清華大學自動化系系統工程研究所所長，國家863計劃先進交通技術領域專家張毅發表了主題演講。

以下為張毅演講內容，有刪減。

張毅：各位領導、各位專家，上午好，非常高興今天到這里來參加我們的論壇，就城市智慧交通的發展問題談一點我自己個人的想法，給大家共享一些我們現在的新的發展趨勢。我們說城市智慧交通的發展有很多主題、有很多領域和技術需要我們去探討。

人工智能比較熱，什么是人工智能，當然這個概念比較模糊，每個人不同的理解，我今天給出一個在學術上比較標準的人工智能的概念，由此引出人工智能與智能交通之間的關系。其次，人工智能應用哪些技術是現在可以實現的。

什么是人工智能？從學術上的定義來講，人工智能是指研究、開發用于模擬延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。最簡單的就像模擬人、像人一樣去思考、去完成對系統和對對象的一些操作。

在這個基礎上我們說這個是學術定義，在技術層面上我們看說它是計算機科學的一部分，也就是說計算機技術的一部分，不是全部。另外在現實中我們體會到很多方式是具有人工智能的，比如說機器人語言識別、圖像識別等等都是這樣的。不管怎么樣，歸根到底，我們希望用人工智能技術以后，能夠達到或者超過人類的智能目的。

人工智能這么好，有沒有辦法來實現它？大家可以看到50年代之后，人工智能發展這么多年，由一代一代科學家研究人工智能的實現問題。但是經過這么多年，我們總是在探討怎樣更好的實現人工智能。而有效的方法是什么？，探討了這么多方法，發現最有效的是機器學習。機器學習從80年代提出以后，其應用過程中總不盡人意，于是又在探討不同的方法，目前最熱門的深度學習又是機器學習中的一種具體方法，它的效果要比別的更好。比如說AlphaGo，這是智能技術的體現。從50年代發展到現在，已經走過了60年的歷史，人工智能離我們希望生活中的應用中仍有非常大的距離。

在這樣的情況下，我們可以看到人工智能應用不是說沒有用，還是有很多體現的。在人工智能的應用過程中，一般分為兩個階段：一個叫弱人工智能；一個叫強人工智能。簡而言之，我們平常說具有一定的人工智能是弱人工智能，而大家真正天天夢想的完美的人工智能就是強人工智能，這是我們真正希望的。在這個過程中，真正比較有實際效果的是機器學習。在這里列出一些目前機器學習的成果，尤其是在交通行業，比如用計算機視覺可以做一些人臉識別或者車牌識別，這是目前用得最廣的領域。

若技術效果不太好怎么辦？那就要深度學習，用人的思維方式構造多層的神經網絡來形成一個深度學習的過程?？偟膩碚f，在目前情況下人工智能整個路徑如下圖：

最典型的是圖像識別、圖形識別，比如這是貓，在圖像識別過程中，網站上面基于內容的圖像識別，要在眾多的海量的圖完全判斷出某一種代表性的圖像，這個在圖像識別中已經不是太難的問題。

但是我們知道這么小的事情，到了交通里面是不是也如此簡單呢？情況就不一樣了，我們把交通領域的元素改了，不是識別貓，而是識別一輛汽車。不是說光識別這輛汽車就可以了，因為在交通系統里面，我們所要識別的是帶有交通特性的很多對象，不是說光是車的本身。比如我們要看四個維度，第一最簡單的一個識別車型，這是靜止的。當車開起來之后，視覺識別、圖像識別對動態物體的識別難度增大了。

而改進大量車型的車隊、車流，或者要判斷時間等因素，這時候復雜問題就來了，受天氣、光線、光線方向的影響，遠比基本靜止的時候的難度更大了。對于立交橋的交通流情況，視覺識別難度非常大。

眾所周知，在交通里面圖像處理是非常典型的，例如車牌識別。車牌識別里面大概分為兩類：一個是移動場景；一個是靜止場景。在靜止場景的應用是最好的，停車場的入口、各種的收費站，環境很理想，條件很清楚，而且攝像頭正對汽車的方向，還有光線好，光線好補光，這樣的情況下車牌識別非常好。

如果車牌上有污物，人眼都看不清楚，機器能看清楚嗎？做不到的。所以我們希望人眼看不清的，機器能識別，但是現實中我們發現所有的系統都達不到這種標準。在動態場景中，像大霧天的情況，我們的視頻或者圖像識別，即使加了深度學習，它的效果也是非常有限的。

人工智能在交通領域的應用，主要從以下幾方面體現：

目前是講感知環境，最主要最常用的是被動感知，也就是通過一些傳感器來感知。另一種情況下是我們現在已經開始做主動感知了，用視覺處理方式、用V2X平臺等等去做的。將來基于人工智能的做法，需要主動的像人一樣去感知環境，于是建立一個人工視覺，為什么叫人工視覺？即用視覺的方式來處理，而交通過程都是以人的思維方式來做的，為什么？人是三維，但是機器人計算三維非常困難，要在安全系統里計算出兩輛汽車是不是碰撞，將各種各樣的參數用在三維空間里計算是難度很大，所以我們希望構造一個新的環境，用機器思考的環境去做，這樣對人工智能的實現會有好處。

目前所有的思維方式，所有所做的自動駕駛、智能駕駛里面的東西，現在還不具備有人的思維方式。最簡單的是AlphaGo，非常著名的人工智能應用的典型例子。但是大家要知道圍棋是有規則的，在這個規則的基礎上，由于計算機的各種能力，它可以預測很長的過程，同時能快速計算，它把各種可能都比較出來，基本上可以保證它是基于規則的，但它沒有推理的意識。

舉個例子，我們將圍棋換成中國的麻將，中國的麻將有炸糊，還需要有默契。若它能夠把人的這種無法用建模的方式、表征的行為放上去，說明人工智能就足夠了。所以，現實的系統中人工智能的思維方式甚至新的意識的產生，現在還達不到。我們將來能夠模仿人這樣去產生沒有情緒的自然決策過程，這是人類的意識和思維。

目前我們的動作都是單體的，像自動駕駛、智能駕駛都是單體的。但實際上用人而言，它是有很多交互的，是有協作的，現在我們的人工智能還做不到這樣的情況。所以說，將來需要做群體的協同控制方式，來解決人工智能在交通方面的應用。

在未來人工智能逐漸突破技術壁壘，達到強人工智能的境界，在交通領域也是質的飛越，但目前人工智能在交通的應用過程中，道路還是非常遠的。