為什么人類不需要經過特殊訓練，就能輕松找到回家的路？

眾所周知，大腦中有數十億個神經細胞，它們工作的時候會發出“電信號”。在這其中，有一種“網格細胞”，它們十分神奇，具有顯著的空間放電特征，以類似等邊三角形的結構為最小單位，形成一個覆蓋整個活動空間的網格圖案。

當我們看到周圍的事物，比如房子、樹木或者街道，我們大腦里的網格細胞就會在這些特定位置發出電信號，就像是在告訴我們的大腦：“此刻你在這里。”隨著我們移動，網格細胞會持續更新這些信號，幫助我們知道自己在空間中的位置。

這一過程就好像是大腦中掌管認路的“智能算法”，處理我們通過眼睛和其他感官收集的信息，然后創建一個坐標系，就好像大腦的GPS，人類在“識別道路”時，大腦會自動經歷一個感知、決策和執行的連續過程。

這個過程聽起來與自動駕駛技術的工作過程非常相似，似乎有某種神奇的聯系。盡管這項研究并未直接應用于人工智能領域，但它也許能給人工智能的研究帶來新的靈感，為未來的智能駕駛技術開辟全新的路徑：

這是梅賽德斯-奔馳（中國）投資有限公司執行副總裁、梅賽德斯-奔馳中國研發自動駕駛及車聯網負責人王忻和發現大腦網格細胞的諾獎得主、神經科學家May-Britt Moser（梅-布里特·莫澤）展開的跨界對話中談到的部分議題。

作為汽車的發明者，梅賽德斯-奔馳一直在推動人類出行方式的變革性創新。從1986年的“普羅米修斯”計劃到成為全球首先首家同時獲得L3和L4級自動駕駛認證的車企，奔馳的探索不僅歷史悠久，更為行業奠定了堅實的技術基礎。這探索的背后，體現的是奔馳團隊對科學前沿的無限好奇和熱情，他們不斷尋找能夠引領技術突破的新思路和可能性。

于是，一場關于腦海導航與智駕科技的跨界對談，就此開啟……

（一）May-Britt Moser的科學之旅：諾獎并不是科研的終點

May-Britt Moser 是一位挪威神經科學家，因發現大腦中的“網格細胞”（grid cells）而榮獲2014年諾貝爾生理學、醫學獎，但她并未停下腳步。

圖：May- Britt Moser 在諾貝爾獎頒獎典禮

現在，May-Britt將自己的研究視野擴展到更廣泛的領域，當前她的研究重心在于探索大腦中數十億個細胞如何協作分工，以及大腦“GPS系統”是如何形成的。她希望回答一個千年之前哲學家提出的問題：“我們在出生時是否就具備了感知世界的能力，還是這些能力在發展過程中逐漸形成？”

她在最新的演講中表示：“如果做科學研究的目的是為了獲得諾貝爾獎，那我在獲獎之后就可以大功告成，回家躺平了。但并不是這樣，我是一個科學家，我做科學研究的核心目的是揭示事物的本質，而不是為了獎項。作為科學家，我永遠懷揣一顆充滿好奇的童心。即使在獲得了諾獎后，我的激情和好奇依舊不減當年。”

（二）梅賽德斯-奔馳的智駕科技：不止于領先，突破智駕邊界

在梅賽德斯-奔馳中國研發智能駕駛和車聯網負責人王忻的心中，存在著另外的好奇，人類大腦“GPS系統”的神奇能力，是否能夠給“智能駕駛”帶來新的可能性？

奔馳是“汽車的發明者”，從根本上改變了人類出行的方式。而現在，大模型技術的突破，也給智能駕駛領域帶來了新的可能性，2024年，“端到端”大模型成為智能駕駛行業毋庸置疑的焦點。百年奔馳，在這場最新的科技浪潮中繼續成為最強大的競爭者之一，正以L2/L3/L4自動駕駛技術多線共進。

圖：卡爾·奔馳“對發明的熱愛永不止息”

梅賽德斯-奔馳采用最新端到端大模型技術的“無圖”L2++全場景高階智駕系統是這一跨越的核心成果之一。與傳統L2級智能駕駛相比，L2++系統具備更高階的能力，不依賴激光雷達采用純視覺方案、不需要高精地圖、配備萬卡云端算力、有導航就能開，能夠在高速公路、城市路況以及復雜的交叉路口等環境中實現更加精準的決策與控制。為了應對中國道路的特殊情況，奔馳還對其自動駕駛系統進行了本土化優化，通過基于中國特定道路環境、交通標識及駕駛習慣的數據訓練，使得L2++系統在中國復雜的交通環境中也能提供高效的智能駕駛體驗。與傳統的模塊化自動駕駛解決方案對比，更強的泛化能力、極低的時延，實現了本質的突破。

王忻帶著May-Britt體驗了奔馳的L2++技術，研究大腦GPS系統的May-Britt很興奮。但是，在自動駕駛領域深耕多年的王忻期待探索更多：比如，人類靠一日三餐就能處理如此多的事項，大腦僅耗能20瓦就可以完成駕駛任務；人類一雙眼睛，就能收集大量的信息。如果人工智能能夠幫助探秘大腦提供借鑒，那智駕科技將會有一個質的突破。

圖：奔馳中國智駕負責人王忻

奔馳與諾獎科學家在各自領域的持續探索，體現了同一個核心精神：無論已取得多大成就，依然保持對技術和知識的深厚好奇心與探索激情，諾獎于Moser而言是里程碑而不是終點，百年于奔馳而言是底蘊但不是駐足.....

腦與智駕的探索之路并不平坦

在探索之路上，無論是大腦如何“認路”以支持空間認知，還是自動駕駛技術如何提升車輛的智駕能力，科學家和工程師們都面臨著巨大的技術難題。如何讓機器擁有人類的推理范化能力、如何優化自動駕駛系統的能效問題，如何在復雜環境中提升系統的容錯能力......這些都是目前亟待解決的核心問題。

（一）人腦探索：我們僅僅了解一小部分

在過去的幾十年里，科學家們揭示了大量關于人類大腦的關鍵信息，然而，關于大腦如何運作，我們依然知之甚少。尤其是大腦如何使我們變得如此健談、善于交際、富有創造力，這些方面仍有許多未解之謎等待發現。

May-Britt在對談中表示：“人類對大腦的了解僅僅是冰山一角，未來的突破方向仍然無限。”大腦的探索就像一場永無止境的旅程。它并非只是神經元的簡單集合，而是數百億神經元之間精密協作的結果。這種協作的機制至今尚未完全解明，而它對我們理解“認路”技術的基礎至關重要。大腦如何將感知、記憶、學習等功能整合成一個有序的系統，依然是神經科學的核心挑戰之一。

在《Nature》的一篇文章《大腦的特別之處》（What's so special about the human brain）中提到，大腦的復雜性不僅體現在其龐大的體積和神經元的數量上，更體現在神經元如何協同工作，以支持復雜的認知功能。盡管在一些方面人類大腦的細胞結構和基因表達顯示出獨特性，但我們對大腦在細胞層面如何進行精確協同，進而支撐高級認知功能的理解，仍然非常有限。

May-Britt說：“大腦的復雜性遠超我們的想象，甚至比我們能夠掌握的更多。即使我們揭示了一部分大腦如何執行空間認知的機制，依然有大量的細節需要進一步研究。”這條探索之路雖然充滿挑戰，但科學家們的好奇心和探索精神不斷推動著他們向未知領域進發，試圖揭開大腦如何支持“認路”這一關鍵認知能力的深層機制。

“我們僅僅觸及了大腦的一小部分，未來的突破方向應該會涉及如何理解大腦各個區域之間如何協同工作，如何更精確地描繪大腦網絡的復雜性。大腦的工作原理仍然是一個巨大的謎題，我相信它能為我們提供無盡的探索空間。”May-Britt說到。

她還提到，腦科學的未來突破不僅限于對大腦內部機制的理解，如神經可塑性、學習與記憶的生物學基礎等，也包括如何更好地理解大腦的各個系統如何相互作用，以及這些機制如何影響我們的認知、行為與情感。May-Britt堅信，科學家一生中都會不斷發現新問題，提出新假設，推動大腦認知研究的深層次探索。她說：“科學家從未真正有‘終點’，總是會有新的問題涌現出來，這也是我永遠充滿激情去探索大腦的原因。”

（二）自動駕駛：決策、能效與容錯能力的挑戰

值得一提的是針對中國復雜的道路環境，梅賽德斯-奔馳基于中國實際駕駛場景和駕駛風格定制開發，打造了更符合中國路況情況的智駕系統。

除了快速精確決策外，王忻還特別強調了能效問題。能效提升意味著我們需要在保持高效計算和精準感知的基礎上，優化計算資源的使用，達到更高效的效果。在現有技術框架下，雖然自動駕駛系統已經能夠有效感知周圍環境，但仍然需要在保證精確度的同時，顯著減少系統的功耗，這對于電動汽車尤為重要。

另外，自動駕駛系統的容錯能力也是一項關鍵挑戰。與人類駕駛員能夠依靠直覺和經驗快速應對突發事件不同，當前的自動駕駛系統在面對極端場景（Corner cases）時的反應能力仍然有限，系統的應變能力依然不足。盡管人工智能技術已經取得了一定進展，但與人類大腦的復雜性相比，現有的技術距離完全模擬人類的決策和反應仍然有很大的差距。

為了提升安全容錯，奔馳貫徹多年堅持的“整體式安全理念”，將主動與被動安全結合。在自動駕駛系統中，多個冗余設計確保即使在極端情況下，車輛也能安全退出駕駛模式。在AI大模型的驅動下，奔馳L2++已經能夠接近人類“老司機”的駕駛水平，且通過海量云端訓練，系統會不斷自我優化，越用越熟練。

然而王忻對此并不滿足，他補充道：“我們的目標不僅是讓汽車能夠完全自駕，還要讓它能夠像人類一樣，在不同的環境下靈活應對各種復雜情況。奔馳有一個非常清晰的愿景：致力于2050年實現‘零致命性交通事故’。”

（三）路漫漫其修遠兮

盡管新技術的突破充滿挑戰，但隨著大腦研究和人工智能研究的不斷進步，我們可以看到這兩個跨界領域蘊藏的巨大潛力，正靜靜等待著被進一步挖掘。從May-Britt在大腦認知方面的開創性研究，到奔馳在智能駕駛領域的持續創新，我們正一步步邁向更加智能的未來。

跨界啟發：大腦與人工智能的交匯

（一）高效的大腦，沒有神經元是一座孤島

“大腦在駕駛時的能耗僅相當于一個20瓦的燈泡，遠低于汽車的能耗。”May-Britt在對談中提到，“我們需要理解大腦中的算法，并將這些算法轉化為汽車中的人工智能，以便在執行相同任務時減少能量消耗。”

在探討“大腦如何認路”時，能效是一個關鍵因素。人類大腦能夠高效處理信息，部分歸功于其復雜而精密的神經網絡結構。大腦中的神經元通過大量的連接與其他神經元互動，形成了一個高度協作的系統。每個神經元并非孤立存在，而是通過精細的神經環路與成千上萬的其他神經元協同工作，從而推動認知和行為的產生。正如在Science《Brain Connectivity》專刊中提到的：“沒有神經元是一座孤島……大腦不僅僅是由組成細胞構成。每個神經元都與數以千計的其他神經元相連，但這并不是雜亂的連接，而是一首同步的交響樂……如果沒有順暢運行的連接，大腦只不過是一堆神經元。”

圖：三維偏振光成像揭示了人腦切片的細節

人工智能之父、圖靈獎得主Marvin Minsky曾說：“現在的問題不是機器人是否需要情感，而是沒有情感的機器人是否能產生真正的智能。”

圖：人工智能之父Marvin Minsky（馬文·明斯基）

從進化論的角度來看，情緒和邊緣系統中的杏仁核息息相關，情緒反應尤其是恐懼擔憂情緒對我們的祖先逃避危險至關重要。因此，我們不僅繼承了祖先的生理特征，也同樣繼承了他們的心理特征。May-Britt提到：“情緒是為了保護我們而進化出來的，確實如此。但有時，情緒過于強烈，反而可能傷害我們。”例如，路怒癥和斗氣車引發的交通事故，正是情緒化駕駛的悲劇。從這個角度來講，自動駕駛技術有其優勢，因為沒有情緒，所以不會出現人類司機可能的沖動行為。

然而，在另一個層面上，情緒或許是人工智能突破的關鍵。人類的“擔憂”情緒促使我們進行防御性駕駛。駕駛員常常會依據經驗和直覺對潛在危險做出預判。舉例來說，看到路邊的行人、動物或障礙物，即便它們沒有明顯的移動跡象，人類駕駛員也會提前做出反應，以防它們突然進入道路。在面對緊急情況時，人類的“擔憂”情緒促使我們更加謹慎、迅速地評估風險，并選擇最安全的解決方案。

相比之下，自動駕駛系統缺乏這種情緒驅動，在緊急情境下可能無法像人類一樣果斷做出決策。當前的自動駕駛系統主要依賴傳感器數據來判斷情況，但缺乏這種基于經驗和常識的預判能力，因此在復雜、多變的路況下（電動車、行人突然竄出），可能出現反應遲緩或決策失誤的情況。

北京大學心理與認知科學學院院長、麥戈文腦科學研究員吳思教授曾指出：“在我看來，當前的AI發展只是其中的一條路徑，并非終點。最根本的問題尚未解決——理解生命的本質和意識思維的本質。這個問題比AI本身更為重要。AI只是物質層面的應用，而理解生命的本質，才是更為根本的任務。”

從卷積神經網絡到深度學習，再到如今備受關注的Transformer模型，這些僅代表了AI發展的一種途徑。它們可能是當前階段的最優解，但不一定是未來的最佳方案。隨著人工智能在“Scaling law”上效果的發展逐漸放緩，也許我們應該轉向更為寶貴的資源——人腦。大腦不僅高效，而且極其復雜，由無數神經元互聯構成，是已知宇宙中最復雜的動力學系統。

在對話中，May-Britt和王忻多次聊到，要深入理解大腦的工作機制，才能推動人工智能的發展。“冗余系統”是智能駕駛領域的常見術語，但其實人類大腦中同樣也存在冗余系統，它們保障著我們在面對疾病或損傷時仍能正常運作。May-Britt表示：“大腦確實有冗余系統，這也是為什么當人們患上阿爾茨海默癥時，一些方向細胞、網格細胞等功能細胞死亡，但系統冗余使得我們能夠承受部分細胞死亡而不影響導航功能。”王忻則感嘆道：“學習人類大腦的工作方式，能讓我們在自動駕駛的研發上取得更大進展。”但與此同時May-Britt也提到，人工智能的發展也促進了對大腦的研究：“過去我們沒有足夠的工具來理解大腦，而如今，人工智能和機器學習正幫助我們更好地理解大腦。”

所以就像吳思教授所說：“AI還有另一條發展路徑：學習大腦。目前，基于深度學習的AI還無法實現許多人類高級認知功能，因此這條道路仍值得探索。盡管這條路可能會更復雜，突破也可能會稍晚一些，但并不代表它不存在。”

結 語

我們正站在大腦與智能機器交匯的十字路口，科學與技術的跨界融合將為人類打開全新的認知之門。May-Britt Moser對大腦之謎的不斷追問，正如奔馳對智能駕駛的不斷突破，未來的道路必定充滿挑戰，但也充滿無限的可能。我們不僅將揭開大腦神秘面紗，也將在機器與人類認知的邊界上迎來嶄新的突破。正如那句古老的詩句所說：“路漫漫其修遠兮，吾將上下而求索。”無論是大腦的“認路”，還是智能駕駛的突破，它們必定是充滿未知、充滿激情、充滿探索的未來，在通向未知的星辰大海，需要科學與產業的共同努力。