似的革命了。
现在人工智能在自动驾驶领域的应用，已经没有不可逾越的技术障碍了，只要给予时间，成本和细节性的技术问题应当都能够妥善解决。在可预见的将来，汽车自动驾驶的水平和安全程度超越人类平均水平是大概率事件，哪怕是在人流和路面状况复杂的路段，自动驾驶也可以像在围棋棋盘上战胜人类高手一样，超越人类中最优秀的驾驶员。如果要说这个领域的最大障碍，则仍然是法律与伦理的问题。如果自动驾驶出了车祸，如何追责？自动驾驶的用户是否愿意将自己的生命安全托付给计算机控制？如果交通全部交由计算机控制，一旦出现了病毒或者黑客，是不是可能出现全面危害公众安全的可怕情况？这些都是自动驾驶汽车推广的隐忧。虽然前路障碍重重，但各方参与者都已经开始行动起来，大量的企业加大了对自动驾驶技术的研究，政府部门开始推行部分区域自动驾驶测试和示范区，保险公司和法律相关人士也开始研究责任划分问题，自动驾驶的前景还是非常美好的。
9.3.6 游戏竞技
行文至此，笔者列举的全部“比赛项目”中，机器依然没有彻底胜过人类，最好的成绩也就是达到“与人类差不多”的水平，然后凭借成本优势来威胁人类的饭碗。机器与人类竞技多年，是否有了已经彻底击败人类的项目呢？答案是有的，在第 2 章我们曾介绍了人工智能在早期的完全信息对抗游戏上的一些成果，不知读者是否注意到，近年来在棋类、牌类运动和电子竞技中“人机大战”的新闻已经渐渐消失，不再报道。原因很简单，过去几十年来，人类在绝大部分游戏竞技中都可以不费吹灰之力地打败计算机，忽然在短短数年间就跨过了人类与机器持平拉锯的阶段，发展到好像在所有类型的比赛中都是以机器大胜人类选手而告终。
20 世纪 80 年代，李开复和桑乔伊·马汉贾恩（Sanjoy Mahajan，1969—）共同设计了一款基于贝叶斯学习的系统“ BILL”，BILL 能够学习如何玩一种名为“奥塞罗”（Othello）的牌类游戏。1989 年，该系统以 56 比 8 击败了当时位列得分榜首的美国玩家。
380
第四部分 人机共生