丰田研究院（TRI）给自己定了个大目标：打造出能真正提升人类生活体验的技术，并且努力去解决那些摆在面前的大型社会挑战。这话听起来有点宏大，但看看他们最近在硅谷总部搞的开放日活动，多少能感受到这份使命感是怎么落地的。

Gill Pratt这个人，挺有意思的。作为丰田汽车的首席科学家兼丰田研究院的CEO，他特别擅长把复杂问题说得明明白白。在开放日活动上，面对一群科技记者和分析师，Pratt坦率地聊起了AI的前景和潜在隐患——这也是TRI那200名科学家和工程师日常攻关的核心领域。

就拿OpenAI在2022年底推出的ChatGPT来说吧。Pratt开玩笑说，很多人担心这玩意儿会帮大学生对付学期论文，这个玩笑背后其实反映出大众对AI技术那种既兴奋又焦虑的复杂心态。他观察到，现在社会“面对新技术不再那么天真，上来就怀疑”，而这种怀疑，很大程度上源于AI行业早些年对自动驾驶汽车的过度炒作——TRI对此向来不认同。

Pratt回忆道：“七八年前，我们在CES的首次亮相就跟大多数公司不一样。我们花了很多时间解释为什么实现自动驾驶这么困难，为什么没人知道SAE L4级自动驾驶到底要多久才能进入实质性运行设计阶段，以及为什么L5级自动驾驶还是个没人能解的题。”坦率地说，这种审慎诚实的姿态，在当年那个“AI万能”的狂热氛围里，显得格外冷静。

TRI是丰田在2015年以10亿美元初始投资建成的研究机构。Pratt提到，TRI的年度预算在丰田大约100亿美元的年度研发支出中只占“很小一部分”。他们的主要研究领域覆盖机器学习、机器人、能源与材料以及以人为本的AI技术，终极目标是帮助解决气候变化、老龄化社会和人类理解能力不足等难题，进而“从根本上开辟一条通往个人幸福和社会和谐的道路”。TRI各主要部门的负责人坦言，这个目标并没有听上去那么虚无缥缈——它植根于丰田自1926年作为自动织机制造商成立以来一直恪守的“Jidoka（自働化）”原则，也就是“Automation with a Human Touch”。

“我们不应该因为擅长技术，就傲慢地认为我们拥有所有答案。”Pratt反复强调这句话。技术应该提高人类的工作能力，而不是取而代之，这样才能“维护人类工作的尊严”。他说，TRI的目标是“做风险最高、回报最高的研究”，而“Jidoka”原则在许多方面都能得到应用。

“高风险意味着我们预计会在相当一部分时间内面对失败。虽然我们不希望失败，但我知道如果项目的失败时长不到总研发时间的三分之一，那说明我们选的项目太容易了——我们没有承担高风险去追求高回报。”这番话，对当下很多急于求成的AI项目来说，不啻为一记清醒的提醒。

有意思的是，离任的丰田CEO丰田章男给Pratt的工作规划提的期望，简单到只有一句话：“让我惊喜”。新CEO佐藤浩二也说了同样的期待。Pratt对此的理解是：“这就是我们的工作：在实现技术飞跃的同时承担风险。失败了没关系，但有些时候必须取得成功。”正是通过践行这种理念，TRI帮助丰田保持在创新和知识产权方面的前沿领导地位。

人类与AI共同参与“在环”

在整个汽车研发行业，能帮助人类工程师解决复杂工程问题的AI，正在逐渐成为汽车和系统研发的标准配置。这样做的好处很实在：减少测试和验证次数，缩短上市时间，降低成本。同时，AI也是机器学习和车辆人机交互（HMI）及其功能设计的重要组成部分。

TRI的机器学习主管、斯坦福大学计算机科学客座教授Adrien Galdon直言：“AI的历史就是一部炒作史。”但他也补充道：“我希望‘网络工具’未来能真正发挥作用，特别是在有人类监督或人类与机器协同工作的情况下。”

Galdon特别强调了AI在发展与应用过程中对人类的重要性：“但我们已经看到，把网络世界的AI应用到真实世界有多困难。因为数据收集是个十分昂贵、缓慢、不全面甚至危险的过程，而且数据中总有盲点。我认为AGI（通用人工智能）也一样，它假设了无限的计算、能源和金钱，但真实世界的数据远比网络世界复杂。”

Galdon还介绍了新一代机器学习模型——基础模型（Foundation model），这个模型可以通过尽量广泛且通用的数据集进行训练。他说，这个模型就像地基一样，你可以在上面建造任何类型的房子，而且通过语境学习和反复互动，模型会变得更加个性化。从执行单一领域特定任务的系统转向泛用性AI，这是AI转型的趋势之一，因为拥有更通用学习能力的AI可以应用于多个领域并解决各种难题。

机器人应用程序和用例的多样性是“一个巨大的挑战”。TRI的机器人技术高级副总裁Max Bajracharya指出，他的50人团队重点应对老龄化社会带来的挑战——到2050年，一半的日本人口将成为65岁及以上的老年人。实现机器人应用和使用案例的多样化，确实是个难题。

“我们可以训练一个大型模型来一次性学习常识性知识，并通过自然语言编程来适应用户。”Bajracharya解释说，机器学习既是为了归纳“我们”的集体经验，也是为了适应用户。

在Galdon所说的让人类参与“在环”的基础上，TRI的“以人为本”AI总监Charlene Wu对“技术的使用与技术本身一样重要”这一观点表示赞同。她分享了一个以人为本的AI协作案例：产品设计师希望把脑海中的概念可视化，于是他们可以在AI工具中输入提示（prompt），描述自己可能喜欢的画面。只需要输入单个提示，设计师就能探索各种可视化方案，广泛地挖掘，甚至可能产生一些前所未有的创意。一旦发现想要进一步优化的概念，就可以借助AI进行微调。Wu总结说：“AI真的很强大，因为它能提高人类的创造力和效率，而且你在短时间内就能获得某一特定想法的多种表现形式。这就是我们通过人类和AI多种交互方式来高效利用技术的具体思路。”

提升驾驶体验

在参观TRI工程车库时，人类交互驾驶（HID）部门总监A vinash Balachandran解释道：“在人类交互驾驶过程中，我们希望为驾驶员打造极致体验，并且通过汽车提升这种体验。”他的开发平台包括三辆车：一辆装有数据采集设备的雷克萨斯LC，用于收集驾驶员输入和真实道路数据；一辆采用开放式管线框架结构设计、配有轮毂电机、线控系统和四轮转向功能的电动测试车；以及一辆用于测试自动驾驶漂移功能和数据采集的赛道版Supra。这三台车均由丰田赛车部门TRD打造。而实验室里，还有一个由Balachandran团队与TRD共同开发的多轴驾驶模拟器和控制室。

Balachandran这样定义团队的任务：“想象你正在滑雪、骑车或做任何让人愉悦的活动——正是从中获得的喜欢和快乐，让你的技术越来越娴熟。这就是我们希望打造的AI与人类的关系：AI应该促进人类体验的改善。”

加入TRI之前，Balachandran是Uber早期自动驾驶汽车项目的工程师，曾是匹兹堡Uber首个（2016年）自动驾驶服务开发团队的一员。他的团队关注人车关系，所以首先需要理解人类行为。他解释说，近期的任务是确保SAE L2级和L3级自动驾驶下的高级驾驶辅助系统（ADAS）“可靠且直观”，不出现明显的技术入侵。他的团队同样坚守丰田章男的一个基本原则：永远不要忘记驾驶应该成为一种乐趣。

“我们已经知道，如果你想打造一个能训练用户掌握驾驶技术的安全系统，让用户真正享受驾驶体验，那么驾驶中的乐趣就极其重要——这就是驾驶愉悦感的来源。”Balachandran表示，虽然丰田正在开发自动驾驶解决方案（TRI共同领导了丰田Guardian和Chauffeur系统的开发），但目前的重点仍是高级驾驶辅助。

TRI的联合创始人Pratt认为，打造出能适应每个人的技术，是机构工作的终极成果之一。他最后补充说，技术专家应该始终保持谦虚：“我们不应该傲慢地认为，因为我们擅长技术、知道如何解决难题，所以就理应替社会做决定或代表社会——这种想法真的是大错特错。”

编辑：黄飞