更为便捷，但它带来的能源紧张、空气污染、道路堵塞和安全事故等负面现象也十分严重。我们应用熵流，把正面作用叫负熵，把逆向作用叫正熵，神经网络的作用是促使事物提升负熵作用，抑制正熵的反作用。

　　二是“自学习”。简单地说，自学习能力是要求应用神经网络自己学会要做的事情。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，多是应用联想人脑的办法，达到所输入和输出的响应模式。对于智能汽车来说，加入自学习总线的驾驶脑，能有效学习人类的驾驶习惯，利用云计算大数据在感知、认知方面建立更多入口。

　　三是“自组织”。基于模糊神经网络的自组织作用，往往是和自学习及对事物的联想结合起来，实现自我组织、自行组织，靠内在力量形成、完善和改变自身结构、模式、功能的一种属性。值得一提的是，它具有涌现性，即能通过部分属性实现整体联想目标。

　　归结起来，熵是发现问题，自学习是分析问题的方法，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速度非常快，而且愈发系统化。我国要想更好地发展智能汽车，必须重视神经网络技术的发展和应用，加快探索和发挥神经网络的潜能。

　　智能汽车产业发展并不是一件遥远的事，它或许比新能源汽车发展速度还要快。IEEE（美国电气和电子工程师协会）预测，到本世纪中叶全自动无人驾驶汽车将占全球道路上行驶车辆总数的75%。国际汽车著名咨询机构IHS也持相似观点,认为2025年无人驾驶的智能汽车将走进寻常百姓家，2035年销量将达到1180万辆，占同期全球汽车市场总销量的9%。由此可见，无人驾驶汽车离我们的现实生活已越来越近。在发展智能汽车的道路上，我国应坚定信心和决心，深化神经网络的创新和应用水平，加快研发和制造，完善产业链发展，不但让智能汽车的产销量和传统汽车、新能源汽车一样达到世界，也要让我国智能汽车的技术水平位居世界前沿。

　　（作者系中国汽车工业咨询委员会委员）

　　版权声明

　　原创文章，欢迎读者分享，同行转载，请联系hb-423（微信号）。

　　对本文有何看法和建议，欢迎下拉部，点击评论。