Constantin
想象一下您开车的情形，前面不远处就是人行横道。您会观察交通标志，也许还会留意路口是否有交警指挥。如果您的前面还有一辆车，您会想它可能会刹车。开到路口后，您会快速扫一眼是否有行人要过马路。您会看看人行横道上是否有行人，做好礼让正在过马路或准备要过马路行人的准备。您要在保证安全的前提下开过路口。
这种场景展示的就是情境意识，这是人类智慧的特征之一，指意识到周围环境并对其做出反应的能力。在自动驾驶汽车（AV）领域，视觉系统、高端处理和神经网络使汽车能够感知周围环境、规划行动，并对不断变化的刺激进行响应，但是这些系统能达到人类级别的情境意识吗？看一下神经网络的发展，就可以发现达到这个目标的潜力和局限。
人类的情境意识
继续上面驾驶汽车的场景。人类司机首先要感知情境，这需要了解所涉及的对象和人员，以及他们的情景和潜在的运动。我们会感知人行横道标志和信号、前方和后方的汽车、行人以及场景中的其他变量。此外，我们还会注意到一些更微妙的线索，例如行人的类型和风格（例如年龄是大是小、是否好勇斗狠、是否醉酒、走得是否很急），他们的活动情况（例如单独或结伴还有其他活动）以及他们过马路的意图。在整个过程中，人类司机会忽略与情境无关的输入，例如落在停车标志上的小鸟或路边的垃圾。
在人类的情境意识中，感知和行动之间的延迟使得人们借助更广泛经验而做出选择：这是预期结果与实际结果之间的差异。以经验为基础，我们可以想象出多种场景，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，人类不仅能记住先前行动的结果与期望，而且还可以想象出多种可能的场景。在驾驶场景中，人们可能会想象出在这种情况下可能出问题的地方，并将行人的视角考虑在内，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探索的东西——即，需要一套由感觉、知觉和大脑不同部分组成的完整集成系统，它们共同发挥作用以适应各种情况，才能称之为智能。人类智能的血肉基础作为认知的媒介，为感知、决策和行动提供了背景并指明了方向。
人工智能中的情境意识
有多项技术可以实现人工智能（AI）系统中情境感知的某些方面。例如，在自动驾驶领域，传感器、传感器融合和高端处理使车辆能够感知场景，并产生交通情景的语义描述。它们构造出车辆周围环境的表示形式，然后将这种表示形式分为多个单元，由此来实现这一点。随后，通过混合传感器方法、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等手段，总体模拟人类司机的感知。
为了复现出情境意识中的决策，可以通过局部优化、近似推理和基于先前训练的模拟预期的神经网络来增强AI系统。就复现人类智能而言，神经网络体现了大脑的结构连接，并实现了输入特征及其随时间变化的连续性。
在模仿人脑的功能连接方面，我们取得的进步能够实现大脑不同部分进行的动态协作，包括“高级”复杂结构与相连接神经结构之间的动态协作。实现了高等级神经结构之间的这种协作，就形成了一个意义创造和推理的开放系统，与情境意识中的人类决策类似。但是，不同大脑结构之间的协作需要上层结构的连接，也就是所谓的效应连接，以捕获一个神经系统随时间推移对另一个神经系统施加的影响。没有效应连接，AI系统将无法根据各种输入的重要性来确定它们的优先次序，而这正是决策和采取正确行动所需的先决条件。
结论
人类情境意识是指我们对周围环境的意识以及对其作出的反应，这一切基于我们对整体场景的感知，以及对一系列相互联系的经验（包括确实经历过和没有经历过）进行决策的能力。即使神经网络发展到能捕捉到情境意识中更复杂的方面，它们也永远无法真正媲美人类的智能。通过与人工智能之间的适当协同，即利用人工智能的优势，人类可以增强自身的情境意识并对情境控制加以影响，使机器（以它们的方式）变得更加智能的同时，让人类将注意力和精力集中在更具创造性的任务上。
Constantin Thiopoulos是一位技术商业化专家，专注于人工智能领域，并且是多家源自知名研发机构的AI组织的联合创始人，曾担任德国人工智能研究中心的创新管理顾问和多家欧洲公司的IT顾问。他拥有人工智能博士学位、计算机科学硕士学位、哲学/语言学硕士学位，并曾担任讲师和客座教授。
