汽车何时能实现完全自动驾驶？——《华尔街日报》

如今，我们本应坐在自动驾驶汽车的驾驶座上放松身心，一边追剧甚至小憩，一边让车辆安全地将我们送达目的地。

这是几年前部分汽车行业高管和技术专家的预测。但在投入数十亿美元研发资金后，自动驾驶技术远未发展到能取代人类驾驶员的地步。

一些汽车公司和科技初创企业因此缩减了目标规模或延长了时间表。去年10月，福特汽车公司和大众汽车集团关闭了旗下无人驾驶公司Argo AI，福特首席执行官吉姆·法利在季度财报电话会议上向分析师表示，开发自动驾驶汽车"还有很长的路要走"。

监管机构也在介入。去年12月，联邦安全部门表示正在调查通用汽车公司旗下Cruise子公司，此前有报告称其自动驾驶出租车导致多起追尾事故。特斯拉公司的驾驶辅助技术也牵涉多起事故。

国际自动机工程师学会（原美国汽车工程师协会）将自动驾驶技术分为五个等级。1级汽车配备车道居中技术或自适应巡航控制系统（可保持与前车的设定距离），2级汽车同时具备这两种功能。这两个级别（目前已广泛普及）仍需驾驶员掌控车辆。

3级和4级汽车可以在有限条件下自动驾驶，例如在某些类型的道路和特定天气条件下。5级车辆则能在任何道路、任何熟练驾驶员可驾驶的天气条件下自主行驶。

《华尔街日报》邀请了三位专家讨论自动驾驶汽车的未来：加州大学伯克利分校电气工程与计算机科学教授Alexandre M. Bayen；卡内基梅隆大学电气与计算机工程系教授Raj Rajkumar；以及咨询公司埃森哲移动出行业务高级董事总经理Juergen Reers。

以下是我们在线对话的编辑摘录。

人类级别的人工智能

**《华尔街日报》：**汽车是否终将达到5级自动驾驶水平，甚至可能取消方向盘和踏板？如果是，何时能实现？

**Reers先生：**这需要人类级别的人工智能，但目前尚无公认的理论能实现这一目标。只要没有达到人类级别AI，自动驾驶的普及就会受限。

Alexandre M. Bayen 插图：《华尔街日报》**Bayen教授：**对特定时间实现完全自动驾驶的承诺往往引发不切实际的期望，实际上自动驾驶的发展本质上是渐进式的。目前尚不清楚"随时随地完全自动化"是否是终极目标，市场会给出答案。

**拉杰库马尔先生：**事实上，这可能永远无法实现——或者至少还需要许多年甚至几十年。这超出了现有技术或可预见技术的能力范围。不过，一些功能有限但非常实用的解决方案将很快得到部署。

**华尔街日报：**让我们来讨论一下5级以下自动驾驶汽车所需的技术。首先，在替代人眼的系统方面，如雷达、摄像头、GPS和激光雷达（基于激光的系统，可生成车辆周围车辆、结构、行人和道路的3D图像），有哪些需要改进的地方？

**里尔斯先生：**总体而言，技术水平已经相当先进，但一个关键挑战是成本。在高级别的自动驾驶中，需要高度的冗余。将摄像头、雷达和激光雷达系统与高清地图和高计算要求相结合，会使4级自动驾驶汽车对个人使用来说过于昂贵。因此，我们预计这些车辆将作为班车使用，搭载多名乘客，理想情况下24/7全天候运行以分摊成本。

**拉杰库马尔先生：**有两个截然不同的问题。首先，一些公司出于经济原因只希望依赖摄像头——由于智能手机摄像头的普及、紧凑和廉价，最终系统将非常经济实惠。不幸的是，在可预见的未来，仅使用摄像头的视觉技术将无法匹配人眼加上人类神经处理的认知能力。

其次，激光雷达是关键部件，虽然成本在下降，但目前仍偏高。而雷达、超声波和GPS的成本已完全在可接受范围内。

**华尔街日报：**人工智能方面呢？批评者指出，与人类驾驶员不同，AI无法进行逻辑推理且缺乏直觉，过度依赖预设驾驶场景数据，难以应对陌生路况。

于尔根·雷斯 插图：华尔街日报**雷斯先生：**AI是实现驾驶功能自动化的关键前提。但它无法覆盖所有"边缘案例"（如突然窜出的狗或工地车道偏移等非常规事件），因为它不具备推理能力和直觉。AI神经网络通过所谓"模型盲拟合"来最小化误差，这需要数百万案例支撑。它无法像人类那样通过少量数据学习。

**拉吉库马尔先生：**近期AI的重大进展使自动驾驶被完全视为AI问题，这是误导！人类建立了庞大的民航体系、铁路网络、核电站和航天器，这些系统都具有不同程度的自主性，但都不依赖AI，而是基于科学的精妙工程。当前AI尚未达到构建自动驾驶汽车的水平，但它只是自动驾驶工具箱中的工具之一。

处理“边缘案例”

**华尔街日报：**如何改进人工智能系统以应对那些未被编程处理、可能导致危险驾驶情况的“边缘案例”？

拉吉·拉吉库马尔插图：华尔街日报**拉吉库马尔先生：**当摄像头观察此类场景时，其对应的神经网络可能无法正确检测到它，特别是如果障碍物未包含在其AI训练数据集中。当雷达或激光雷达观察时，它们会检测到障碍物，但可能不知道障碍物的类型。但车辆仍然知道存在某种障碍物——无论是孩子、狗、牛、猫、袋鼠，甚至是穿着滑稽服装的行人——并且可以减速或停车。传感器的冗余是关键。依赖AI来处理无限数量的已知和未知场景和障碍物是行不通的。

**贝恩教授：**如果我们有足够的经验和数据来训练神经网络识别狗和猫，但没有足够的羊或牛的数据，我们会让汽车在法国乡村行驶吗？

AI社区正在研究这些问题。被称为迁移学习的领域专注于学习一组特定场景并将其应用于以前未知的环境。所以牛和羊可能有机会。

**华尔街日报：**人工智能也无法做到人类驾驶员的其他事情，比如解读行人走下路沿时的肢体语言或面部表情，或是十字路口迎面而来车辆中司机的表情。技术未来能实现这些吗？

拉杰库马尔先生：目前正在进行关于检测人类意图、解读人类表情等方面的研究。然而，这些技术并非万无一失。由于会得出错误结论，在可预见的未来，车辆很可能必须非常保守和谨慎。

**巴延教授：**猫、狗、羊和牛都可以被算法检测为移动物体；机器视觉中的标准工具就能做到这一点。但它们的意图呢？人类在许多方面建模和预测起来甚至更为复杂。

混合自主性领域（人类与机器互动）仍处于起步阶段，因此全自动车辆与未知人类互动的能力仍是机器学习尚未完全解决的问题。

**里尔斯先生：**我同意自动驾驶汽车在识别和处理更复杂模式方面会有所改进。即使在今天，神经网络在匹配数据集中的复杂模式方面已经出奇地好。但它们只是通过相关性做到这一点。相关性可能是虚假的。不应期望自动驾驶汽车模仿人脑。

福特和大众于10月关闭了其无人驾驶汽车公司Argo AI。图片来源：Justin Merriman/彭博新闻**华尔街日报：**自动驾驶技术能否应对诸如雾和大雪等模糊道路标记并遮挡车辆摄像头镜头和传感器的天气条件？

**BAYEN教授：**传感和执行将取得进展，将收集更多数据，车辆将学习并适应更多天气条件。航空领域有一个很好的类比。历史上，航空航天工程使得飞机越来越坚固。随着时间的推移，飞机能够穿越越来越危险的湍流。然而，存在一个由传感和条件共同定义的“安全操作集”。保持在这个集合内对维护安全至关重要。

**RAJKUMAR先生：**传感器公司和汽车制造商一直在研究各种方法来保持传感器清洁。例如，将它们安装在车内，安装在车外的外壳内，使用加热元件除冰和除雪，使用雨刷等。

更重要的问题是传感器能否在不同天气和光照条件下检测到道路上的物体。这就是为什么早期的机器人出租车部署在几乎没有雨雪的地区。这种情况再次表明需要冗余传感。摄像头镜头可能会脏。然而，雷达仍然可以在恶劣天气条件下工作，而激光雷达在中等雨雪天气下也能很好地工作。

**瑞尔斯先生：**我认同传感技术将取得重大进展，但在极端条件下仍存在局限。我们需要在提升车辆技术的同时，平衡智慧城市基础设施的升级，例如利用传感器辅助交通信号灯、道路标识等。

基础设施因素

**华尔街日报：**自动驾驶汽车与交通信号灯等基础设施以及其他车辆间的通信有多重要？

**巴延教授：**只要安全关键事件检测完全依赖车载系统，就需承受更严苛的审查和认证。若通过基础设施集成实现部分功能，或能加速更高级别自动驾驶的部署。

**拉贾库马尔先生：**蜂窝车联网技术（CV2X）将使车辆与配备相应设备的其他车辆、交通信号、路标、行人及云端等进行通信。

这项投资的回报在于：车辆无需AI即可在数百米外（远超计算机视觉5-10倍探测范围）精确掌握交通灯状态，还能提前获取封路、车祸及前方拥堵等信息。

**瑞尔斯先生：**CV2X潜力巨大，但车企和地区间系统差异阻碍互操作性。因此建立标准是关键成功因素，此外CV2X基础设施也需资金投入。

**华尔街日报：**考虑到当今汽车也会发生事故却未被禁用，对自动驾驶安全性的要求是否过于严苛？

**拉贾库马尔先生：**我们已习惯人类引发车祸的概念，但由于自动驾驶是新事物，即便单起事故或死亡案例也会引发媒体和公众的过度关注。迄今可能约有30例死亡事故，但与仅美国每年约4万起高速公路死亡人数相比微不足道。这种对计算机完美的期望将提升自动驾驶技术安全性的责任压在了开发者和研究者肩上。

**里尔斯先生：**法规必须严格以建立并维持信任，比传统车辆更甚。不言而喻，监管不应限制创新，但我认为目前这并非关键挑战。

齐格勒先生是《华尔街日报》前编辑。联系方式：[email protected]。