智為未來：黃燈要停還是過 智能推理不簡單
預計未來大多數機械人和硬件系統均會配備人工智能（AI）系統，以協助人類導航、控制、操縱和分析駕駛任務，所以我們將會接觸到愈來愈多的AI系統。這一期專欄將運用其中一個常見的示例——交通燈系統，探索AI與不同推理方法之間的複雜關係。
交通燈運作通常用到簡單的計時系統，並根據特定位置的路況轉換綠燈、黃燈和紅燈，以確保交通順暢。即將駛近交通燈的司機，看到燈號從綠色轉為黃色時，便會知道燈號會在短時間內轉為紅色，並決定應否剎車。假如決定剎車，就必須在交通燈號轉為紅色之前，在停車線前停車，否則就須在交通燈號轉為紅色之前，駕車駛過停車線。在這一過程中，司機必須考慮汽車與停車線之間的距離，以及汽車的速度。
剎車策略的種類和硬件會隨着推理層級向上而變得複雜：基於本能的推理（剎車與否）、基於規則的推理（剎車 / 輕剎車 / 不剎車 / 加速），以及基於知識的推理（連續層級的剎車策略）。
一般來說，基於本能的推理只需要較簡單的器材，而基於知識的推理則需要較複雜的器材。人類可以使用簡單的規則和器材，展開基於本能的推理和基於規則的推理，但亦只限於此。
AI則可以使用大型規則集來處理基於規則的推理，以及使用複雜關係和處理複雜問題所需的器材，處理基於知識的推理。
現實生活中的駕駛情況，通常都十分複雜，交通燈號的決策只是駕駛的一部分。現實駕駛中的AI駕駛員，通常可以處理以下情況：
·其他汽車、行人、電單車、視線受阻、交通燈號、變換行車線等；
·對汽車的知識；
·對位置的知識：預測燈號的轉換時間、交通黑點、警方監控等；
·行程目的；
·路面和天氣狀況、能見度等；
·其他可能因素。
然而，現實生活的行車路充滿不確定因素，而應對黃色燈號的決策只是其中之一。相應的道路圖像和車速，是訓練輸入的一部分。現實生活中的駕駛因素，如車速、路況、天氣、行人、收費站、交通黑點等，可能都會影響AI駕駛員的表現。
縱使AI考慮以上這些因素來嘗試選擇「最佳」駕駛決策，開發和推行無人駕駛車仍然極具挑戰，而AI工程師正努力嘗試解決這些難題。
◆ 中大賽馬會「智」為未來計劃 https://cuhkjc-aiforfuture.hk/
由香港賽馬會慈善信託基金捐助，香港中文大學工程學院及教育學院聯合主辦，旨在透過建構可持續的AI教育生態系統將AI帶入主流教育。通過獨有且內容全面的AI課程、創新AI學習套件、建立教師網絡並提供AI教學增值，計劃將為香港的科技教育寫下新一頁。
