近日，全球人工智能專家吳恩達(dá)（Andrew Ng）表示，制造可靠自動(dòng)駕駛汽車的最快方法是在行人方面采取完善措施，而不單是汽車。他說：“我們想告訴人們的是，請遵守法規(guī)，請考慮周全。”在無人駕駛汽車短暫歷史上的敏感時(shí)期中，吳恩達(dá)的言論引起了人工智能社區(qū)的熱議，專家們有的批評，有的贊同。

在過去的幾個(gè)月里，自動(dòng)駕駛汽車曾卷入了幾起事故，其中，有一輛自動(dòng)駕駛汽車導(dǎo)致了行人死亡。大多數(shù)研究人員和人工智能專家都認(rèn)為，無人駕駛汽車還沒有取得足夠的進(jìn)展，以至于能夠讓自動(dòng)駕駛汽車在街上行駛，尤其是在沒有額外人類駕駛員監(jiān)督其的情境下。而如果有人類駕駛員監(jiān)督無人駕駛汽車，在出現(xiàn)問題時(shí)，人類會及時(shí)調(diào)整方向盤。

這正是爭議的核心點(diǎn)。無人駕駛汽車將在何時(shí)上路、轉(zhuǎn)型時(shí)期的樣態(tài)以及如何應(yīng)對自動(dòng)駕駛的挑戰(zhàn)，人們在這些問題的觀點(diǎn)上存在很大的分歧。

一、無人駕駛汽車如何理解周圍的世界

為了讓車輛能夠自行駕駛，無人駕駛汽車需要像人類司機(jī)一樣了解周圍的世界，它們就可以在街道上行駛，在停車標(biāo)志和交通燈處停下來，避免撞上其他車輛和行人等障礙物。

計(jì)算機(jī)視覺是使汽車能夠感知周圍環(huán)境的核心技術(shù)，這是人工智能的一種分支，其使軟件能夠理解圖像和視頻的內(nèi)容。由于深度學(xué)習(xí)的進(jìn)步，現(xiàn)代計(jì)算機(jī)視覺已經(jīng)取得了長足的進(jìn)步，這使得它能夠通過檢查和比較數(shù)以百萬計(jì)的例子，并利用定義每個(gè)物體的視覺模式來識別圖像中的不同物體。

雖然對分類任務(wù)特別有效，但深度學(xué)習(xí)受到嚴(yán)重限制，并且可能以不可預(yù)知的方式失敗。這意味著你的無人駕駛汽車可能會撞上一輛卡車，或者更糟糕的是，意外撞上了行人。目前在自動(dòng)駕駛汽車中使用的計(jì)算機(jī)視覺技術(shù)也很容易受到攻擊，黑客能夠以控制人工智能輸入端的方式來迫使其犯錯(cuò)。例如，研究人員已經(jīng)證明，黑客可以“欺騙”自動(dòng)駕駛汽車，阻止自動(dòng)駕駛汽車以貼標(biāo)簽的方式來識別停車標(biāo)志。

有一天，人工智能和計(jì)算機(jī)視覺技術(shù)可能會發(fā)展到足夠完善的階段，以避免出現(xiàn)無人駕駛汽車目前所犯的不穩(wěn)定錯(cuò)誤。但我們不知道這個(gè)時(shí)間節(jié)點(diǎn)會在什么時(shí)候到來，而在那之前，這個(gè)行業(yè)對該做什么也存在分歧。

二、改進(jìn)無人駕駛汽車的計(jì)算機(jī)視覺技術(shù)

特斯拉公司的觀點(diǎn)認(rèn)為，其可以克服人工智能的局限，通過向自動(dòng)駕駛汽車輸入更多的數(shù)據(jù)，從而為自動(dòng)駕駛汽車提供動(dòng)力。這種認(rèn)知是基于一種一般規(guī)律：即為深度學(xué)習(xí)算法提供的質(zhì)量數(shù)據(jù)越多，它們在執(zhí)行特定任務(wù)時(shí)就越好。

特斯拉已經(jīng)為其車輛配備了一系列傳感器，并盡可能從這些傳感器收集數(shù)據(jù)。這一數(shù)據(jù)使該公司能夠不斷地對其人工智能進(jìn)行訓(xùn)練，這些數(shù)據(jù)來自數(shù)十萬輛特斯拉汽車，它們在世界各地的不同地區(qū)行駛。其理由是，隨著人工智能技術(shù)的改進(jìn)，特斯拉可以向所有車輛推出新的更新，并使其更好地執(zhí)行自動(dòng)駕駛功能。該模式的好處是，它可以被打包成一個(gè)消費(fèi)者級的出行工具。它不需要額外的、昂貴的硬件附加在汽車上。

網(wǎng)易智能原文配圖

他們也有機(jī)會通過“影子駕駛（shadow driving）”訓(xùn)練其人工智能，在這種情況下，人工智能被動(dòng)地監(jiān)控司機(jī)的決定，并對其在自動(dòng)駕駛模式下的類似情況下的行為進(jìn)行權(quán)衡，只要計(jì)算機(jī)視覺問題可以用更多的數(shù)據(jù)和更好的訓(xùn)練來解決，這一切都是可行的。

一些科學(xué)家認(rèn)為，我們需要考慮人工智能技術(shù)，不僅僅局限在深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。在這種情況下，特斯拉將需要重組專門的人工智能硬件，以支持其車輛的自動(dòng)駕駛功能。

三、為自動(dòng)駕駛汽車配備輔助技術(shù)

另外兩家在自動(dòng)駕駛技術(shù)上投入巨資的公司是谷歌和Uber，其利用多種技術(shù)來彌補(bǔ)無人駕駛汽車在計(jì)算機(jī)視覺方面的缺陷。其中最主要的是“激光雷達(dá)（lidar，light detection and ranging）”。

激光雷達(dá)是一個(gè)不斷發(fā)展的領(lǐng)域，不同的公司正在使用不同的技術(shù)來執(zhí)行其功能。激光雷達(dá)的專利和知識產(chǎn)權(quán)一直是谷歌和Uber之間長期法律斗爭的核心，今年早些時(shí)候，谷歌與Uber達(dá)成了2.45億美元的和解協(xié)議。簡單來說，激光雷達(dá)的工作原理是將數(shù)百萬的激光脈沖發(fā)送到稍微不同的方向，以創(chuàng)造出圍繞著汽車區(qū)域的3D圖像，基于脈沖到達(dá)一個(gè)物體并返回的時(shí)間不同。這是你在一些自動(dòng)駕駛汽車上看到的部件（不是所有的激光雷達(dá)都是這樣的，但它已經(jīng)成為了這個(gè)行業(yè)的標(biāo)志）。

除了激光雷達(dá)，這些公司還利用雷達(dá)探測汽車周圍的不同物體，并評估交通和路況。所有這些技術(shù)的加入使得此類汽車的裝備比特斯拉的計(jì)算機(jī)視覺要好得多。

然而，這并不能使他們的技術(shù)完美無缺。事實(shí)上，在今年早些時(shí)候，登上新聞?lì)^條的一場事故就涉及一輛自動(dòng)駕駛模式的Uber汽車。

此外，谷歌和Uber的做法使得在公路上部署無人駕駛汽車的成本變得更高，也更加困難。谷歌和Uber已經(jīng)用其自動(dòng)駕駛技術(shù)行駛了數(shù)百萬英里的路程，并從公路上收集了大量數(shù)據(jù)，此外，把所有的裝備都加到一輛車中的花費(fèi)是高昂的。單是激光雷達(dá)的成本就在7000美元到85000美元之間，而它們的外形也不是很吸引人。再加上所有其他傳感器和設(shè)備的成本，這些設(shè)備必須在生產(chǎn)后附加在汽車上，這使得汽車成本可能會增加一倍或兩倍。

如果科學(xué)家們能夠破解計(jì)算機(jī)視覺的密碼，并創(chuàng)造出能夠理解周圍世界的人工智能，并能像人類司機(jī)那樣理解周圍的世界，那么特斯拉將成為這場競賽的贏家，因?yàn)槠湟呀?jīng)擁有了大量的數(shù)據(jù)，而且它所需要做的就是推出一個(gè)新的更新，所有的汽車都將神奇地完成近乎完美的自動(dòng)駕駛。

另一方面，如果目前的狹義人工智能的發(fā)展趨勢無法與人類司機(jī)相提并論，那么谷歌和Uber將成為贏家——如果他們設(shè)法降低激光雷達(dá)和其他無人駕駛汽車設(shè)備的成本的話。接著，汽車制造商可能會采取行動(dòng)，為他們的汽車配備自動(dòng)駕駛技術(shù)，而不會大幅提高成本。

四、通過規(guī)范行人來推進(jìn)自動(dòng)駕駛發(fā)展

專家們認(rèn)為，問題不在于自動(dòng)駕駛汽車不起作用，而是人們的行為不可預(yù)測，而自動(dòng)駕駛汽車的捷徑在于為行人制定相關(guān)的行為準(zhǔn)則。

這基本上意味著，如果你在馬路上行走，自動(dòng)駕駛汽車撞到你，那是你自己的錯(cuò)。在極端情況下，這實(shí)際上會把汽車變成火車，即如果行人自己站在鐵路上，他們需要對自身發(fā)生的任何事情負(fù)責(zé)。為行人制定嚴(yán)格的行為準(zhǔn)則，限制他們在道路上的行動(dòng)，肯定會讓環(huán)境變得更加可預(yù)測，也能讓自動(dòng)駕駛汽車更容易駕駛。

但并不是所有人都相信這一觀點(diǎn)，許多人對此提出了質(zhì)疑，其中包括紐約大學(xué)教授Gary Marcus（加里馬庫斯），他說改變?nèi)祟愋袨榈姆椒ㄖ粫耙苿?dòng)目標(biāo)的位置”。

另一位人工智能和機(jī)器人技術(shù)的傳奇人物Rodney Brook(羅德尼·布魯克斯）也持有不同觀點(diǎn)。他說：“自動(dòng)駕駛汽車的偉大承諾是，它們將消除交通死亡?！彼€補(bǔ)充道，“只要所有人都接受過培訓(xùn)，改變他們的行為，他們就能消除交通死亡的影響？”如果我們能如此輕易地改變?nèi)祟惖男袨?，這意味著，我們就不需要自動(dòng)駕駛汽車來消除交通死亡。

但是吳恩達(dá)并不認(rèn)為移動(dòng)目標(biāo)的位置是一個(gè)荒謬的想法，他認(rèn)為人類歷史上傾向于讓自身適應(yīng)新技術(shù)，就像他們對待鐵路一樣。無人駕駛汽車也會發(fā)生同樣的情況。

無論如何，做出妥協(xié)可能有助于在技術(shù)進(jìn)一步發(fā)展和自動(dòng)駕駛汽車成為常態(tài)的情況下，實(shí)現(xiàn)平穩(wěn)過渡。這種妥協(xié)介于兩者之間，前者是完全智能的汽車，能夠?qū)γ恳环N可能的情況做出反應(yīng)，比如一個(gè)行人突然跳到街道中間，后者是一個(gè)鐵路風(fēng)格的環(huán)境，在那里，行人在自動(dòng)駕駛汽車行駛的區(qū)域移動(dòng)是被禁止的。

五、為自動(dòng)駕駛汽車改造城市基礎(chǔ)設(shè)施

另一個(gè)應(yīng)對無人駕駛汽車挑戰(zhàn)的解決方案是修復(fù)他們將要運(yùn)營的道路和環(huán)境。

這也有先例。例如，隨著汽車的出現(xiàn)，公路的升級和設(shè)計(jì)都適合于快速行駛的車輛。隨著飛機(jī)的出現(xiàn)，機(jī)場被創(chuàng)造出來。在自行車很受歡迎的城市，自行車專用道是分開的。

那么，無人駕駛汽車的基礎(chǔ)設(shè)施是什么呢？來自愛丁堡商學(xué)院的學(xué)者在《哈佛商業(yè)評論》的一篇文章中提出，為自動(dòng)駕駛汽車創(chuàng)造智能環(huán)境。目前，無人駕駛汽車無法與自己的環(huán)境互動(dòng)，他們所學(xué)習(xí)的一切都來自于他們的傳感器、激光雷達(dá)、雷達(dá)和視頻源。通過將物聯(lián)網(wǎng)（IoT）元素整合到道路、橋梁和城市基礎(chǔ)設(shè)施的其他組件中，我們可以讓它們更容易被自動(dòng)駕駛汽車所理解。例如，在道路兩側(cè)或中間的特定間隔安裝傳感器，可以幫助無人駕駛汽車找到自己的極限，無論道路是否暢通，或覆蓋著積雪或泥漿，或埋在兩英寸深的洪水之下。傳感器還可以為自動(dòng)駕駛汽車提供有關(guān)路況和天氣狀況的信息，比如道路是否很滑，需要更謹(jǐn)慎的駕駛。

無人駕駛汽車還需要能夠與附近的其他手動(dòng)或自動(dòng)駕駛汽車進(jìn)行機(jī)器到機(jī)器（M2M，machine-to-machine）的通信。這將幫助其協(xié)調(diào)動(dòng)作，更準(zhǔn)確地避免碰撞。這種模式的挑戰(zhàn)之一是，汽車可以“活”幾十年。這意味著，今天生產(chǎn)的汽車仍將在2030年以后上路。因此，你不能指望每一輛車都配備傳感器和M2M能力。

而且，我們不能指望世界上所有的道路都能突然長出智能傳感器。

但無人駕駛汽車目前的數(shù)量非常有限，其可以配備技術(shù)來探測附近的智能傳感器，可以與傳感器進(jìn)行互動(dòng)，以提供更安全的體驗(yàn)。如果無人駕駛汽車在環(huán)境中找不到任何標(biāo)準(zhǔn)的智能傳感器，它們就可以默認(rèn)使用自己的本地設(shè)備來導(dǎo)航環(huán)境。

六、無人駕駛汽車何時(shí)會成為常態(tài)？

對于無人駕駛汽車能夠在街道上行駛的到來時(shí)間，有不同的估計(jì)，比如手動(dòng)和半自動(dòng)汽車。但很明顯，克服這些挑戰(zhàn)比我們最初想象的要困難得多。

我們的汽車有一天會變得足夠智能，能夠解決所有可能的情況。但這不會在一夜之間發(fā)生，而且可能會在不同的層面上采取幾個(gè)步驟和階段。

在此期間，我們需要能夠幫助平穩(wěn)過渡的技術(shù)和實(shí)踐，直到我們擁有能使我們的道路更加使用于自動(dòng)駕駛汽車的安全行駛，我們的城市更清潔，我們的通勤成本更低廉。

（選自：thenextweb 作者：BEN DICKSON 編譯：網(wǎng)易智能 參與：nariiy）