自动驾驶又陷“派系”之争：该约束行人还是让

自动驾驶又陷“派系”之争：该约束行人还是让车更完美

近日，全球人工智能专家吴恩达（Andrew Ng）表示，制造可靠自动驾驶汽车的最快方法是在行人方面采取完善措施，而不单是汽车。他说：“我们想告诉人们的是，请遵守法规，请考虑周全。”在无人驾驶汽车短暂历史上的敏感时期中，吴恩达的言论引起了人工智能社区的热议，专家们有的批评，有的赞同。

在过去的几个月里，自动驾驶汽车曾卷入了几起事故，其中，有一辆自动驾驶汽车导致了行人死亡。大多数研究人员和人工智能专家都认为，无人驾驶汽车还没有取得足够的进展，以至于能够让自动驾驶汽车在街上行驶，尤其是在没有额外人类驾驶员监督其的情境下。而如果有人类驾驶员监督无人驾驶汽车，在出现问题时，人类会及时调整方向盘。

这正是争议的核心点。无人驾驶汽车将在何时上路、转型时期的样态以及如何应对自动驾驶的挑战，人们在这些问题的观点上存在很大的分歧。

一、无人驾驶汽车如何理解周围的世界

为了让车辆能够自行驾驶，无人驾驶汽车需要像人类司机一样了解周围的世界，它们就可以在街道上行驶，在停车标志和交通灯处停下来，避免撞上其他车辆和行人等障碍物。

计算机视觉是使汽车能够感知周围环境的核心技术，这是人工智能的一种分支，其使软件能够理解图像和视频的内容。由于深度学习的进步，现代计算机视觉已经取得了长足的进步，这使得它能够通过检查和比较数以百万计的例子，并利用定义每个物体的视觉模式来识别图像中的不同物体。

虽然对分类任务特别有效，但深度学习受到严重限制，并且可能以不可预知的方式失败。这意味着你的无人驾驶汽车可能会撞上一辆卡车，或者更糟糕的是，意外撞上了行人。目前在自动驾驶汽车中使用的计算机视觉技术也很容易受到攻击，黑客能够以控制人工智能输入端的方式来迫使其犯错。例如，研究人员已经证明，黑客可以“欺骗”自动驾驶汽车，阻止自动驾驶汽车以贴标签的方式来识别停车标志。

有一天，人工智能和计算机视觉技术可能会发展到足够完善的阶段，以避免出现无人驾驶汽车目前所犯的不稳定错误。但我们不知道这个时间节点会在什么时候到来，而在那之前，这个行业对该做什么也存在分歧。

二、改进无人驾驶汽车的计算机视觉技术

特斯拉公司的观点认为，其可以克服人工智能的局限，通过向自动驾驶汽车输入更多的数据，从而为自动驾驶汽车提供动力。这种认知是基于一种一般规律：即为深度学习算法提供的质量数据越多，它们在执行特定任务时就越好。

特斯拉已经为其车辆配备了一系列传感器，并尽可能从这些传感器收集数据。这一数据使该公司能够不断地对其人工智能进行训练，这些数据来自数十万辆特斯拉汽车，它们在世界各地的不同地区行驶。其理由是，随着人工智能技术的改进，特斯拉可以向所有车辆推出新的更新，并使其更好地执行自动驾驶功能。该模式的好处是，它可以被打包成一个消费者级的出行工具。它不需要额外的、昂贵的硬件附加在汽车上。

自动驾驶又陷“派系”之争：该约束行人还是让车更完美

他们也有机会通过“影子驾驶（shadow driving）”训练其人工智能，在这种情况下，人工智能被动地监控司机的决定，并对其在自动驾驶模式下的类似情况下的行为进行权衡，只要计算机视觉问题可以用更多的数据和更好的训练来解决，这一切都是可行的。

一些科学家认为，我们需要考虑人工智能技术，不仅仅局限在深度学习和神经网络。在这种情况下，特斯拉将需要重组专门的人工智能硬件，以支持其车辆的自动驾驶功能。

三、为自动驾驶汽车配备辅助技术

另外两家在自动驾驶技术上投入巨资的公司是谷歌和Uber，其利用多种技术来弥补无人驾驶汽车在计算机视觉方面的缺陷。其中最主要的是“激光雷达（lidar，light detection and ranging）”。

激光雷达是一个不断发展的领域，不同的公司正在使用不同的技术来执行其功能。激光雷达的专利和知识产权一直是谷歌和Uber之间长期法律斗争的核心，今年早些时候，谷歌与Uber达成了2.45亿美元的和解协议。简单来说，激光雷达的工作原理是将数百万的激光脉冲发送到稍微不同的方向，以创造出围绕着汽车区域的3D图像，基于脉冲到达一个物体并返回的时间不同。这是你在一些自动驾驶汽车上看到的部件（不是所有的激光雷达都是这样的，但它已经成为了这个行业的标志）。

除了激光雷达，这些公司还利用雷达探测汽车周围的不同物体，并评估交通和路况。所有这些技术的加入使得此类汽车的装备比特斯拉的计算机视觉要好得多。

然而，这并不能使他们的技术完美无缺。事实上，在今年早些时候，登上新闻头条的一场事故就涉及一辆自动驾驶模式的Uber汽车。

此外，谷歌和Uber的做法使得在公路上部署无人驾驶汽车的成本变得更高，也更加困难。谷歌和Uber已经用其自动驾驶技术行驶了数百万英里的路程，并从公路上收集了大量数据，此外，把所有的装备都加到一辆车中的花费是高昂的。单是激光雷达的成本就在7000美元到85000美元之间，而它们的外形也不是很吸引人。再加上所有其他传感器和设备的成本，这些设备必须在生产后附加在汽车上，这使得汽车成本可能会增加一倍或两倍。

如果科学家们能够破解计算机视觉的密码，并创造出能够理解周围世界的人工智能，并能像人类司机那样理解周围的世界，那么特斯拉将成为这场竞赛的赢家，因为其已经拥有了大量的数据，而且它所需要做的就是推出一个新的更新，所有的汽车都将神奇地完成近乎完美的自动驾驶。

另一方面，如果目前的狭义人工智能的发展趋势无法与人类司机相提并论，那么谷歌和Uber将成为赢家——如果他们设法降低激光雷达和其他无人驾驶汽车设备的成本的话。接着，汽车制造商可能会采取行动，为他们的汽车配备自动驾驶技术，而不会大幅提高成本。

四、通过规范行人来推进自动驾驶发展

专家们认为，问题不在于自动驾驶汽车不起作用，而是人们的行为不可预测，而自动驾驶汽车的捷径在于为行人制定相关的行为准则。

这基本上意味着，如果你在马路上行走，自动驾驶汽车撞到你，那是你自己的错。在极端情况下，这实际上会把汽车变成火车，即如果行人自己站在铁路上，他们需要对自身发生的任何事情负责。为行人制定严格的行为准则，限制他们在道路上的行动，肯定会让环境变得更加可预测，也能让自动驾驶汽车更容易驾驶。

但并不是所有人都相信这一观点，许多人对此提出了质疑，其中包括纽约大学教授Gary Marcus（加里马库斯），他说改变人类行为的方法只会“移动目标的位置”。

另一位人工智能和机器人技术的传奇人物Rodney Brook(罗德尼·布鲁克斯）也持有不同观点。他说：“自动驾驶汽车的伟大承诺是，它们将消除交通死亡。”他还补充道，“只要所有人都接受过培训，改变他们的行为，他们就能消除交通死亡的影响？”如果我们能如此轻易地改变人类的行为，这意味着，我们就不需要自动驾驶汽车来消除交通死亡。

但是吴恩达并不认为移动目标的位置是一个荒谬的想法，他认为人类历史上倾向于让自身适应新技术，就像他们对待铁路一样。无人驾驶汽车也会发生同样的情况。

无论如何，做出妥协可能有助于在技术进一步发展和自动驾驶汽车成为常态的情况下，实现平稳过渡。这种妥协介于两者之间，前者是完全智能的汽车，能够对每一种可能的情况做出反应，比如一个行人突然跳到街道中间，后者是一个铁路风格的环境，在那里，行人在自动驾驶汽车行驶的区域移动是被禁止的。

五、为自动驾驶汽车改造城市基础设施

另一个应对无人驾驶汽车挑战的解决方案是修复他们将要运营的道路和环境。

这也有先例。例如，随着汽车的出现，公路的升级和设计都适合于快速行驶的车辆。随着飞机的出现，机场被创造出来。在自行车很受欢迎的城市，自行车专用道是分开的。

自动驾驶又陷“派系”之争：该约束行人还是让车更完美

那么，无人驾驶汽车的基础设施是什么呢？来自爱丁堡商学院的学者在《哈佛商业评论》的一篇文章中提出，为自动驾驶汽车创造智能环境。目前，无人驾驶汽车无法与自己的环境互动，他们所学习的一切都来自于他们的传感器、激光雷达、雷达和视频源。通过将物联网（IoT）元素整合到道路、桥梁和城市基础设施的其他组件中，我们可以让它们更容易被自动驾驶汽车所理解。例如，在道路两侧或中间的特定间隔安装传感器，可以帮助无人驾驶汽车找到自己的极限，无论道路是否畅通，或覆盖着积雪或泥浆，或埋在两英寸深的洪水之下。传感器还可以为自动驾驶汽车提供有关路况和天气状况的信息，比如道路是否很滑，需要更谨慎的驾驶。

无人驾驶汽车还需要能够与附近的其他手动或自动驾驶汽车进行机器到机器（M2M，machine-to-machine）的通信。这将帮助其协调动作，更准确地避免碰撞。这种模式的挑战之一是，汽车可以“活”几十年。这意味着，今天生产的汽车仍将在2030年以后上路。因此，你不能指望每一辆车都配备传感器和M2M能力。

而且，我们不能指望世界上所有的道路都能突然长出智能传感器。

但无人驾驶汽车目前的数量非常有限，其可以配备技术来探测附近的智能传感器，可以与传感器进行互动，以提供更安全的体验。如果无人驾驶汽车在环境中找不到任何标准的智能传感器，它们就可以默认使用自己的本地设备来导航环境。

六、无人驾驶汽车何时会成为常态？

对于无人驾驶汽车能够在街道上行驶的到来时间，有不同的估计，比如手动和半自动汽车。但很明显，克服这些挑战比我们最初想象的要困难得多。

我们的汽车有一天会变得足够智能，能够解决所有可能的情况。但这不会在一夜之间发生，而且可能会在不同的层面上采取几个步骤和阶段。

在此期间，我们需要能够帮助平稳过渡的技术和实践，直到我们拥有能使我们的道路更加使用于自动驾驶汽车的安全行驶，我们的城市更清洁，我们的通勤成本更低廉。