無人駕駛汽車真的指日可待了嗎？

無人駕駛是近100年來汽車行業的一個全新高度，也是人們智能出行的夢想目標。今年以來，從各種無人駕駛技術在拉斯維加斯電子產品展上高調亮相，到許多汽車和科技公司激進宣布無人駕駛商業計劃，一些媒體開始宣稱無人駕駛將比人們想象的來得更早。

圖片來源于“123rf.com.cn”當前，社會和行業都存在一種浮躁情緒。無人駕駛似乎指日可待，誰抓不到就會被淘汰，這引起了資本市場的壓力和行業的普遍焦慮。無人駕駛真的指日可待嗎？我的回答很簡單：沒有。不僅沒有，而且很遠。主觀能動性是無人駕駛的必要條件。要問為什么，我們必須首先了解什么是無人駕駛，以及我們需要什么樣的無人駕駛。無人駕駛是汽車駕駛技術的前沿。根據美國汽車工程學會（SAE）對自動駕駛的五級分類，第一到第三級是有人駕駛自動駕駛，或輔助自動駕駛，即人們仍然對駕駛的最終決定負責。在這些階段，所有自動駕駛技術的應用只是為了提高人們的駕駛體驗，尤其是安全體驗。第四級和第五級是無人自動駕駛，即可以將人完全排除在駕駛決策之外，其中第四級是有限場景下的無人駕駛，第五級則是無限場景下的無人機駕駛。顯然，第四層和第五層是真正無人駕駛的。本文所討論的無人駕駛是指以人類行為為目的的四等車和五等車的自動駕駛。第四級無人駕駛可以在一些特定場景下快速實現，但不會給汽車行業帶來顛覆性的變化，因為大多數人不會購買只能在指定道路或指定區域行駛的無人駕駛汽車。

追求自由是人之常情，正如美國交通部長趙小蘭女士在年初的底特律車展上所說：我們熱愛汽車，因為我們熱愛自由。限制自由的無人駕駛汽車可能只是公共交通的延伸，不會取代當今龐大的個人汽車市場。要在無限場景中實現無人駕駛，安全是初心，也是最大的障礙。我們必須明白，汽車是一種非常獨特的產品，它涵蓋的范圍很廣，涉及人們必要的日常出行，更重要的是，它與人們的生命安全密切相關。開發無人駕駛技術的主要目的是提高其安全性。因為開車過程中的每一個場景都不會重復和復雜，所以如果你在高速行駛中犯了一個輕微的錯誤，就有可能付出生命的代價。因此，無人駕駛被要求像一個合格的人類駕駛員一樣具有主觀能動性，這不是哲學意義上的主觀能動性。這意味著無人駕駛在遇到任何不熟悉或意外的場景時都能積極做出正確的判斷和操作，并能比人類駕駛做得更好，從而實現比人類駕駛更高的安全性。在我們目前的交通環境中，一輛沒有主觀能動性的無人駕駛汽車無疑是一個巨大的安全隱患，這違反了無人駕駛安全第一的原則。為了減少甚至取代無人駕駛對主觀能動性的依賴，人們想象了一個理想化的場景：厘米級的高精度地圖覆蓋了汽車能到達的所有地方；道路上的每輛車都有車對車和車對系統的智能互聯，以避免可能的碰撞；

但也具有行人與汽車分離的客觀條件。在這種情況下，即使無人駕駛汽車不是完全主觀的，它也可以安全自動地在預定的道路上行駛，就像今天智能制造工廠廣泛使用的全自動運輸機一樣。目前，一些接近這一條件的應用場景正在出現，以在短時間內實現四級受限場景下的無人駕駛。然而，要使所有場景都滿足這些條件，顯然是一項龐大的工程，這涉及到整個社會生存空間的改造。它永遠不可能由一家或幾家企業甚至一個行業完成，在可預見的未來也很難成為現實。因此，主觀能動性是無人駕駛的必要條件。沒有主觀能動性的無人駕駛是對科學的不尊重，是對生命的蔑視，是對社會的不負責任。在主觀能動性條件尚未成熟的情況下，如何實現主觀能動性下的無人駕駛？路徑可能有很多，但人工智能技術應用廣泛，目前被寄予厚望。什么是人工智能？簡單地說，就是利用人工機器（如計算機）來實現人們的感知和決策功能。經過半個多世紀的發展，人工智能技術從早期的語言處理到今天的圖像語音識別都取得了長足的進步。特別是近年來，基于機器學習的人工智能技術取得了突破，給我們生活的許多方面帶來了極大的便利，如醫療、家庭、娛樂、制造、服務等。

然而，目前的人工智能技術仍處于初級階段，不具備支持無人駕駛所需的主觀能動性的能力。為了理解這一點，我們不妨將人類的智力分為三個層次：1）敏感性；2） 理性：3）靈性。感知是通過類似的條件反射獲得的信息和知識。如果你被電爐燙傷過一次，你就不會再碰電爐了。合理性是通過人們的邏輯思維獲得的知識，例如做出邏輯判斷，如果關閉電源，電爐可以清潔；

另一方面，精神是人們基于一定的感性和理性思維的智能思維，包括人們的自我認知、意識、情感和主觀能動性。例如，人們可以安全地使用電爐來制作各種美味的食物，這可以激發無限的愉悅感和享受感。當然，這三個層次的人類智力有著深刻的聯系，并且是相輔相成的。精神智慧思維是人類智慧的最高層次。與人類智能的分類相對應，人工智能通常可以分為三個層次，即弱人工智能、一般人工智能（也稱為強人工智能）和超級人工智能。弱人工智能是指在一定條件下可以應用的人工智能，如圖像識別和語音識別。弱人工智能可以在人類的某些特定定義下實現邏輯推理。盡管它有時可以達到或超過人類的能力（比如下棋），但它并沒有真正的智力。規則一旦改變，就不會自行演變，也就是說，它沒有意識，也沒有主觀能動性。一般人工智能是指具有與人類幾乎相同的智力，包括自我意識、獨立進化和主觀能動性。超級人工智能指的是未來的一種可能性，智能機器可能具有超越人類智慧的智能。在后兩個階段，人工智能既可以成為人類的朋友，也可以成為敵人。因此，許多人工智能專家和技術推動者已經聯合呼吁人們警惕人工智能可能造成的災難，并成立了未來生命研究所，這是一個旨在安全使用人工智能的聯盟。今天，無論媒體對人工智能的描述多么驚人，無論IBM的DeepBlue和谷歌的AlphaGo如何戰勝人類，我們都應該清醒地意識到，人工智能技術仍處于弱人工智能的初級階段。換句話說，今天的人工智能技術只能在非常有限的條件下實現人類的邏輯推理，只能在人類預先設定的算法規則下學習。它對人的智能思維，如意識、感知和情感無能為力，不具有主觀能動性。沒有主觀能動性的弱人工智能可以在智能家具、智能娛樂、智能制造和智能服務等不涉及生命安全的領域做很多事情。對于自動駕駛來說，弱人工智能技術也可以為輔助自動駕駛提供廣泛的應用空間，使其成為人們安全快樂駕駛的好幫手。然而，對于無人駕駛來說，弱人工智能技術提供的應用空間仍然非常有限，無法支持實現無人駕駛所必需的主觀能動性。盡管數字技術的局限性無法證明，但我認為從弱人工智能到通用人工智能的主要障礙來自數字計算技術。對于一般的人工智能來說，數字計算技術可能是一種相對落后的技術。數字計算本質上是布爾邏輯的產物。布爾邏輯推理中最重要的定律是排除中間定律，即非黑即白，不存在中間地帶。基于二進制的數字計算機最基本的計算單元位只有0和1兩種狀態，因此數字計算機中的所有信息表達式和運算都是用0和1來執行的。換句話說，所有信息都以離散的數字形式存在于數字計算機中。然而，自然界中幾乎所有的變量都是連續的，人類的思維甚至生命過程更是連續的。當我們使用數字計算來處理信息時，我們獲得了簡潔和快速的優勢，但同時也付出了失去信息連續性的巨大代價。在許多工程應用中，連續變量可以通過離散變量的大量迭代來逼近，因此數字處理在許多工程中很有前途。然而，沒有辦法通過數字計算來表達和處理人們的意識、自我覺醒和主觀能動性。

至于古格……

它之所以能在圍棋游戲中擊敗人類，是因為圍棋的規則完全符合布爾數學邏輯，圍棋的所有選項都可以完全用離散的數字模型來表達。事實上，人們早就認識到布爾邏輯的局限性。半個世紀前提出的模糊邏輯打破了布爾邏輯零一準則的局限，提出了不同程度的連續思維邏輯，更接近人類的思維邏輯。事實上，布爾邏輯只是模糊邏輯的一個理想化特例。在模糊邏輯所基于的連續函數線上，布爾邏輯只存在于一個點上。顯然，用離散點的邏輯來準確模擬人類持續的意識思維幾乎是不可能的。因此，我認為，通用人工智能的實現取決于超越數字時代。機器學習的真相與困境無人控制決策的實現基于兩個方面。首先，通過對汽車物理系統、運行機制和運行軌跡進行建模，實現了人類能夠準確描述因果關系的控制策略。然而，這種能夠準確描述因果關系的控制策略極其有限，不足以滿足無人環境的高度不確定性。因此，近年來，機器學習被廣泛應用于無人駕駛技術的發展中，目的是通過大量的數據學習來提高無人駕駛的感知和決策能力。業界對機器學習技術寄予厚望。然而，機器學習很難肩負起賦予汽車主觀能動性的重任。這是因為，無論機器學習的算法有多先進，無論是卷積神經網絡還是迭代神經網絡，歸根結底，它都是通過離散數而不是因果關系來表達事物之間的關系。機器學習最基本的目標是獲得一種通用的機制，從有限的樣本（如人）中識別出無限可能的場景。然而，因果關系未知的關聯數字模型就像一個黑匣子，很難產生普遍的規律和機制。因此，機器學習建立的數字模型及其算法缺乏可拓生成的功能，因此很難進行推理。盡管人工智能領域已經注意到機器學習的這一局限性，并已開始研究，但理論突破還需要時間。許多人工智能專家對該行業過度夸大機器學習的作用表示非常擔憂。例如，美國紐約大學著名人工智能教授加里·馬庫斯博士指出，過度炒作人工智能可能會導致其進入下一個冬天。

盡管人們對機器學習在無人駕駛中的應用抱有很高的期望，但目前，基于機器學習的無人駕駛只能從過去學習的數字模型中找到最接近的場景來控制操作，無法像人類駕駛員一樣，對經驗和意識豐富的人進行舉一反三。在這種情況下，無人駕駛可能會陷入睜一只眼閉一只眼、感覺不到的困境，也可能具有精神分裂癥的特征。我們不能把自己的生命托付給這樣的無人駕駛。我認為，在數字技術時代，無論計算機芯片的迭代速度有多快，機器學習算法如何改進，都可能只會促進薄弱的人工智能技術的改進，人工智能技術很難有質的飛躍。人工智能的突破還取決于對生命和物質本身基本屬性的持續深入探索。換句話說，僅靠基于機器學習的數字算法很難培養無人駕駛所需的主觀能動性。無人駕駛的實現需要依靠數字技術的突破和計算技術本身的革命。在仿生學和量子計算的進化中，我們可以看到無人駕駛的曙光。商業化之路艱辛而漫長。即使人工智能技術實現了質的飛躍，能夠支持無人駕駛所需的主觀能動性，但其工程應用開發和商業化仍需經歷一個艱巨的過程……

漫長的過程。無人駕駛是近100年來汽車行業的一個全新高度，也是人們智能出行的夢想目標。今年以來，從各種無人駕駛技術在拉斯維加斯電子產品展上高調亮相，到許多汽車和科技公司激進宣布無人駕駛商業計劃，一些媒體開始宣稱無人駕駛將比人們想象的來得更早。

圖片來源于“123rf.com.cn”當前，社會和行業都存在一種浮躁情緒。無人駕駛似乎指日可待，誰抓不到就會被淘汰，這引起了資本市場的壓力和行業的普遍焦慮。無人駕駛真的指日可待嗎？我的回答很簡單：沒有。不僅沒有，而且很遠。主觀能動性是無人駕駛的必要條件。要問為什么，我們必須首先了解什么是無人駕駛，以及我們需要什么樣的無人駕駛。無人駕駛是汽車駕駛技術的前沿。根據美國汽車工程學會（SAE）對自動駕駛的五級分類，第一到第三級是有人駕駛自動駕駛，或輔助自動駕駛，即人們仍然對駕駛的最終決定負責。在這些階段，所有自動駕駛技術的應用只是為了提高人們的駕駛體驗，尤其是安全體驗。第四級和第五級是無人自動駕駛，即可以將人完全排除在駕駛決策之外，其中第四級是有限場景下的無人駕駛，第五級則是無限場景下的無人機駕駛。顯然，第四層和第五層是真正無人駕駛的。本文所討論的無人駕駛是指以人類行為為目的的四等車和五等車的自動駕駛。第四級無人駕駛可以在一些特定場景下快速實現，但不會給汽車行業帶來顛覆性的變化，因為大多數人不會購買只能在指定道路或指定區域行駛的無人駕駛汽車。

追求自由是人之常情，正如美國交通部長趙小蘭女士在年初的底特律車展上所說：我們熱愛汽車，因為我們熱愛自由。限制自由的無人駕駛汽車可能只是公共交通的延伸，不會取代當今龐大的個人汽車市場。要在無限場景中實現無人駕駛，安全是初心，也是最大的障礙。我們必須明白，汽車是一種非常獨特的產品，它涵蓋的范圍很廣，涉及人們必要的日常出行，更重要的是，它與人們的生命安全密切相關。開發無人駕駛技術的主要目的是提高其安全性。因為開車過程中的每一個場景都不會重復和復雜，所以如果你在高速行駛中犯了一個輕微的錯誤，就有可能付出生命的代價。因此，無人駕駛被要求像一個合格的人類駕駛員一樣具有主觀能動性，這不是哲學意義上的主觀能動性。這意味著無人駕駛在遇到任何不熟悉或意外的場景時都能積極做出正確的判斷和操作，并能比人類駕駛做得更好，從而實現比人類駕駛更高的安全性。在我們目前的交通環境中，一輛沒有主觀能動性的無人駕駛汽車無疑是一個巨大的安全隱患，這違反了無人駕駛安全第一的原則。為了減少甚至取代無人駕駛對主觀能動性的依賴，人們想象了一個理想化的場景：厘米級的高精度地圖覆蓋了汽車能到達的所有地方；道路上的每輛車都有車對車和車對系統的智能互聯，以避免可能的碰撞；

但也具有行人與汽車分離的客觀條件。在這種情況下，即使無人駕駛汽車不是完全主觀的，它也可以安全自動地在預定的道路上行駛，就像今天智能制造工廠廣泛使用的全自動運輸機一樣。目前，一些接近這一條件的應用場景正在出現，以在短時間內實現四級受限場景下的無人駕駛。然而，要使所有場景都滿足這些條件，顯然是一項龐大的工程，這涉及到整個社會生存空間的改造。它永遠不可能由一家或幾家企業甚至一個行業完成，在可預見的未來也很難成為現實。因此，主觀能動性是無人駕駛的必要條件。沒有主觀能動性的無人駕駛是對科學的不尊重，是對生命的蔑視，是對社會的不負責任。在主觀能動性條件尚未成熟的情況下，如何實現主觀能動性下的無人駕駛？路徑可能有很多，但人工智能技術應用廣泛，目前被寄予厚望。什么是人工智能？簡單地說，就是利用人工機器（如計算機）來實現人們的感知和決策功能。經過半個多世紀的發展，人工智能技術從早期的語言處理到今天的圖像語音識別都取得了長足的進步。特別是近年來，基于機器學習的人工智能技術取得了突破，給我們生活的許多方面帶來了極大的便利，如醫療、家庭、娛樂、制造、服務等。

然而，目前的人工智能技術仍處于初級階段，不具備支持無人駕駛所需的主觀能動性的能力。為了理解這一點，我們不妨將人類的智力分為三個層次：1）敏感性；2） 理性：3）靈性。感知是通過類似的條件反射獲得的信息和知識。如果你被電爐燙傷過一次，你就不會再碰電爐了。合理性是通過人們的邏輯思維獲得的知識，例如做出邏輯判斷，如果關閉電源，電爐可以清潔；

另一方面，精神是人們基于一定的感性和理性思維的智能思維，包括人們的自我認知、意識、情感和主觀能動性。例如，人們可以安全地使用電爐來制作各種美味的食物，這可以激發無限的愉悅感和享受感。當然，這三個層次的人類智力有著深刻的聯系，并且是相輔相成的。精神智慧思維是人類智慧的最高層次。與人類智能的分類相對應，人工智能通常可以分為三個層次，即弱人工智能、一般人工智能（也稱為強人工智能）和超級人工智能。弱人工智能是指在一定條件下可以應用的人工智能，如圖像識別和語音識別。弱人工智能可以在人類的某些特定定義下實現邏輯推理。盡管它有時可以達到或超過人類的能力（比如下棋），但它并沒有真正的智力。規則一旦改變，就不會自行演變，也就是說，它沒有意識，也沒有主觀能動性。一般人工智能是指具有與人類幾乎相同的智力，包括自我意識、獨立進化和主觀能動性。超級人工智能指的是未來的一種可能性，智能機器可能具有超越人類智慧的智能。在后兩個階段，人工智能既可以成為人類的朋友，也可以成為敵人。因此，許多人工智能專家和技術推動者已經聯合呼吁人們警惕人工智能可能造成的災難，并成立了未來生命研究所，這是一個旨在安全使用人工智能的聯盟。今天，無論媒體對人工智能的描述多么驚人，無論IBM的DeepBlue和谷歌的AlphaGo如何戰勝人類，我們都應該清醒地意識到，人工智能技術仍處于弱人工智能的初級階段。換句話說，今天的人工智能技術只能在非常有限的條件下實現人類的邏輯推理，只能在人類預先設定的算法規則下學習。它對人的智能思維，如意識、感知和情感無能為力，不具有主觀能動性。沒有主觀能動性的弱人工智能可以在智能家具、智能娛樂、智能制造和智能服務等不涉及生命安全的領域做很多事情。對于自動駕駛來說，弱人工智能技術也可以為輔助自動駕駛提供廣泛的應用空間，使其成為人們安全快樂駕駛的好幫手。然而，對于無人駕駛來說，弱人工智能技術提供的應用空間仍然非常有限，無法支持實現無人駕駛所必需的主觀能動性。盡管數字技術的局限性無法證明，但我認為從弱人工智能到通用人工智能的主要障礙來自數字計算技術。對于一般的人工智能來說，數字計算技術可能是一種相對落后的技術。數字計算本質上是布爾邏輯的產物。布爾邏輯推理中最重要的定律是排除中間定律，即非黑即白，不存在中間地帶。基于二進制的數字計算機最基本的計算單元位只有0和1兩種狀態，因此數字計算機中的所有信息表達式和運算都是用0和1來執行的。換句話說，所有信息都以離散的數字形式存在于數字計算機中。然而，自然界中幾乎所有的變量都是連續的，人類的思維甚至生命過程更是連續的。當我們使用數字計算來處理信息時，我們獲得了簡潔和快速的優勢，但同時也付出了失去信息連續性的巨大代價。在許多工程應用中，連續變量可以通過離散變量的大量迭代來逼近，因此數字處理在許多工程中很有前途。然而，沒有辦法通過數字計算來表達和處理人們的意識、自我覺醒和主觀能動性。

至于古格……

它之所以能在圍棋游戲中擊敗人類，是因為圍棋的規則完全符合布爾數學邏輯，圍棋的所有選項都可以完全用離散的數字模型來表達。事實上，人們早就認識到布爾邏輯的局限性。半個世紀前提出的模糊邏輯打破了布爾邏輯零一準則的局限，提出了不同程度的連續思維邏輯，更接近人類的思維邏輯。事實上，布爾邏輯只是模糊邏輯的一個理想化特例。在模糊邏輯所基于的連續函數線上，布爾邏輯只存在于一個點上。顯然，用離散點的邏輯來準確模擬人類持續的意識思維幾乎是不可能的。因此，我認為，通用人工智能的實現取決于超越數字時代。機器學習的真相與困境無人控制決策的實現基于兩個方面。首先，通過對汽車物理系統、運行機制和運行軌跡進行建模，實現了人類能夠準確描述因果關系的控制策略。然而，這種能夠準確描述因果關系的控制策略極其有限，不足以滿足無人環境的高度不確定性。因此，近年來，機器學習被廣泛應用于無人駕駛技術的發展中，目的是通過大量的數據學習來提高無人駕駛的感知和決策能力。業界對機器學習技術寄予厚望。然而，機器學習很難肩負起賦予汽車主觀能動性的重任。這是因為，無論機器學習的算法有多先進，無論是卷積神經網絡還是迭代神經網絡，歸根結底，它都是通過離散數而不是因果關系來表達事物之間的關系。機器學習最基本的目標是獲得一種通用的機制，從有限的樣本（如人）中識別出無限可能的場景。然而，因果關系未知的關聯數字模型就像一個黑匣子，很難產生普遍的規律和機制。因此，機器學習建立的數字模型及其算法缺乏可拓生成的功能，因此很難進行推理。盡管人工智能領域已經注意到機器學習的這一局限性，并已開始研究，但理論突破還需要時間。許多人工智能專家對該行業過度夸大機器學習的作用表示非常擔憂。例如，美國紐約大學著名人工智能教授加里·馬庫斯博士指出，過度炒作人工智能可能會導致其進入下一個冬天。

盡管人們對機器學習在無人駕駛中的應用抱有很高的期望，但目前，基于機器學習的無人駕駛只能從過去學習的數字模型中找到最接近的場景來控制操作，無法像人類駕駛員一樣，對經驗和意識豐富的人進行舉一反三。在這種情況下，無人駕駛可能會陷入睜一只眼閉一只眼、感覺不到的困境，也可能具有精神分裂癥的特征。我們不能把自己的生命托付給這樣的無人駕駛。我認為，在數字技術時代，無論計算機芯片的迭代速度有多快，機器學習算法如何改進，都可能只會促進薄弱的人工智能技術的改進，人工智能技術很難有質的飛躍。人工智能的突破還取決于對生命和物質本身基本屬性的持續深入探索。換句話說，僅靠基于機器學習的數字算法很難培養無人駕駛所需的主觀能動性。無人駕駛的實現需要依靠數字技術的突破和計算技術本身的革命。在仿生學和量子計算的進化中，我們可以看到無人駕駛的曙光。商業化之路艱辛而漫長。即使人工智能技術實現了質的飛躍，能夠支持無人駕駛所需的主觀能動性，但其工程應用開發和商業化仍需經歷一個艱巨的過程……

漫長的過程。麻省理工學院的Max Tegmark教授在2017年出版的專著《生命3.0》中指出，人工智能技術的廣泛應用應該經過以下幾個步驟：1。驗證，即證明產品符合設計要求；2.驗證，即證明產品符合用戶的實際要求；3.網絡安全，即提供有效手段防止自然災害或人為攻擊；

4、風險控制（控制），即在發生重大事故時提供有效的控制方案。目前，無人駕駛技術的研發主要集中在第一階段，即驗證無人駕駛能做什么。第二階段更重要，也更具挑戰性，因為用戶使用的場景幾乎是無限的。在這個階段，不僅要問無人駕駛能做什么，還要問它不能做什么和不應該做什么，并對無人駕駛的安全性進行非常嚴格的驗證，包括軟件、硬件和系統集成的可靠性。這些驗證必須嚴格遵循行業認可的工程標準。然而，這些標準尚未形成，短期內很難制定。因此，目前沒有一家無人企業可以聲稱已經或將要完成無人駕駛的所有驗證和演示工作。

0

從汽車架構的角度來看，無人駕駛絕非在現有汽車上添加傳感器和控制算法那么簡單。汽車車架幾乎需要重新設計，以滿足無人駕駛情況下的安全要求。例如，汽車的總線布局能否勝任越來越多的電氣節點之間安全可靠的通信？汽車怎么能隨時知道自己的健康狀況？如何確保軟件升級的安全性和可靠性？網絡傳輸是否安全可靠？等一下。因為在無人狀態下，汽車中的任何小故障都可能造成生命損失。無人駕駛從原型展示到商業化實施，有一個極其漫長的工程過程。僅從道路測試來看，著名咨詢公司蘭德的研究報告顯示，每207000英里只有一次傷亡事故可以證明其具有與載人駕駛相同的安全水平。最近，許多關于無人駕駛上路的報道，無論是公交車還是出租車，無論是外賣還是送餐，基本上都只是示范。如果缺乏腳踏實地的研究和工程開發，過多的示范會弊大于利，也有可能在示范的道路上毀掉無人駕駛。例如，優步事件已經對社會產生了巨大的負面影響。根據美國汽車協會（AAA）的一項調查，優步事件發生后，人們對無人駕駛汽車的不信任程度比去年增加了10%。如果Waymo發生像優步這樣的致命事故，我相信這肯定會對社會產生更大的負面影響，導致其無人駕駛項目停滯也并非不可能。最近，福特汽車公司發布的無人駕駛報告是關于信任的，目的是提高人們對無人駕駛的信心。正是因為無人駕駛與生活息息相關。如果沒有嚴格的工程驗證和經驗過程，任何無人商業產品或服務的結果都將在短時間內幾乎是可以預測的：如果不是人們實際參與的無人測試，那么以召回告終的概率非常高。無人駕駛的道路上有兩條完全不同的道路。一個是以谷歌為代表的一步到位的路徑。谷歌的邏輯是有道理的：人和機器共享的駕駛決策有很大的安全風險，所以最好把所有的駕駛權都交給汽車。另一種是以密歇根大學和許多傳統汽車公司為代表的漸進路徑，即自動駕駛的進步應該從第一個層次一步一步地發展到第五個層次。這就是為什么密歇根大學將自動駕駛項目稱為聯網和自動化車輛CAV，而不是簡單的無人駕駛汽車。

1

三年前，密歇根大學率先建立了第一個無人專用試驗場Mcity。密歇根大學機器人研究所也在積極推動各級自動駕駛技術的研發，并得到了福特等企業的大力支持和密切合作。在汽車行業致力于發展無人駕駛技術的同時，現階段仍應重點關注智能網聯技術在輔助自動駕駛方面的應用；

我們應該放下焦慮，把精力集中到智能網聯和ADAS技術的開發和應用上。如上所述，盡管薄弱的人工智能技術不足以支持完全的無人駕駛，但它在輔助自動駕駛方面有很大的潛力，因此智能駕駛不能僅僅用于無人駕駛。我相信，通用汽車、福特、上汽、長安等傳統汽車以及博世等供應商都致力于開發和應用智能技術來輔助自動駕駛階段，這將真正為用戶帶來豐富美好的駕駛體驗，尤其是安全的體驗。例如，通用汽車在花費巨資進行無人駕駛項目的同時，早在2014年就布局了超級巡航項目，以發展駕駛員輔助水平，并于今年成功推出，取得了良好的經濟效益。腳踏實地，勇往直前。正如一位智者所說，我們知道生活的真相，我們仍然熱愛它。盡管無人駕駛的道路充滿荊棘，盡管它的實現仍然遙遙無期，但我們無法停止。我們滿懷希望，但我們應該認清事實，腳踏實地，勇往直前。在實現更好無人駕駛的道路上，汽車行業應注意避免大躍進的心態，從而實現有限資源的合理配置。為了避免在同一水平上有太多的重復，汽車行業應該團結起來，走合作、突破、共享的道路。目前，在有限的場景中推廣無人駕駛對行業來說意義重大，因為這是實現無人駕駛的必由之路。由于無人駕駛從有限的場景到無限的場景還有很長的路要走，其盈利模式也尚不明確，資本市場應該給予企業，尤其是初創企業更多的耐心和支持。同時，無人駕駛技術的任何突破都應該關注其在輔助自動駕駛中的商業應用，并且對于L4來說，使L3結果開花是一個很好的策略。如果行業和資本市場能夠在大力投資無人駕駛技術應用和發展的同時，支持人工智能的基礎研究，將有助于計算機技術和人工智能技術的突破，早日迎來完全無人駕駛的曙光。麻省理工學院的Max Tegmark教授在2017年出版的專著《生命3.0》中指出，人工智能技術的廣泛應用應該經過以下幾個步驟：1。驗證，即證明產品符合設計要求；2.驗證，即證明產品符合用戶的實際要求；3.網絡安全，即提供有效手段防止自然災害或人為攻擊；

4、風險控制（控制），即在發生重大事故時提供有效的控制方案。目前，無人駕駛技術的研發主要集中在第一階段，即驗證無人駕駛能做什么。第二階段更重要，也更具挑戰性，因為用戶使用的場景幾乎是無限的。在這個階段，不僅要問無人駕駛能做什么，還要問它不能做什么和不應該做什么，并對無人駕駛的安全性進行非常嚴格的驗證，包括軟件、硬件和系統集成的可靠性。這些驗證必須嚴格遵循行業認可的工程標準。然而，這些標準尚未形成，短期內很難制定。因此，目前沒有一家無人企業可以聲稱已經或將要完成無人駕駛的所有驗證和演示工作。

0

從汽車架構的角度來看，無人駕駛絕非在現有汽車上添加傳感器和控制算法那么簡單。汽車車架幾乎需要重新設計，以滿足無人駕駛情況下的安全要求。例如，汽車的總線布局能否勝任越來越多的電氣節點之間安全可靠的通信？汽車怎么能隨時知道自己的健康狀況？如何確保軟件升級的安全性和可靠性？網絡傳輸是否安全可靠？等一下。因為在無人狀態下，汽車中的任何小故障都可能造成生命損失。無人駕駛從原型展示到商業化實施，有一個極其漫長的工程過程。僅從道路測試來看，著名咨詢公司蘭德的研究報告顯示，每207000英里只有一次傷亡事故可以證明其具有與載人駕駛相同的安全水平。最近，許多關于無人駕駛上路的報道，無論是公交車還是出租車，無論是外賣還是送餐，基本上都只是示范。如果缺乏腳踏實地的研究和工程開發，過多的示范會弊大于利，也有可能在示范的道路上毀掉無人駕駛。例如，優步事件已經對社會產生了巨大的負面影響。根據美國汽車協會（AAA）的一項調查，優步事件發生后，人們對無人駕駛汽車的不信任程度比去年增加了10%。如果Waymo發生像優步這樣的致命事故，我相信這肯定會對社會產生更大的負面影響，導致其無人駕駛項目停滯也并非不可能。最近，福特汽車公司發布的無人駕駛報告是關于信任的，目的是提高人們對無人駕駛的信心。正是因為無人駕駛與生活息息相關。如果沒有嚴格的工程驗證和經驗過程，任何無人商業產品或服務的結果都將在短時間內幾乎是可以預測的：如果不是人們實際參與的無人測試，那么以召回告終的概率非常高。無人駕駛的道路上有兩條完全不同的道路。一個是以谷歌為代表的一步到位的路徑。谷歌的邏輯是有道理的：人和機器共享的駕駛決策有很大的安全風險，所以最好把所有的駕駛權都交給汽車。另一種是以密歇根大學和許多傳統汽車公司為代表的漸進路徑，即自動駕駛的進步應該從第一個層次一步一步地發展到第五個層次。這就是為什么密歇根大學將自動駕駛項目稱為聯網和自動化車輛CAV，而不是簡單的無人駕駛汽車。

1

三年前，密歇根大學率先建立了第一個無人專用試驗場Mcity。密歇根大學機器人研究所也在積極推動各級自動駕駛技術的研發，并得到了福特等企業的大力支持和密切合作。在汽車行業致力于發展無人駕駛技術的同時，現階段仍應重點關注智能網聯技術在輔助自動駕駛方面的應用；

我們應該放下焦慮，把精力集中到智能網聯和ADAS技術的開發和應用上。如上所述，盡管薄弱的人工智能技術不足以支持完全的無人駕駛，但它在輔助自動駕駛方面有很大的潛力，因此智能駕駛不能僅僅用于無人駕駛。我相信，通用汽車、福特、上汽、長安等傳統汽車以及博世等供應商都致力于開發和應用智能技術來輔助自動駕駛階段，這將真正為用戶帶來豐富美好的駕駛體驗，尤其是安全的體驗。例如，通用汽車在花費巨資進行無人駕駛項目的同時，早在2014年就布局了超級巡航項目，以發展駕駛員輔助水平，并于今年成功推出，取得了良好的經濟效益。腳踏實地，勇往直前。正如一位智者所說，我們知道生活的真相，我們仍然熱愛它。盡管無人駕駛的道路充滿荊棘，盡管它的實現仍然遙遙無期，但我們無法停止。我們滿懷希望，但我們應該認清事實，腳踏實地，勇往直前。在實現更好無人駕駛的道路上，汽車行業應注意避免大躍進的心態，從而實現有限資源的合理配置。為了避免在同一水平上有太多的重復，汽車行業應該團結起來，走合作、突破、共享的道路。目前，在有限的場景中推廣無人駕駛對行業來說意義重大，因為這是實現無人駕駛的必由之路。由于無人駕駛從有限的場景到無限的場景還有很長的路要走，其盈利模式也尚不明確，資本市場應該給予企業，尤其是初創企業更多的耐心和支持。同時，無人駕駛技術的任何突破都應該關注其在輔助自動駕駛中的商業應用，并且對于L4來說，使L3結果開花是一個很好的策略。如果行業和資本市場能夠在大力投資無人駕駛技術應用和發展的同時，支持人工智能的基礎研究，將有助于計算機技術和人工智能技術的突破，早日迎來完全無人駕駛的曙光。

標簽：福特世紀長安優越凱歌

汽車資訊熱門資訊