清华大学研究成果登刊：拆解为什么人类司机比智能驾驶安全？

自动驾驶已经不是一个新鲜事儿，但一直存在一个矛盾，算法能看清路标的每一个物体，却可能理解不了存在的潜在风险。

虽然现如今AI行业大量拼算力、参数，但面对复杂场景的时候仍然不好避免其中的安全问题。

近期清华大学人工智能研究院AIR团队在《npj Artificial Intelligence》发布最新研究成果，给出了一个相对务实的解决方案。

研究通过眼动实验、多算法验证、首次量化拆解人类和算法的注意力差异，并且用数据证明了不需要堆参数和算力，融入人类驾驶“核心注意力阶段”特征，就能提升算法安全性，相关技术已经提交专利，未来有可能完成快速落地。

整个研究成果论文逻辑清晰，共分三步推进。

第一步是开展人类驾驶注意力量化实验

实验共招募了36名实验者（18名驾龄超5年的老手、18名驾龄不足1年的新手）对比驾驶经验对注意力的影响，所有驾驶员都在模拟驾驶环境里，完成“找危险”“看能不能过”“认异常东西”这三件事儿，同时用高精度仪器记录他们看哪里、看多久。

通过实验，我们第一次弄清楚了人开车时的注意力有三个阶段：

第一个阶段是快速扫一眼路况，找到关键目标（比如行人、红绿灯），平均就观看的时间为0.186秒左右，老司机和新手差别不大，这种能力算法也能模仿。

第二个阶段是盯着关键目标仔细看，判断它有没有风险（比如行人会不会过马路），老司机平均看0.706秒，新手只看0.623秒，通过实验来看，老司机判断得更准，这是老司机和新手的差距，也是现在自动驾驶算法最欠缺的能力。

第三阶段是看完关键目标后，再确认一下周围环境，避免决策出错，相当于人开车时的纠错环节。通过实验结果来看，新老司机平均看0.248秒，而且路况越复杂看得越久，这个环节也是老司机确认得更准。

第二步是把人的注意力和自动驾驶算法的注意力做了对比

这一步用了现在行业里最常用的几种算法。通过实验发现两个大问题，第一个问题是算法只会“看见”，但不会“看懂”，能认出东西是什么，但不知道哪个更危险、更重要；第二个是算法虽然能讲道理，但很难精准对应到真实路况（比如你问题有行人通过要减速吗？他会跟你说要减速，但到了真实的环境里，它很难分辨行人具体在马路哪个位置、离车多远）。

而且算法自己怎么学，都很难学会人类的会看重点、能懂风险的能力，只有学会人类仔细观察、判断风险这一步时，效果才稳定。

第三步是把人类开车时的注意力规律，教给算法，结果很明显。

（1）让算法学会人类仔细判断风险的方式，危险识别更准了

（2）让算法学人类随便扫一眼的方式，反而更不准

（3）在轨迹规划和避障上，车开得更稳、碰撞风险更低，而且不用加算力、不用加大模型。

（4）对负责理解场景的AI模型，也能让它描述得更准、更贴合真实路况。

清华大学这项研究的核心意义是给出了比较务实的轻量化解决方法，重新定义了自动驾驶的类人化——模仿人类认知逻辑，而不是单纯模仿操作。

为行业打开新思路，人工智能的发展，既要向外追算力，更要向内学人类认知。

部分实验图集