人工智能系统能否与人类水平的态势感知相匹配？

想象一下，您正在开车并接近人行横道。您观察张贴的标牌，也许正在寻找交叉路口巡逻队。如果您跟随另一辆车，您知道它可能会停下来。到达十字路口后，您会左右扫视一下，看看是否有行人打算过马路。您检查已经在人行横道上的行人，并准备让行人过马路或即将过马路。在安全的情况下，您可以继续通过十字路口。

这个场景展示了情境意识，这是人类智能的一个特征，指的是意识到并能够对我们的周围环境做出反应。在自动驾驶汽车 (AV) 中，视觉系统、高端处理和神经网络使车辆能够感知周围环境、计划行动并对不断变化的刺激作出反应，但我们能否在这些系统中实现人类水平的态势感知？看一看神经网络的进步，就会发现实现这一目标的潜力和局限性。

人类的态势感知

继续驾驶场景，人类驾驶员首先感知情况，这需要了解所涉及的物体和人员以及他们的情况和潜在的动作。我们检测人行横道标志和信号、前后车辆、行人和场景中的其他变量。我们还注意到更微妙的线索，例如行人的类型和风格（例如年轻、年长、好斗、醉酒、匆忙）、他们的情况（例如参与其他活动，单独或成群结队），以及他们的意图跨越。在整个过程中，人类司机会同时忽略与情况无关的输入，例如停在停车标志上的鸟或路边的垃圾。

在人类情境意识中，感知和行动之间的延迟导致基于更广泛经验的选择：这就是预期结果和实际结果之间的差异。借鉴经验创造富有想象力的场景，帮助我们评估潜在风险并确定当前情况下的行动。换句话说，人类不仅记得先前行动与预期的输出，而且还记得他们可能想象的替代场景。在驾驶场景中，人类可以想象在这种情况下会出现什么问题，并将行人的观点作为决策过程的一部分。

想象潜在结果和观点的能力证明了研究人员正在发现的东西——即，体现智能需要一个完整的感官、知觉和大脑不同部分的综合系统，它们一起工作以适应情况。人类智能的这种物质基础展现了一种情感视野，它为感知、决策和行动提供了背景和方向。

人工智能中的态势感知

有几种技术可以在人工智能 (AI) 系统中实现态势感知的某些方面。例如，在 AV 中，传感器、传感器融合和高端处理使车辆能够感知场景并得出交通状况的语义描述。他们通过构建车辆环境的表示，然后将该表示拆分为单元来实现这一点。混合传感器方法、基于知识的推理、启发式算法、贝叶斯推理、模糊逻辑和神经网络的组合创建了对人类驾驶员感知的总体估计。

为了在态势感知中复制决策制定，可以通过局部优化、近似推理和基于先前训练模拟预期的神经网络来增强 AI 系统。在复制人类智能方面，神经网络捕获大脑的结构连通性，并使输入特征与其随时间的演变之间具有连续性。

模仿人类大脑功能连接的进步允许大脑不同部分的动态合作，包括高级、复杂结构和有线神经结构之间的合作。启用高级和神经结构之间的这种合作会导致一个开放的意义创造和推理系统，类似于人类在情境意识中的决策。然而，不同大脑结构之间的合作需要上层结构连接，称为有效连接，以捕捉一个神经系统随时间对另一个神经系统施加的影响。如果没有有效的连接，人工智能系统就无法根据输入的重要性对输入进行优先级排序——做出决策和采取正确行动所需的优先级排序。

结论

人类情境意识是指我们基于对整个场景的感知以及利用一系列相互关联的经验（已实现或未实现）做出决策的能力，对周围环境的感知和反应。即使神经网络进化到捕捉更复杂的态势感知，它们也永远无法真正匹配人类智能。AI 和人类之间的正确协同作用可以利用 AI 的优势，同时使人类能够增强态势感知并影响态势控制。反过来，这将使机器更加智能（以它们的方式），并允许人类将注意力和精力集中在更具创造性的任务上。

审核编辑hhy