oO飛兒Oo
應該問一下，人類要求的安全的程度，究竟要人工智能發到到哪一步才能讓人類放心AI真的理解了？
想一下，人是怎麼學開車的？都是開始先學習交通規則，培養安全意識開始，然後認識各類交通標誌，瞭解開車的常識，然後開始練習，避免事故的發生。那麼放到自動駕駛汽車上，就意味著要以機器可以理解的精確方式形式化道路規則，而人類目前用的交通規則可能並不是真的適用於自動駕駛汽車，最簡單了，一旦自動駕駛汽車和人類駕駛汽車出事故，定責就非常麻煩，所以這就為什麼一些業內人士認為現在應該制定一套標準化的規則來制定自動駕駛汽車在不同情況下的表現。
其實從過往包括Waymo在內的自動駕駛汽車測試數據來看，自動駕駛汽車從某種意義上來說是安全的，發生的事故里面，真正是因為自動駕駛汽車系統有問題的情況也是少數，但是問題是，新事物出來，一旦有問題，人們和輿論就會直接把責任歸咎到自動駕駛汽車上，特別是在諸如Uber自動駕駛汽車測試出現死亡事故之後，就更讓人擔心自動駕駛汽車是否可靠。現在的情況就是，事故影響整個行業，並且對行業裡面所有人都不利。而業內就有人認為，人類駕駛員可以通過改善道路來做更多的事情安全性，例如，減少和嚴格遵守道路限速規則，還有問題則是，行人是否也能夠遵守交通規則？事實是，無人駕駛汽車其實比人類駕駛員保持著更高的安全標準。只能說，在現在的城市情況和道路情況下來，這個階段的自動駕駛汽車確實還沒有做到100%的靈敏和安全。
硅發佈
汽車的革命，是一個令人激動的話題，然而經過了一百多年的發展，事實上汽車並沒有一次真正意義上的重大革命。人們對此充滿期待，希望汽車可以像手機一樣，給使用者不斷帶來驚喜。其中，新能源汽車被賦予厚望，尤其是純電動汽車，採用了更為清潔的能源和不同以往的駕駛體驗，比如特斯拉，被稱之為汽車歷史中的變革之作。然而，當沉思之後才會恍然大悟，其實特斯拉令人激動的並非上述所講。
汽車的形態其實一直沒有太大變化，純電動汽車也並不是什麼新鮮產物，早在18世紀60年代純電動車就已經初見雛形，雖然巡航里程和電池結構不太一樣，但驅動形式基本相同。包括如今的新能源汽車，與傳統汽油車的驅動形式也如出一轍，並不能帶給駕駛者或乘客全新的體驗。無論是特斯拉，還是當今國內市場新興的如蔚來一樣的新能源品牌，它們即將面對的依舊是傳統汽車領域這片市場，所以汽車革命與其風馬牛不相及。
那即將到來的汽車變革究竟是什麼？
而真正將要改變汽車屬性，帶來變革的，就是自動駕駛。沒錯，看似並不靠譜的自動駕駛雖然火爆，但很多人並不太理解，賠本賺吆喝的買賣為什麼愈演愈烈？這裡面就包含著自動駕駛對於未來出行方式顛覆性的改變，誰能搶佔先機，誰便能拔得頭籌，就如之前提到的特斯拉一樣，令人興奮的是特斯拉極強的加速性能，但真正令人感慨的，其實是特斯拉上已經可以實際上路的自動駕駛技術。
自動駕駛的“火”目前還沒真正涉及到消費者層面，而是在行業內部，對於這項新技術各大廠商猛烈追趕的趨勢是最直觀的感受。而讓傳統車企、零部件供應商和科技公司爭相進入這片領域的原因在於，如果不追隨自動駕駛這股風向標，是否就會變成汽車界的“諾基亞”或者“摩托羅拉”，雖然自身沒有過錯，但被動轉型無疑會被積極型的企業甩在身後。
自動駕駛的特性在於不僅僅涉及汽車領域本身，還輻射到數量可觀的周邊產業上，比如真正意義上的共享汽車。日常上下班，不僅能承載車主抵達目的地，在上班的過程中，車輛還可以進行出租，甚至接送親朋好友，而下班時車輛會在單位門口迎接你送你回家，聽起來是不是很有誘惑力？
對於新能源車企來說，自動駕駛無疑是最好的夥伴。電氣化設備的擴展性有目共睹，與傳統燃油相比，融合更為默契。如最新的無線充電技術，要是有了自動駕駛的加持，充電再也無需駕駛者親力親為，車輛自動開過去充電，完成後自動再開回車位停好，這都是傳統燃油汽車無法比擬的。既然傳統能源被新能源取代的趨勢不可逆，那麼自動駕駛的發展軌跡也是可見的，勢在必行。
現如今的自動駕駛，發展到什麼樣的程度？
目前自動駕駛通行的標準是由SAE International所倡導，對自動駕駛的等級劃分為六個，從L0~-L5，其中L0為人工駕駛，而隨著等級的提升，車輛也會由輔助駕駛向純自動駕駛轉變，最終達到L5階段。而目前對於六個等級的判斷標準如下：
L0-L2級自動駕駛：可以定義為輔助駕駛，如自動剎車、定速巡航以及自適應巡航系統，人類駕駛員負責完成“動態駕駛任務”。部分功能會為駕駛者提供幫助，但這個級別的特徵在於僅提供輔助，大部分駕駛動作依舊需要依賴駕駛者。
L3級別則是自動駕駛的分水嶺，是真正開始進入實際自動駕駛的級別，該級別的自動駕駛功能在滿足一定條件時是可以完成自動駕駛的。比如通用汽車所研發的新Super Cruise系統，就屬於L3的範疇。此時當滿足特定條件，車輛開始自動駕駛，駕駛者只需應答需求，無需對駕駛進行干預。但這個級別的自動駕駛無法完成激烈駕駛和應急路況，其無法做到預知緊急情況以及進行適當的操作，此時系統會通過提示，示意駕駛者需要介入接管。
L4-L5級別屬於“高度自動駕駛”範疇。該系統會依靠高精密的電子地圖來實現自動導航，只要地圖範圍內的地點，這類汽車都能實現完全自動駕駛，無需駕駛者干預。可以說只要有路，該級別自動駕駛都可以行駛，並且全程無需駕駛者干預。
而目前市售的車型中，最高級別的車型也僅可以做到自動監測路況，觀察周圍環境並作出判斷，實現自動加速、剎車以及轉向、併線等基礎功能。而當出現應急狀況時，系統依舊會通過提示、振動或是警示音等提示駕駛者接管駕駛。也就是從側面說明，駕駛者依舊不能在行駛過程中掉以輕心，還需要時刻觀察路面情況以第一時間做出應急處理。
比如近日爆出的Uber自動駕駛汽車撞人事件，雖然發生在光線不好的夜間道路，但由於自動駕駛汽車有著高精尖技術的“遠程激光雷達”，可以識別各個方向上逾300碼外的物體，所以相比人為駕駛來說，應該可以更早對橫穿馬路的行人進行檢測並採取制動等相應動作。但從當時的視頻中也可以看出，車輛此時並未減速，而駕駛者也因自動駕駛的緣故注意力並未十分集中，從而釀成慘劇。
真正的自動駕駛離我們還有多遠
L5級別的自動駕駛其實硬件設備已經達到標準，剩下的就是一些軟件的匹配，主要是邏輯問題。人的思維最不可控，如果把現在路面上行駛的汽車都加入電子控制系統，統一管理且取消人為自主駕駛，那自動駕駛的難度將降低大半。但就是因為自動駕駛與人為駕駛混行，大量無法理解甚至不可理喻的駕駛習慣，導致想要讓自動駕駛完美融入當前的交通大環境之下，難度很大。
自動駕駛究竟能否完全取代人類，解決這個問題的關鍵，在於對激烈駕駛的處理。這個環節，叫做Fallback設計，也叫“風險最小化退出機制”。是指，在極端情況下，車輛要選擇風險最小化的應對方案。在L3及以下等級，這個環節是通過駕駛者介入來解決的，而到了L4以及L5階段，自動駕駛系統會通過操作（轉向、加減速、監控環境）和戰術（應答事件、變道判斷、轉彎以及轉向燈的使用等）這兩個方面來進行解決，並且不用人工接管，說明如果達到這兩個等級，自動駕駛的智能度已經很高了。
而各大車企以及科技公司對自己的Fallback設計方案肯定是閉口不談，畢竟涉及商業機密，那麼我們不如來設想一下，如果自動駕駛普及，對我們駕乘者而言還存在那些顧慮。
首當其衝的是交通責任問題，無論是多高精尖的技術，它一定會有出錯的時候。那麼如果在自動駕駛時出現了交通事故，責任應該怎樣劃分？美國率先給出了自動駕駛汽車的判定標準，L0~L2級別的自動駕駛車輛，責任由駕駛者承擔。L3級別則根據車型具體給出的自動駕駛定位範圍視情況而定，而L4-L5則由汽車製造商和銷售商承擔責任。
而既然已經自動駕駛了，駕駛過程完全託管無需人為介入，那我是不是就可以不用考取駕照也可以駕駛自動駕駛汽車了呢？按照常規慣性思維來說，既然是駕駛汽車就必然需要擁有駕照，如果車輛發生危險，駕駛者需要知道如何可以應急處理。但如果僅是考取了駕照，並未真正上過路怎麼辦？油門當剎車的教訓還少麼？如果自己都不能熟練掌握汽車，又怎麼能保證危險將要發生時做出應急處理呢？再者，如果駕駛者可以熟練駕駛汽車，那自動駕駛對於家用消費者而言，存在的意義就小了很多。
當然對於自動駕駛，顧慮比比皆是，畢竟在最終產品推出之前，我們的猜測很可能都是多餘的。從自動駕駛出現到現階段起步發展，雖然真正意義上的自動駕駛技術尚未走到民眾面前，但從發展的進程中可以看出，它正在“大踏步”地向我們走來。
總結：
最後我個人想給自動駕駛潑一盆冷水，其實自動駕駛目前能提供給我們的便利，只是進一步優化出行方案，而比如像之前提到的私家車共享或是自動充電等功能都是後話，目前尚處在理想化階段。而關於出行，早就有了能達到與自動駕駛相同效果的手段，那就是出租車。
此外，我也不願意看到駕駛完全被人工智能所替代，駕駛樂趣並不是侃侃而談，而是真正能調劑週而復始平淡生活的玩物。只是真正喜歡駕駛的車主在所有車主中的佔比連10%都不到，汽車對於大部分人來說，僅是功能性商品而已。
但正如此前所提到的，新能源汽車就是趨勢，而自動駕駛也必將是未來車企不可或缺的技術之一。從目前現售的量產車來看，特斯拉早已達到了L2的級別，甚至可以稱之為L2.5，已經是目前可以買到的自動駕駛程度最高的車型，可距離無人駕駛入門的L3級別還是有很長一段路要走，即便特斯拉CEO埃隆·馬斯克已經放話2019年特斯拉將實現完全自動駕駛，但其真實性還有待考證。
L5級別的自動駕駛，看似近在眼前，但距離我們還很遙遠。
車質網
自動駕駛也是 1 月 28 日- 1 月 30 日由 DeepTech深科技舉辦的 EmTech China 全球新興科技峰會的主題之一，瀾亭資本創始人劉炯攜手金沙江創投董事總經理丁健，深鑑科技CEO姚頌、禾多科技創始人倪凱，馭勢科技聯合創始人吳甘沙及Quanergy 聯合創始人&CEO Louay Eldada，共同為我們帶來答案：
當今有兩種觀點：
觀點一，認為機器較人類在自動駕駛領域更有優勢。主要理由首先覺得機器具有多傳感器融合，較人類具有更多的感知方式。機器也不會知道疲倦，以及機器永遠是一個理性的狀態。
觀點二，在一些極端的 case 下，人類比機器有更多的經驗。
想請教在座的各位，怎麼向普通大眾證明，自動駕駛時代自動駕駛技術比人類駕駛更有效、更安全的選擇，這個問題想首先請教吳總。
吳甘沙：其實從數學上來說，是很難證明的，因為它需要大量的數據樣本，大家知道 2016 年特斯拉出現車禍以後，Musk 給自己辯解，我已經開了 1 點幾億英里才死了一個人，美國的平均水平是 9000 萬英里會撞死人，我已經比人開得安全了。從概率的角度上來說，這個數據樣本太小了，如果第二天再撞死一個人，就 1.3 億英里除以 2，變成 6500 萬英里。
所以大家可以看到，今天的數據是完全不夠的。谷歌的 640 萬公里也是不夠的，蘭德公司有一個研究，說需要 100 億公里，一輛車連續不停跑 500 年，才有可能有足夠地數據樣本去證明，現在沒有任何人能夠去證明這點。
那怎麼做？我覺得從設計心理學的角度來說，可以提 3 個方案。
1、在受控的環境裡面去做試驗。因為大家知道在賓夕法尼亞大學和芝加哥大學他們做了一個研究，說我們人碰到機器犯了一次錯誤以後就不原諒它，但是我們人犯了一次錯誤，我相信我下次能夠去改正，能夠做的更好。所以實驗必須是受控的，我舉一些例子，比如是分時段，半夜裡面讓無人駕駛的車出來，做夜間的小巴，或者做夜間車的調度。
2、我們有一個熟悉定律，就是體驗會導致好感，人們就會傾向於要接受，那兒這樣意味著就是我們要大量進行受控實驗，讓更多的老百姓去嘗試，去心理上接受它。
3、當人還保留少量控制權的時候更能夠接受自動化，所以我們在人機交互上面要去設計好，要去讓無人駕駛車保留一點點人控制的能力。
倪凱：甘沙說得非常對，無論是工程上還是技術上，他都說了很多的數字，包括舉例，我想補充一點就是從簡單場景開始。大家可以想象一下我們小孩的時候，我們怎麼去學自行車、滑冰，一開始大家可能都是後面有人扶著然後我們在去學，然後到某一天，他可能慢慢的開始放手，你都不知道他放手了，最後發現，我這個已經可以自己騎了，溜冰也是一樣的。其實我們 L3.5 也是這樣的想法，就是說有些技術可能是 L4，但是你直接說我是 L4，不僅是安全性是不負責任的，我覺得對用戶心理的衝擊也非常大。
DeepTech深科技
吳甘沙（馭勢科技創始人）：要證明自動駕駛比人開車安全，數學上很難。蘭登公司做過研究，要100億公里的數據才夠證明。但谷歌也只有640萬公里的數據。
那要怎麼說服用戶呢？從心理學角度，有三個方案：
1、在受控環境裡去實驗。人類只要發現機器犯過一次錯，就再也不會原諒它了；但人自己犯錯，卻相信下次能改正，會做得更好。所以一開始，不能丟到大馬路上隨便跑。實驗必須是受控的，比如做夜間小巴，或夜間車的調度。
2、人類有一個“熟悉定律”，對自己熟悉的事物更容易接受。我們要搞很多體驗活動，讓人們熟悉它。
3、讓人保留少量控制權。谷歌就在無人車的後座，放了help和pull over兩個按鈕，能隨時讓車靠邊停下。
倪凱（禾多科技創始人）：我想補充一點。當我們是小孩的時候，是怎麼去學自行車、滑冰的？一開始後面都有人扶著，到某一天，大人忽然放手，你都不知道它放手了。現在的L3.5也是一樣：，明明做到L4了，但對外說是L3。這樣，無論從技術角度，還是用戶心理接受，都比較負責。
姚頌（深鑑科技CEO）：確實，這是自動駕駛技術一個“降維”的思路。奧迪就是這樣做的。比如他們要推L3的一個系統，但一開始會發布說是L2，也就是要人監管的。這樣多少會建立起自信心。可能有一天，我軟件並沒有很大的升級，但宣佈是L3，大家也會接受了。
新芽NewSeed
目前來說還不夠安全，但在未來可以預見自動駕駛是相對安全的。
比如我們在在幾百公里長的高速路上，我們為了好好開車不出事故需要保持精神高度集中數個小時，而L4級別的自動駕駛的存在可以極大的減少因為人的疏忽而導致的交通事故。這些主要是因為開車整體來說是比較重複運動，需要一直保持視覺分析和身體的基本反應，在長時間的精神集中後，人很容易疲勞。而很多交通事故都是因為人的疲勞或者反應不及時才造成的。
現在的自動駕駛技術在L3水平，所以還會出現一些人或者技術上的事故。
