假设在高速行驶中，车刹不住了，你的前方一边是一堆纸箱子，另一边是一根电线杆，情急之下，你会把方向盘转向哪里?看起来这是一个很白痴的问题，但在自动驾驶技术拔苗助长的今天，却非常具有讨论价值。
人云亦云的，不只是吃瓜群众，在工商业其实也没什么两样。由阿尔法狗引发的本轮人工智能大潮，迅速席卷全球。在汽车行业，无论是整车企业还是互联网技术公司，无人不谈人工智能和自动驾驶，企业在宣传页都必须加上“AI”或是“智”字。各种行业大会，各路大佬更是对人工智能的发展侃侃而谈，他们都想把自己装扮成智能方向的领航者。但事实却比我们看到的糗多了。
前不久《汽车人》发文《钱都白扔!自动驾驶技术走错了方向?》介绍了理论物理，凝聚态物理方向大牛，斯坦福大学的张首晟教授，他认为目前的人工智能技术还处于非常初级的阶段，看，“初级”的前面还有一个“非常”。他表示现在的人工智能还处于“仿生阶段”，这意味着人们并没有弄明白根本的原理是什么。
他说的根本原理就是事物的本质，也就是物理学的第一性原理，最终的表达通常是一个数学公式，如F=ma。笔者认为，数学是能与造物者沟通的惟一语言。
物理学是科学之母，基础物理又是物理之母，基础物理的表达往往就是一个数学公式。可张教授毕竟不是人工智能领域的开拓者，所以，本文我们不妨来看看人工智能界的大牛，美国加州大学洛杉矶分校计算机视觉、认知、学习与自主机器人中心主任朱松纯教授的观点。朱教授曾三次问鼎马尔奖(计算机视觉领域最高荣誉之一)，两次担任美国视觉、认知科学、AI领域跨学科合作项目MURI负责人。简言之，这行儿资深的，没谁不晓得朱松纯的大名。
还是开篇的例子，以现在的自动驾驶技术，如果高速行驶当中的自动驾驶汽车，前方一边是一堆纸箱子，另一边是一根水泥电线杆子，刹不住车了，必须撞上去，人工智能会怎么选?如果人来开车，脑子都不用动，就会冲向纸箱一边。而如果交给现在的人工智能技术，大概率会是悲剧。
为什么?朱松纯教授说，在整个人工智能领域，深度学习只是分支中的分支，虽然现在在商业上非常火。深度学习的特点是只知其然不知其所以然，用鹦鹉学舌来比喻恰如其分，鹦鹉会学人说话，但它却不知道自己说的是什么意思。
首先应该清楚，如果把深度学习当作是人工智能，就相当于把海淀区看成了全中国。目前大部分以深度学习为核心研究方向的人工智能企业，也包括我国的几大互联网巨头，其核心产品依赖的都是深度学习。其实深度学习本身没有什么了不起的，它的本质就是统计数学中的多项式回归。这一点，早就有统计学和数学方面的专家公开表态了。这是一个笨方法，但借助着英伟达的GPU产品也确实可以一用。可问题在于深度学习，第一，不能理解事物之间的因果关系;第二，不能举一反三;第三，没有最基础的物理常识。由于没有物理常识，所以它并不晓得撞在箱子上会比撞在电线杆子上安全得多，它只会通过雷达传回的信号认为这是两个障碍物而已，无法分析其物理密度。
我们也曾说过，深度学习最需要的是在危险环境中的学习数据，这些数据从哪里找?由于不能够理解其因果关系，所以在路况中，它并不能够以人类司机的常识判断，如别人是否想超车、想并线或者躲大车这些情况。由于不能举一反三，一次事故所带来的学习信息并不能够保证在下一次的不同路况上，机器能够做出正确的判断。
朱松纯教授认为，一个很关键的地方，就是同样是在概率统计的框架下，当前大部分的深度学习方法属于一个被称作“大数据、小任务范式”，就是用大量的数据去训练特定的模式，如阿尔法狗下围棋。但朱教授提倡的是一个相反的思路，他认为人工智能的发展需要进入一个“小数据、大任务范式”，是用大量的任务，而不是大量的数据来塑造智能系统和模型。
朱教授做了一个比喻，一个18世纪的厨房和现代的厨房，作为人类来说，一眼就知道它们的功能是一样的。但是作为深度学习的人工智能来说，两者的信息极难被匹配。类似的，我们知道，在容器中或水龙头那里可以得到水，但机器会认为这里没有水。
人工智能并不神秘，当然它会在一个很具体的问题上，也就是前文所说的“小任务范式”，如下围棋，处理文字，筛选图片，语言翻译方面超过人类。但是汽车驾驶明显是属于大任务范式，使用同样的方法，难道不是走错了方向?也就难怪如今自动驾驶下的交通事故总是不绝于耳了。无法做到举一反三，那自动驾驶真的能给人们出行带来安全吗?
引用网上一位投资者的话：以目前的技术发展现状来说，人工智能离规模化商业应用，还是太遥远。所谓的高速发展马上要被证伪了。千万别说这几年会有大的技术突破，现在的技术研究都是在上个世纪前半叶的理论基础上进行的。理论基础都没升级，想着在软硬件层面修修补补就能有颠覆，骗人类自己还是骗人工智能呢?
这和张首晟教授的观点非常相似。没有基础理论的突破，没有真正能解开智能之谜的那个数学方程式，所谓的人工智能只能在小任务范式上得到发展和应用，而在汽车驾驶这种大任务范式上，还很难说靠谱。
