|
昨晚，据国外众多媒体报道，美国当地时间星期日晚上十点，一辆Uber的自动驾驶汽车在亚利桑那州坦佩市的公共道路上与一名行人相撞，该行人在送往医院后不治身亡，这是世界上首起自动驾驶车辆在公共道路上撞击行人并致死的事件。 事件发生后，国外媒体、社交网站纷纷报道，因为这是全球首起自动驾驶致死事件，人们对自动驾驶技术的信任程度可能会产生更大的波动，到底自动驾驶能不能值得信任？无人驾驶出了事故后，究竟谁来负责呢？看看我们在硅谷工作的雅虎工程师——屈直怎么说。
好多电影里都有这种高度智能化的汽车形象，比如，看过DC《蝙蝠侠》系列电影的朋友们，想必都忘不了蝙蝠侠的那辆酷炫的蝙蝠车吧。
《蝙蝠侠》中的蝙蝠车 那肯定有很多听众朋友们好奇，这些无所不能、且外挂高科技武器的智能车，和我们现实生活中的，特斯拉、谷歌、百度的无人车相比，究竟高级在哪里呢？ 这就要从智能驾驶技术的分级开始说起了。
智能驾驶技术的分级 都说“懒人推动人类历史的进程”，在汽车行业也不例外。 自1885年德国人卡尔·本茨，也就是奔驰创始人，发明了世界上第一台内燃机汽车，人们对于简单、舒适的驾驶体验的追求从来没有停下过。从手动挡到自动挡，并朝着“放下方向盘”的目标不断推进。
我们今天讨论的“智能驾驶技术”，包括有人智能驾驶、和无人智能驾驶，与人机互动的智能驾驶这三个方向的技术总和。 沿着自动化程度、技术难易度这两条思路，目前对于自动驾驶技术定义的分级，有两个权威机构：一个是NHTSA，美国高速公路管理局，另一个是SAE，汽车工程协会，他们分别发布了对自动驾驶各个级别的定义，其中NHTSA将自动驾驶分为了0至4的五个级别，而SAE则将自动驾驶分为了0至5的六个级别。据了解，多数车企倾向于采用分级划分更为细致的SAE标准。 0级就是有驾驶员全权操作汽车，牵引力控制等智能系统可以帮你更正一些驾驶中的小问题，如果你没有使用转向灯却开始偏离车道，汽车会小心地调整回来。但此时的自动驾驶系统还处在小白阶段，帮不上太多忙； 1级2级则属于驾驶支援和部分自动化，车辆会有比较完善的恒速操纵器，会根据驾驶环境对方向盘和加减速度中的多项操作提供支援，其他动作则由驾驶员操作，这时，司机可以适当放开方向盘，汽车可以根据路况实施相应的控制，从而保持车距和车速； 3级是有条件的自动化，这就由自动驾驶系统完成所有驾驶操作，驾驶员根据系统请求，提供适当的应答，比如说发生了一些特殊状况，要随时准备切换回人工行驶，例如，它会提供自动泊车等选项； 第4级则是高度自动化，汽车可以自己去寻找停车位，用手机向汽车发送信号后它就会在指定位置接你。
第5级就是完全自动化了，驾驶员可以在不对车辆有任何操控的情况下，由车辆操作完成所有的驾驶程序。 换句话说，就是让你上车后，跟系统说“去老地方见冰冰”，然后你就可以在车上睡觉直至到达目的地了，此时的人工智能的各项水平都超过的人类，由人类接手驾车则只会平白增加事故发生的风险，所以，还是上车就睡比较好。 目前智能驾驶的技术水平，大概处于二级到三级之间。像特斯拉宣传的自动驾驶，根本不是真正的“无人驾驶”。实际上只能达到限定情形的“双手离开方向盘”，距离最高级的蝙蝠车还是有一定的距离的。 那接下来，我们来看一下，智能驾驶技术的核心操作原理是怎样的。 智能驾驶技术的核心操作原理 目前的主要思路很简单：让它的核心系统像一个正在开车的人类就可以了。 想象一下我们在开车的时候，眼睛要观察路况、看左右倒车镜；大脑要对收集到的信息进行分析，做出判断或想出好的应对方案；而肢体需要接到大脑传来的指令，进行踩刹车、打转向、鸣笛等一系列操作。
首先，自动驾驶汽车要“看清”路面及周围环境，则必须使用传感器。 但受限不同传感器本身的特性，一辆自动驾驶汽车往往需配置多种传感器以更好适应不同的驾驶场景，这些传感器包括高精度摄像头、雷达、激光雷达 (LIDAR)以及超声传感器。激光雷达能够感应往来的行人车辆等，但会受天气的限制，也无法读取交通标志。 雷达虽可以在各种天气条件下工作，但无法检测到路面碎石之类的小物体。摄像头可以读取标志和交通信号灯，但在黑暗环境中效果不佳。 然后，所有上述传感器都将信息传入到融合处理程序，叫做工控机，也就是车的大脑。这个大脑呢，就把各种物体识别、标记、分类，从而让汽车认知自己所处的环境。例如：这是一个行人；这是一个人行横道标志；这是一个车道标志等。 识别物体之后，线控执行器开始运作，这时候呢，也就是自动驾驶汽车对感知和认知的东西，作出相应的行动了，它会根据周围环境调整路线。 智能驾驶技术里的AI 智能驾驶技术的这三个步骤结束，从感应，到认知，再到执行，其中除了执行部分以外，感知和决策部分都需要AI的参与。 作为“大脑”的工控器，需要人工智能。听过往期节目的朋友应当知道，AI变“聪明”的过程就是一个不断让其“深度学习”的过程。学开车不一定要上路。 我在密西根大学读书的时候，就做过一个小研究。我们收集了三年里数百个卡车司机的驾驶数据，然后拿这些去训练无人车。除了这种方法以外，还有一种。比如谷歌的姊妹公司Waymo，就在现实世界中的道路外建立了一个极其详尽、高度仿真的虚拟城市，并在这个城市中不断增添、减少各种变量，模拟现实中可能发生的各种路况在虚拟世界中对自动驾驶汽车的AI进行大量的培训。通过这种方式，AI可以在短时间内积累大量的经验。
智能驾驶技术里的BUG 无人驾驶听起来很美，然而现实却提出了很多问题。 2016年2月，谷歌的无人车就和公交车撞上了。虽然是轻微擦了一下，谷歌还是表示承担部分责任，这是谷歌无人车路测以来，首次自己担责。而根据2015年的表现来统计，谷歌无人驾驶汽车平均每12万公里发生一次事故，而美国人呢，平均38万公里才会出事故。也就是说，2015年的时候，谷歌的无人车比人类驾驶要危险三倍。 旁边的车没想超车，无人车以为它要超车，结果一个急刹，后面就追尾了。 有的时候无人车不会联想。比如马路上有个足球滚过去，老司机基本都会停车，因为后面可能会有小孩子跑过去追球。但人工智能就不会有这种联想。
我分享一下我自己坐无人车的体验吧。 我上个月坐了一个小公司的无人车。这辆车呢，车顶上一个小雷达在转，里面有屏幕，车里连了一大堆电线，看起来很酷炫。 但是有一个毛病，就是这个车在行驶的时候，经常在高速路上急刹车。刹车还刹的特别急，脸都能撞到前面的屏幕上，非常惊险。 后来工程师告诉我们说，这次坐在车里的人多，车体就被压低了。车体一放低，车传感器也跟着下移了。结果呢，只有路上有一块小突起，无人车就以为是障碍物。 不过除此以外呢，其他方面它都做的不错。行人闯红灯它知道停下。自行车上了机动车道，它知道要让开。毕竟我做的是他们的无人车测试版，相信以后这些问题都能解决。 除了技术上的困难，自动驾驶还有文化问题。 美国经常有这样的情况，一个小十字路口，没有交通灯，只有停车牌。所有车都需要先停下，等旁边的车过去了自己再过去。 可在真正的生活中，很少有人真正停下来，一般都是先减速再慢慢往前蹭，等旁边的车过去了突然加速过去。 无人车就不理解驾驶员“慢慢往前蹭”这个动作，它以为旁边的车想要抢着过路口，所以自己就一动不动。等这辆车过去了，下一辆车一样往前蹭。无人车又以为这个车想抢着过去，只能再等一次。结果就是停在路口一直等，一晚上都过不去。
上周我们讲了智能家居。智能家居出故障，它不会太危险。 但无人车要是突然不灵了，那可就翻车了。去年特斯拉的无人车撞上了一个大卡车，车都撞烂了，司机当场死亡。虽然现在司机家属还没开始法律诉讼，但无人驾驶的法律诉讼会非常麻烦。 无人车出了事谁负责？司机没有参与驾驶，所以不能让司机负责。厂商负责的话，如何赔钱呢？如果一个交通事故死了人，原因是一个程序员输错了一行代码，那么这个程序员会不会被判谋杀罪呢？ 还有，就是伦理问题。坐在无人车上，发现前面并排躺着两个人，一个是小孩子，一个是老太太。这个时候无人车实在躲不了了，那么我们是去撞小孩儿呢？还是去撞老太太呢？ 无人车的发展不仅仅需要技术，还需要司机们的适应，需要交通法的完善，需要基础设施的健全。
说到基础设施，道路和摄像头其实正是美国无人车发展的短板。美国的很多路又老又旧，这对无人车挑战很大。有些路路面凹凸不平，有些路的连线都没有，这就让无人车的道路识别非常困难。 沃尔沃北美总裁莱克斯·克斯梅克斯（LexKerssemakers）曾经向洛杉矶市长愤怒地抱怨过：“我们的无人车根本找不到行车线！你们得在这该死的路上画线啊！”
这些问题，中国反而都比美国好很多。 中国修路比美国晚，整体质量比美国高。中国摄像头比美国多，数据量也比美国大。最重要的是，中国的立法比美国快，中央只要重视，立刻就会有一群专家学者写出无人车的交通法。但美国地方行政权力比中央大，只要有利益集团的干预，那么立法就会受到层层的困难。州议员吵来吵去好几年，交通法一条也写不出来。
知识清单 1. 目前智能驾驶的技术水平，大概处于部分自动化到有条件的自动化之间。像特斯拉宣传的自动驾驶，根本不是真正的“无人驾驶”。实际上只能达到限定情形的“双手离开方向盘”。 2. 智能驾驶技术的核心操作原理的主要思路很简单：让它的核心系统像一个正在开车的人类就可以了。 3. 智能驾驶技术的这三个步骤结束，从感应，到认知，再到执行，其中除了执行部分以外，感知和决策部分都需要AI的参与。
今日思考 现在卡车司机人数很多，无人车会让他们失业吗？ 现在传统的汽车厂商都在做自动驾驶，谷歌、特斯拉这样的互联网公司也在做自动驾驶，那么谁的优势会更大，谁会赢得“无人车商业战争”的胜利呢？ 无人车一旦实现联网，那么黑客把我的车黑掉了怎么办呢？ 你怎么看待这些问题呢？欢迎朋友们在留言区留言。
知之×世界说重磅推出知识付费课程：听懂未来科技 扫描下方二维码，《听懂未来科技》更多精彩内容尽在“知之”微信公众号
|
|
|
