香港城市大學 × 人工智慧研究所 跨域推動AI穩健推理與學習

當AI走出實驗室，進入自動駕駛的街頭或複雜的柔性製造工廠，所面對的不再是標準化的數據集，而是充滿雜訊、極端天氣與不可預測行為的真實世界。為攻克此一難關，香港城市大學與鴻海研究院AI所展開深度合作，試圖研發出具備「不確定性推理」與「低能耗持續學習」能力的下一代代理人（Agent）。

賦予AI「防禦性駕駛」邏輯

本次合作的核心技術突破之一，在於「不確定性推理」。傳統AI在遇到惡劣天氣或感測器雜訊時，往往會給出看似確定卻錯誤的預測，導致安全事故，而雙方合作的目標，即是讓AI具備類似人類駕駛的防禦邏輯。

為此，團隊在感知層透過顯式引入各個感測器（如；光達、相機）自身的不確定性並動態分配權重，讓系統在極端天氣或感測器失效時能自動判斷哪個「專家」更可信；至於在決策層，則系統不再勉強給出精確位置，而是輸出帶有方差的機率分布，當雜訊上升則AI會主動放大預測方差，如同人類在能見度差時會本能放慢車速、拉開車距。透過前述機制，代理人得以在訊息混亂時主動收緊安全邊界，實現更接近人類的決策邏輯。不過，AI要真正邁向自主化，還必須做到「持續學習」。

傳統模型在學習新技能（如：適應新路況）時，往往會產生「災難性遺忘」，丟失舊知識（如：基本交通規則）。針對此痛點，團隊研發基於「網路位置重要性」的生長策略，在神經網路中高重要性但尚未連接的位置新增連結，將新知識儲存於此，避免覆蓋舊知識。

同時，為了降低AI巨大的能耗，研究導入「新一代架構」的脈衝神經網路，僅在接收到訊號時才進行計算，其餘時間處於靜默狀態，從根本上消除無效運算。這也意謂著，未來的邊緣裝置將具備「節能的大腦」，只在必要時醒來思考，在極低功耗下進行即時決策。

此外，團隊還研發ModeSeq技術，將軌跡預測從單純的機率選擇提升為按序推理多種可能行為，使AI具備循序漸進的思考能力，能看懂行人的手勢、聽懂喇叭聲，把冷冰冰的數據轉化為充滿社交意義的場景預判。

奠定通用代理人根基

目前鴻海科技集團正全力布局電動車與機器人領域。香港城市大學汪建平教授指出，ModeSeq系統能以較低功耗在車端實現高頻率推理，真正把強AI從實驗室推向產線與量產車；此外，同樣的方法論也將使工廠機器人受惠，使其由被動執行工具轉變為安全可託付的智能協作者。

展望未來，雙方正計劃將成果延伸至工業操作應用，讓機器人在複雜的倉儲或園區中，能自行理解任務、識別風險並與人協同。

汪教授總結：「如果通用智能是一座大樓，我們現在做的，就是打好關鍵地基。」透過持續學習與穩健推理，香港城市大學與AI所的合作，雙方正為能長期運作、持續演化的AI系統開創無限可能。