QQ在線
企業微信
資訊
194人工智能具有專用和通用兩種不同取向，分別對應專用人工智能與通用人工智能。專用人工智能的目的在于通過預設的算法或訓練解決特定問題；而通用人工智能則致力研發元學習能力，借助后天培育解決各類問題。正如將“智能”視作“計算”一樣，專用人工智能專家常常將自動駕駛視為一個純粹的技術問題，并試圖通過模塊化的方式實現技術拓展。
未來，專用人工智能技術路線下的L4—L5級別的自動駕駛，或趨向“智能外包”的技術解決路線——依靠的不是更強的單車智能，而是更復雜、精密的上層協調節點。這種做法存在諸多隱患。高級協調節點不僅覆蓋性有限，并將增加通行系統的邊際成本和總體復雜性，令單車決策鏈延長及決策參與度降低。其后果是，智能路網本身的系統性脆弱將面臨被放大的風險。事實上，基于專用人工智能的自動駕駛并未真正面對“智能”問題，而是將單車智能（內部解）不斷轉嫁為尋求外部援助（外部解），即車輛自己更多負責提出問題而非解決問題。到最后，并不是汽車變得更具適應性，而往往是人為改造了那些不適應的地方——這仍陷于“有多少人工，就有多少智能”的魔咒之中。
通用人工智能試圖創造能思考、有情感的具有認知功能的軟件系統，并認為智能并非全知全能，系統需要通過預設的元能力不斷學習才能達到某個領域內的實用水平。而且，即使在達到這種水平后，學習也不會停止，尤其是在環境變化的情況下更是如此。對通用人工智能而言，先天預置的是元水平的學習能力，但一切學習的內容都由后天習得。因此，基于通用人工智能系統的自動駕駛，本質上是一個教育而非技術問題。
通用人工智能系統在啟動時并未預置任何駕駛經驗，更不是為了駕駛汽車而設計的。通用人工智能系統與人類高度類似，成長的第一步也是通過自身的感知運動設備獲取具身的直接物理經驗。訓練一個機器人和訓練一輛汽車完成自動駕駛任務，對通用人工智能系統而言并無實質區別。究竟裝配步足、履帶還是輪子等“器官”，只是系統的“感覺”各異，卻并非“駕駛”有別。但凡能夠實現載人有目的性的自主移動，就是自動駕駛。因此，基于通用人工智能的自動駕駛，不限定設備類型、載運形式和駕駛環境，這樣也是通用意義上的駕駛。
這種通用性一方面體現在外設選擇的多樣性，另一方面則體現在駕駛背后學習內容的廣博性和具身理解性。通用人工智能自動駕駛“算法”的奧義，就是從零開始“養育”一臺通用人工智能的機器“嬰兒”。這臺機器“嬰兒”具有主動性，其行動力依靠自身積累的歷史經驗，是一種向內依賴的平權技術模式，而非向外依賴的集權技術模式。于是，通用人工智能系統的“養育”過程，并不存在專用人工智能的那種外在干涉。而“養育”具體的技術手段，也不是專用人工智能的機器學習、圖像識別、優化求解等軟硬件技術，而是類似于對人類嬰幼兒的教育手段。這種特殊性與人們的常識相悖，令其乍看上去似乎難以理解。在此，以感知運動為例進行比較說明。
首先，專用人工智能系統的處理內容既可以是圖像、聲音之類的具象數據，也可以是自然語言、知識之類的抽象概念，但對其教育能且只能從感知運動經驗做起。因為只有這種經驗才能在通用人工智能系統中直接落地。至于給通用人工智能系統預置“思想鋼印”的想法皆為秕言謬說，這些抽象經驗根本沒有立身之基。所以，就連距離、速度、避障乃至數字等自動駕駛最初級的常識，通用人工智能的機器“嬰兒”一開始也并不知曉。
其次，專用人工智能系統的學習和訓練階段中，感知與運動通常是分離的。圖像識別無須攝像頭像人眼一樣“跳視”，而機器人位移也只是程序設定的機械操作及其優化。然而，在通用人工智能系統的“養育”過程中，感知和運動不可分，二者不是兩類不同事物，而是同一類事物的不同側面。運動是感知經驗變化的原因，感知則是運動結果的反饋，二者相互依存、缺一不可。更為重要的是，直接或間接經由運動，感知才能建構出主體內在的經驗意義。感知運動信號是最直接且不可再分的經驗，其意義來自內在的相互賦予。
最后，基于通用人工智能的自動駕駛也是我們的一面鏡子，能夠從中折射出深刻的關于人的道理。比如，通用人工智能的機器“嬰兒”的運動，可分為主動運動和被動運動兩類。主動運動由機器“嬰兒”自行控制車輪移動，被動運動則是車輪不動由外力（如人拿起小車）導致車體位置變化。主動運動是主觀經驗的發動機，是從客觀環境中與傳感器一同協作感受自我邊界從而區分主客體的原動力，因此對機器“嬰兒”至關重要。只有經歷這樣的成長，才能在人與物、自我與他人、自我與環境之間形成更清晰的辨識。反觀人類自身，對那些無法有效將人與物、自我與他人進行區分的自閉癥患兒而言，基于通用人工智能的自動駕駛所帶來的病理學啟示，或為當前自閉癥生物學假說帶來新的可能。
