张亚勤关于自动驾驶最新观点:安全性高于人类10倍、走向端到端、车-路-云一体协同

2024年6月6日,“太湖对话:人工智能+”暨清华大学无锡研究院智能产业创新中心成立仪式圆满举办。中国工程院院士、清华大学智能产业研究院(AIR)院长张亚勤院士在现场发表了题为《人工智能发展的一些观点》的主旨演讲,深入探讨了AI大模型的发展趋势、AI发展的五个观点、无人驾驶的未来前景以及AI发展治理的五个建议,为智能产业的未来发展提供了重要判断。

张亚勤表示:“生成式人工智能带来巨大的产业机遇,大模型这一趋势将重塑现有的技术应用生态,就像PC时代的Windows和移动时代的安卓一样,成为人工智能时代的操作系统。”

张亚勤院士首先提出了AI大模型的五大发展方向,包括多模态智能、自主智能、边缘智能、具身智能和生物智能。其中,多模态智能,可以结合语言、文字、视频、激光雷达点云乃至生物信息等,进行全面和深度的智能分析,实现多尺度、跨模态的智能感知、决策和生成;自主智能,是结合大模型所开发出能够自主规划任务、编写代码、调动工具、优化路径的智能体,实现高度的自我迭代、升级和优化;边缘智能是将大模型部署到边缘设备端,如AI PC、 AI手机、AI电视等,实现高效率、低功耗、低成本、低时延的处理和响应;具身智能,也称为物理智能,是将大模型应用到无人车、机器人、无人机、工厂、交通、 通讯、电网、电站和其他物理基础设施,提升其自动化和智能化水平;生物智能,是将大模型应用到人脑、生命体、生物体里,实现大模型与生物体的连结,并最终实现信息智能、物理智能和生物智能的融合。他强调,这些方向将成为未来技术发展的关键,推动人工智能与各行各业的深度融合。

对于AI的发展趋势,张亚勤院士特别提出了他的五大观点。他认为,大模型和生成式AI在未来10年内将成为主流技术和产业路线;基础大模型与垂直大模型、边缘模型的结合,以及开源与商业模型的并存,将形成新的产业生态。同时,他还提到了Token-based(统一表征)和Scaling Law(规模定律)的重要性。其中,Token-based方法是通过将文本和其他类型的数据统一编码为Token,使得模型能够处理不同形式的输入;而Scaling Law则揭示了模型规模与性能之间的关系,表明随着模型参数和数据规模的增加,模型的表现会显著提升。此外,他还预测了新算法体系出现的可能,“未来5年内,我们会在AI技术架构上有大的突破,当前主流的AI技术框架Transformer、Diffusion、AR等,很可能在未来五年内被新技术所颠覆。”

在关于大模型迈向通用人工智能(AGI)的时间上,张亚勤表示,(AGI)不会在短短一两年间实现,可能要在十五到二十年时间可以达到。其中,预计五年内在语言智能上通过“新图灵测试”,到十年后,在具身智能上通过“新图灵测试”,到二十年后,在基于脑机接口的生物智能上通过“新图灵测试”。

关于无人驾驶技术的未来发展前景,张亚勤院士也同样提出了个人的五大观点。第一,无人驾驶将是未来五年内最大的物理(具身)智能应用,并且有望成为第一个通过“新图灵测试”的具身智能系统。高于人类驾驶10倍安全性和更具有人性化体验的驾驶能力,有望使得完全无人化的无人驾驶系统达到人类老司机和好司机的水平。第二,大模型和生成式AI在提升L4级别自动驾驶系统的泛化能力方面将发挥关键作用。其中,生成式AI可以结合真实数据生成高质量Corner Case数据,同时填补Corner Case中场景仿真、模拟不足的问题以解决感知长尾的问题,以及提升自动驾驶系统常识推理的能力。第三,自动驾驶技术将整合多模态传感器数据(如视觉、激光雷达等),采用端到端训练,实现云端大模型与车端实时精确模型的协同工作。第四,未来的自动驾驶技术将以单车智能为主,车-路-云协同工作,确保安全冗余,辅助智能交通。第五,2025年将成为无人驾驶的“ChatGPT时刻”,2030年无人驾驶成为主流,预计有10%的新车具备L4级别的自动驾驶能力。

最后,在AI发展治理方面,张院士提出了五个具体的建议,包括建立分级体系、ID实体映射、10%+的安全风险投资、设立红线和边界,以及国际沟通合作和协调机制。他呼吁必须建立起完善的人工智能治理体系,确保AI技术的安全性、可控性和伦理性。

通过这场“太湖对话”论坛,张亚勤院士不仅为智能产业的发展趋势和应用前景提供了深刻的见解,也预见性提出人工智能技术伦理和安全问题的解决思路,同时也为AI技术的未来发展提出了清晰的方向指引。

清华无锡研究院智能产业创新中心(AIR+IC)的成立,标志着无锡在人工智能领域的跨越式发展。相信在张亚勤院士的领导下,依托清华AIR在人才与科研上的优势,无锡将成为全球智能产业的领跑者,有望成为具有全球影响力的人工智能经济典范区域,以及具有国际领先优势的人工智能经济示范高地。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )