据外媒报道，加拿大滑铁卢大学（the University of Waterloo）的一个跨学科研究团队正在打造能够模仿人类大脑的系统，旨在改进应用于自动驾驶汽车（AV）技术等领域内人工神经网络的能效与性能。

自动驾驶汽车（图片来源：滑铁卢大学）

自动驾驶汽车需要能够导航、决策，并对持续变化的环境做出反应。尽管AI（人工智能）技术在该领域内已取得显著进展，但道路安全仍旧是一个令人担忧的问题。为了提升AV执行复杂任务的能力，如应对紧急情况的能力，就必须让其AI系统具备充足的计算能力，而这会额外消耗汽车电池的电量，从而影响其续航里程。

Chris Eliasmith博士是系统设计工程与哲学系（the Departments of Systems Design Engineering and Philosophy）联合聘任的教授，其领导了滑铁卢大学的计算神经科学研究小组（Computational Neuroscience Research Group，CNRG），该小组专注于复制人类大脑的功能，以打造更高效、更强大的人工系统。

Eliasmith博士表示：“截至目前，大脑是我们所知的最出色的自动运行系统，运行效率极高，仅需耗费20瓦的电力。计算机很聪明，ChatGPT等AI语言模型也与人类非常相似，但此类设备需的电力需求是大脑的1000倍以上，使得它们在移动应用领域的普及变得不太现实。倘若我们能够将大脑的自然功能应用于AV，我们就能打造出一个不仅思考速度快、质量高，而且能够节省电池电量的自动驾驶系统，进而实现更卓越的整体性能。”

打造更智能、更安全的汽车

CNRG与梅赛德斯-奔驰（Mercedes Benz）合作，运用其神经形态计算技术方面的专业知识（包括设计和研发模仿大脑运作方式的软硬件），打造更安全、更高效的自动驾驶汽车技术。此次合作彰显了滑铁卢大学致力于打造对于社会、经济、技术、健康和可持续性有影响力的、有意义的产业与研究合作伙伴关系。

AV系统在处理“场景理解”等复杂任务时会面临困境，Eliasmith博士表示，场景理解指的是凭借肢体语言和眼神交流来评判行人是否即将过马路。该实验室采用仿真技术及神经形态技术，提升了该系统的感知、预测和控制功能，改进了其准确解读环境及响应环境的能力。

Eliasmith博士表示：“我们的研究利用神经形态计算机，已经证实，在不损失准确性的情况，系统执行控制和感知任务所需的电力降低了10至100倍。我们认为，增强的响应能力等优势能够在全自动驾驶系统中得到良好的扩展应用，让其变得更加强大，最终变得更加安全，同时消耗的电力也更少。”