無人駕駛汽車正在行駛

2020年，曾經是無人駕駛汽車的一個重要時間節點。

英國《衛報》在2015年預測：到2020年，你將成為一個“永久後座司機”。BusinessInsider2016年一篇頭條新聞標題為《2020年，1000輛無人駕駛汽車將會上路》。通用汽車、谷歌的Waymo、豐田和本田曾宣佈，2020年將生產出無人駕駛汽車。馬斯克也曾放言說，特斯拉將在2018年達成這一目標，如果2018年不能成功，2020年也終會實現。

而如今，2020年到了，無人駕駛汽車卻沒能如約出現。

事實上，儘管在科技和汽車製造領域，許多頂尖品牌都做出了非凡的努力，但無人駕駛汽車仍然遙不可及。現在，你可以買到一輛會在發生碰撞時及時為你剎車的汽車，也可以買到一輛幫助你在高速路上自動巡航、平穩運行的汽車，但唯獨買不到一輛真正的無人駕駛汽車。

這是為什麼？或許我們可以從以下九個問題中獲得答案。

1. 為什麼無人駕駛汽車上路花的時間比預期更長？

無人駕駛汽車依靠人工智能工作。21世紀的前10來年，AI取得的進展堪稱“偉大”，我們看到語音生成、計算機視覺和物體識別以及遊戲等方面有了巨大的進步：比如過去，AI很難在一張圖片中識別出某種動物，但現在這對AI來說簡直不值一提。

但在無人駕駛汽車領域，AI的侷限性依然非常明顯。即使投入了大量的時間、金錢和精力，也沒有團隊真正找到讓AI在實際問題中發揮至關重要作用——以高度可靠性和精準度導航前進——的解決方案。訓練無人駕駛汽車需要大量培訓數據。最理想的辦法是向其展示數十億小時的真實駕駛畫面，並以此來教導計算機良好的駕駛行為。

但最主要的問題是數據不夠，且要獲得某些數據時需要付出“昂貴的代價”，比如：目睹前方發生車禍，或在道路上遇到碎屑……只有發生了這些情況，AI才能獲得相關數據，得出解決方案。

因為數據不足，對無人駕駛計算機的訓練就可能會有許多欠缺。汽車製造商試圖以多種方式解決這個問題：他們讓汽車行駛了更多里程，對汽車進行更多模擬訓練，甚至設計特定情況，以便獲得更多培訓數據。

這些行動似乎取得了一定的效果，比如Waymo的汽車確實可以在無人駕駛的情況下在亞利桑那州的街道上漫遊，但事實上，這一切進展並不那麼順利（下文會有進一步詳述）。

2. 無人駕駛汽車投入市場後，世界會變成什麼樣？

儘管遇到挫折，很多企業仍在持續投資無人駕駛，因為無人駕駛汽車一旦成功生產出來，世界將發生翻天覆地的變化，企業也將大賺一筆。

而且消費者也會想要一些改變。比如，可以在上班途中進行閱讀或者休息；無人駕駛汽車也將給殘疾人提供很多便利，畢竟他們中的很多人無法取得駕照，獨自一人去商超、醫院、公司都太困難了。

通用汽車公司巡航部門的無人駕駛汽車在舊金山的一個十字路口等候通過

不過，一些研究人員認為，除非我們對街道進行重大改造，以便更容易地向無人駕駛汽車傳達信息，否則無人駕駛汽車不會廣泛地存在。而進行大規模的街道改造代價很昂貴，不只需要金錢、人力，還需要一個國家在全國範圍的協調。

3. 無人駕駛汽車領域的“領頭羊”們正在做什麼？

評價無人駕駛汽車研究的先進性，有兩個核心統計數據可以參考。

一是它行駛了多少英里，這意味著一家公司擁有多少培訓數據，以及為此投入了多少資金。

另一個是“自駕脫離”數據，自駕脫離指的是在行駛過程中，因計算機無法處理特殊情況，汽車不得不臨時被人類司機接管的情況。

在這兩個方面，Waymo都無疑是“領頭羊”。Waymo前不久宣佈，該公司無人駕駛汽車總共行駛了2000萬英里：2018年，Waymo 在加利福尼亞州行駛了 120 萬英里，每 1000 英里有0.09 英里“自駕脫離”。排在第二位的是通用汽車的Cruise：行駛了約100萬英里，每1000英里的“自駕脫離”數據為0.19。

4. 無人駕駛真的比人類駕駛更安全嗎？

2018年3月18日，無人駕駛汽車首次發生嚴重事故：在美國亞利桑那州坦佩市，Uber一輛配有安全駕駛員的無人駕駛汽車撞死了一位49歲的女子，當時她正騎著自行車穿過街道。

這一事件讓人思考，無人駕駛真的比人類駕駛更安全嗎？

Waymo行駛了2000萬英里尚未發生致命事故，但考慮到其汽車行駛的里程數遠遠無法與人類相比，因此要證明它們比人類駕駛員更安全還為時過早。

2017年3月28日，Uber無人駕駛汽車駛過舊金山第五街道

Uber無人駕駛汽車在不多的行駛里程數里發生了一起致命事故。雖然該公司沒有公佈相關數據，但根據去年的首次公開募股（IPO）文件，它行駛了"數百萬英里"，這個數字與人類行駛里程數相差甚遠。此外，對首例無人駕駛汽車致死案件的調查表明，Uber無人駕駛犯了很多可預防的錯誤。

美國國家運輸安全委員會（NTSB）於2019年12月發佈的事故報告顯示，事故發生時，“近程攝像頭”和“超聲波傳感器”並未被使用。

NTSB報告還顯示，系統存在錯誤警報的問題。比如，在安全的情況下檢測到危險，並根據其檢測到的危險重新編程——無人駕駛系統在一秒鐘內抑制剎車，同時計算出替代路徑。因此，即使重新編程後的汽車突然反應過來接下來的動作將會有危險，它也不會立即剎車，而是根據替代路徑繼續行駛。本該避免的碰撞，計算機卻“精準地”讓汽車繼續行駛了整整一秒鐘，從而釀成大禍。

Uber無人駕駛汽車的系統設計是，假定行人只會在人行道上過馬路，所以當行人沒有使用人行道時，它就無法識別其身份。

所以，在Uber的致死案件中，系統在撞擊前六秒鐘感覺到了行人的存在，但在以致命的速度與行人相撞之前，它什麼也沒做。

5. 無人駕駛汽車對環境有利嗎？

擁護者認為，無人駕駛汽車對環境有好處。

他們聲稱，有了無人駕駛汽車後，很多人可能不會再想買車，轉而使用共享汽車，從而減少不必要的出行次數。此外，也有人認為，人類司機“用力加速、緊急制動”等行為會使發動機空轉，加速燃油消耗，而這些是無人駕駛汽車可以避免的。

但隨著無人駕駛汽車越來越近，這些所謂的好處開始變得不那麼現實。沒有太多證據表明，計算機駕駛比人類駕駛更省油。

一項小型研究顯示，自適應巡航控制可以將燃油效率提高5％到7％，但除此之外沒有什麼其他意義。此外，研究人員研究了節油能力更高的汽車對行駛里程的影響，發現在大多情況下，具有更高燃油效率的無人駕駛汽車並不意味著會降低排放。

一項旨在“估算無人駕駛汽車對汽車使用行為的影響”的研究表明，擁有無人駕駛汽車後，人們可能會更多地使用汽車出行。研究者為一個家庭提供了使用一週無人駕駛汽車服務的費用。他們試圖用這種方式來模擬擁有無人駕駛汽車的家庭生活。結果讓人失望：出行次數變多了。

當然，僅僅研究一個星期的駕駛習慣不足以證明什麼。目前，研究人員正在準備更多的數據進行未來研究，擴大樣本與時間軸線後的結果令人期待。

6. 如果無人駕駛汽車不一定更安全，也不一定更環保，為什麼還要研發？

讀到這裡，你可能產生了一些悲觀情緒，但無人駕駛領域也不乏更人振奮的消息：無人駕駛車的研發可能會使老年人和殘疾人的生活更加便利，併為人們提供更好、更安全、更經濟的選擇。未來的研發將使無人駕駛汽車更安全——也許其安全性會超過人類司機。

從某種意義上說，我們正處在一個尷尬的過渡時刻，我們渴望無人駕駛汽車的到來，但同時又知道這條路上困難重重。

每一項新技術在發明初期都伴隨危險，但成熟之後可能會為人類帶來極大便利。這樣的例子其實並不罕見，比如飛機在剛發明時，如今卻日益成為日常生活中不可缺少的交通工具。

7. 法律與政策在無人駕駛汽車的發展中扮演了什麼角色？

目前，全世界還沒有關於無人駕駛汽車的統一法律。在國外，大部分政策行動主要發生在州一級，且各州圍繞無人駕駛汽車的法律差異很大。這些政策將會影響無人駕駛汽車的使用，也決定著它對環境的影響是好是壞。

例如，在高額汽油稅下，碳排放的社會成本可能會反映在無人駕駛汽車的價格上。但是，目前的交通政策對駕車的社會成本並沒有起到多大作用，而這個問題在無人駕駛汽車上路後只會變得更加嚴重。

8. 我們何時可以擁有無人駕駛汽車？

人類從未停止對無人駕駛汽車的研究。

Waymo自2017年以來一直在進行無人駕駛汽車的測試。通用Cruise此前推遲了2019年的自動出租車服務，但其認為該服務可能在2020年成為現實。今年早些時候，該公司推出了一款沒有方向盤和時間表的汽車，但尚未對外銷售。特斯拉的高速公路自動駕駛的性能很好，但遠未達到真正的無人駕駛的水平。

當然也有不同意見。大眾汽車公司首席執行官就表示，可能“永遠不會有”無人駕駛汽車。

特斯拉Model 3配備部分自動駕駛系統，於2020年1月9日在比利時布魯塞爾的布魯塞爾博覽會上展出

就目前的情況而言，預測無人駕駛汽車究竟何時真正面世還有一定難度。很多公司在公佈研發進展的同時，也會隱瞞遭遇的不幸，因為他們知道，像Uber那樣嚴重的交通事故不僅可怕，還會給他們未來的研發帶來厄運。

無論如何，無人駕駛的研究還在進行，無人駕駛汽車肯定比去年更接近我們，但距真正投放市場還有相當長的路要走。也許，三四年後我們才能更清晰地知道，人類何時能真正用上無人駕駛汽車。

9. 無人駕駛汽車到底是如何工作的？

無人駕駛汽車背後的理念非常簡單：在汽車上安裝攝像頭，攝像頭可以跟蹤周圍的所有物體，並在汽車要轉向時做出反應；另外，人類教會車載計算機道路規則，並讓它們藉助導航能到達目的地。

然而，以上簡單的描述迴避了背後隱藏的一大堆複雜問題。

駕駛是人類經常做的複雜活動之一。事實上，車載計算機可以遵循道路規則，但仍然無法像人類那樣開車，比如與他人進行眼神交流以確認誰有權通行，對天氣狀況做出判斷性反應等等。

Waymo首席執行官John Krafcik於2017年11月7日在葡萄牙里斯本的WedSummit上展示了無人駕駛汽車

甚至是一些簡單的駕駛操作，比如跟蹤汽車周圍的物體，實際上也比聽起來要棘手得多。以無人駕駛汽車的行業領導者、谷歌的姊妹公司Waymo為例。Waymo的汽車是無人駕駛汽車中的“模範生”：它們使用高分辨率的攝像頭和激光雷達的方法（原理是通過使物體反射光線和聲音來估計與物體之間距離）來讓汽車計算機感知與其他汽車、自行車、行人和障礙物的位置以及移動位置。

實現這些功能需要大量的訓練數據。也就是說，汽車必須利用Waymo收集的數百萬英里的行駛數據，來形成對其他物體可能如何運動的預判。

因此，工程師必須確保其AI系統能夠正確地將模擬數據（由於很難在真實道路上獲得足夠的訓練數據，因此不得不採用模擬數據）推廣到現實世界。

以上這些還遠遠不是對無人駕駛汽車上路工作時整個系統的完整描述。

但這說明了非常重要的一點：研發無人駕駛汽車的過程中，很多即使是“簡單”的事也隱藏了令人驚訝的複雜性。

文字 | 尹歡歡

版面 | 田曉娜

閱讀更多 造就 的文章

關鍵字: 人工智能 電腦 通用汽車公司