近期，马里兰大学的一个研究团队提出了超维计算理论（Hyperdimensional Computing Theory），简单而言就是让机器人拥有记忆和反应，以这种理论为基础的 AI 模型可能会无限接近于人类的思维模式，例如超维计算系统下的自动驾驶能够无限模拟人类驾驶思维。
【本周主题思考】——超维计算：AI 和自动驾驶的终极武器？
根据超维计算理论研究团队成员之一 Anton Mitrokhin 的说法:基于神经网络 的 AI 方法既庞大又缓慢，因为这种方法无法记忆。我们的超维理论方法可以产 生记忆，这将大幅减少计算需求，并且使任务可以更快和更有效地完成。当前的 人工智能模型所谓的记忆能力都是利用过去的信息进行加工，但这并不是真正的记忆能力，例如一个棒球手在准备接一个从远处飞过来的棒球的时候，并不是通过精确的计算来接球，而是利用多年训练后的肌肉反应，而目前 AI 并没有这样类似于人类肌肉记忆的自然反应能力。
一个例子在于，2016年5月，来自美国俄亥俄州的40岁男子Joshua Brown，驾驶特斯拉 Model S 开到一个十字路口时，与一辆大型拖车发生意外碰撞事故，而撞车时该车辆的自动驾驶处于开启模式，同样，2018 年 3 月一名驾车人 3 月23 日上午驾驶特斯拉 Model X 在加利福尼亚州芒廷维尤一条高速公路行驶，撞上混凝土隔离带，在碰撞发生前的时段里，自动辅助驾驶功能处于使用状态。
用超维计算理论很容易解释自动驾驶出现这样的问题，即对于 AI 系统来说， 并没有“拖车”、“混凝土隔离带”甚至人、动物的基本概念，自动驾驶的 AI 模 型可能只是通过学习了数百万张但依然是有限数量的图片来不断提高对于这类型物体的识别精确度（如9.999%），但这跟人类认知有着本质的差别，而超维计算理论则为 AI 带来看到并推论的能力，可以让机器人实现真正的感知能力而不是靠图片学习来提高识别精确度，正如据论文的主要作者 Yiannis Aloimonos说：
主动感知者知道为什么要感知，然后选择要感知的内容，并确定感知的方式，包括何时以及在何处实现感知。它选择并专注于场景、时刻和情节。然后，它将其机制，传感器和其他组件，以根据它想要查看的内容进行操作，并选择最佳捕获其意图的视点。我们的超维框架可以解决每个问题。
该研究的应用可能远远超出机器人技术，最终目标是以一个完全不同的路径来实现 AI 技术：简单而言，就是无限类似于人类智力的概念-信号-语言体系。目前来看，AI 的超维计算操作系统虽然仍然处于理论层面上，但这种理论提供了为迭代神经网络和当前用于计算应用程序(如数据挖掘，视觉识别和将图像转换为文本)的深度学习 AI 方法提供更快，更有效的替代模型，这可能带来 AI 和其最大应用之一的自动驾驶技术的重大突破。
【风险提示】本报告所提及个股仅表示与相关主题有一定关联性，不构成个股投资建议。
此处为报告节选，更多行业报告免费下载，请访问小程序——【研报来了】
报告来源：招商证券