從AI技術(shù)演化的角度來看，深度學(xué)習(xí)算法為核心的“智能化”實(shí)際上并不是真正意義上的智能，而是基于大數(shù)據(jù)和深度學(xué)習(xí)算法在“動(dòng)態(tài)規(guī)劃”原則下對(duì)統(tǒng)計(jì)意義上“最優(yōu)解”的達(dá)成。

“人類創(chuàng)造技術(shù)的節(jié)奏正在加速，技術(shù)的力量也正以指數(shù)級(jí)的速度在增長(zhǎng)。指數(shù)級(jí)的增長(zhǎng)是具有迷惑性的，它始于極微小的增長(zhǎng)，隨后又以不可思議的速度爆炸式地增長(zhǎng)——如果一個(gè)人沒有仔細(xì)留意它的發(fā)展趨勢(shì)，這種增長(zhǎng)將是完全出乎意料的。”

被譽(yù)為《Inc.》雜志稱為“托馬斯·愛迪生的法定繼承人”的雷·庫茲韋爾（Ray Kurzweil）在《奇點(diǎn)臨近》一書中這樣寫道。這位擁有13項(xiàng)榮譽(yù)博士頭銜的世界領(lǐng)先的發(fā)明家，為人們描繪了未來人工智能社會(huì)圖景。

雷·庫茲韋爾認(rèn)為，由于摩爾定律的存在，技術(shù)會(huì)呈指數(shù)級(jí)增長(zhǎng)，而人類社會(huì)也將在2045年到達(dá)人工智能的奇點(diǎn)，其次，基于生物形態(tài)的人類實(shí)質(zhì)上只不過是一套高度復(fù)雜神經(jīng)網(wǎng)絡(luò)下的一個(gè)算法系統(tǒng)，未來必將被更高級(jí)的算法系統(tǒng)替代。

“盲目的樂觀可能是最致命的大規(guī)模殺傷性武器。”皮埃羅？斯加魯菲認(rèn)為：“人工智能并不是一個(gè)新概念，它起源于1956年或更久之前，只不過，過去由于計(jì)算機(jī)處理系統(tǒng)還不夠強(qiáng)大，人工智能并沒有得到長(zhǎng)足快速的發(fā)展。”

從現(xiàn)實(shí)中人工智能的應(yīng)用的程度來看，目前AI無人駕駛領(lǐng)域的進(jìn)展似乎也印證了皮埃羅？斯加魯菲的觀點(diǎn)。回顧人類歷史重大變革節(jié)點(diǎn)不難發(fā)現(xiàn)，無論是蒸汽機(jī)的改良還是內(nèi)燃機(jī)的發(fā)明，出行領(lǐng)域一直都是先進(jìn)技術(shù)應(yīng)用的最前沿。

追本溯源，近年來無人駕駛技術(shù)的爆發(fā)的技術(shù)基礎(chǔ)也源自于2006由Hinton在深度學(xué)習(xí)領(lǐng)域的革命性成果，由此基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法得以在計(jì)算機(jī)視覺、語音識(shí)別、以及計(jì)算機(jī)行為決策方面深度應(yīng)用，從而構(gòu)成了無人駕駛軟體層面的技術(shù)基礎(chǔ)，而在實(shí)現(xiàn)無人駕駛的工程應(yīng)用上，已經(jīng)不存在較大的技術(shù)障礙，因而，無人駕駛的天花板依舊在于基于深度學(xué)習(xí)的AI技術(shù)的局限性。

而另一方面，基于AI技術(shù)的L4級(jí)別的自動(dòng)駕駛已經(jīng)開始進(jìn)入商業(yè)化階段。目前，google Waymo、特斯拉AutoPilot、百度Apollo以及通用Cruise均已實(shí)現(xiàn)L4級(jí)別的自動(dòng)駕駛。

無人駕駛的阿喀琉斯之踵

2016年的美國(guó)，一輛自動(dòng)行駛中的特斯拉Models撞上了一輛白色拖掛貨車，致使駕駛員死亡，這是第一例無人駕駛車禍致死的案例。

事后，有專業(yè)人士據(jù)車禍地點(diǎn)的環(huán)境分析后指出，在強(qiáng)光直射下，依賴攝像頭的圖像識(shí)別系統(tǒng)失效，未能及時(shí)檢測(cè)出前方正在穿過道路行駛的白色貨車，同時(shí)由于毫米波雷達(dá)位置較低，而一般的毫米波雷達(dá)垂直視角在±5°以內(nèi)，導(dǎo)致當(dāng)Tesla靠近拖掛卡車側(cè)面時(shí)，雷達(dá)波束從下側(cè)穿過了卡車，導(dǎo)致漏檢，從而致使事故發(fā)生。車禍發(fā)生后，特斯拉改進(jìn)了無人駕駛系統(tǒng)，并修改了官網(wǎng)關(guān)于AutoPilot的釋義。

實(shí)際上，安全問題確實(shí)是無人駕駛技術(shù)全面落地的阿喀琉斯之踵。以深度學(xué)習(xí)算法為核心的AI技術(shù)構(gòu)筑的無人駕駛系統(tǒng)至今尚未真正解決由“計(jì)算機(jī)理解偏差”而帶來的駕駛安全性的問題。

從AI技術(shù)演化的角度來看，深度學(xué)習(xí)算法為核心的“智能化”實(shí)際上并不是真正意義上的智能，而是基于大數(shù)據(jù)和深度學(xué)習(xí)算法在“動(dòng)態(tài)規(guī)劃”原則下對(duì)統(tǒng)計(jì)意義上“最優(yōu)解”的達(dá)成。因此，當(dāng)下要想解決無人駕駛的安全性問題，必須在這個(gè)框架下將“不安全”的可能性降低到一個(gè)低于人類車禍概率的紅線之下，才具備無人駕駛走進(jìn)千家萬戶的“接受底線”。

今年五月，在寧波舉行的第六屆中國(guó)機(jī)器人峰會(huì)上，中國(guó)工程院院士鄭南寧發(fā)表了主題為《直覺性AI與無人駕駛》的演講。鄭南寧院士提出，在算法模型下，建立覆蓋全部的場(chǎng)景模型是不可能的，但“構(gòu)造一個(gè)基于認(rèn)知構(gòu)建的類人自主駕駛，使AI自主駕駛具有類人的決策機(jī)制，則能應(yīng)對(duì)高動(dòng)態(tài)和強(qiáng)隨機(jī)性的交通場(chǎng)景變化。

在小編看來，基于人類思維決策機(jī)制建立算法模型，使AI具有類人的“意識(shí)”以當(dāng)前的技術(shù)條件還無法達(dá)成，一方面，人類的決策往往通過自身多方面的經(jīng)驗(yàn)達(dá)成，而并非固定的在駕駛場(chǎng)景下形成單一的決策機(jī)制，另一方面，在大多數(shù)人的決策過程中，感性因素常常會(huì)占主導(dǎo)地位，而算法決策則是百分百的理性決策，而在某些特定情況下理性決策往往不是“最優(yōu)選擇”。

在電影《機(jī)械公敵》（又名《我，機(jī)器人》）中，由威爾史密斯主演的戴爾·史普納在一場(chǎng)車禍中與一位小女孩一同掉入水中，而在人工智能機(jī)器人經(jīng)過計(jì)算后選擇就起生產(chǎn)率更高的戴爾·史普納而放棄了小女孩的生命，而假如現(xiàn)實(shí)中發(fā)生類似的事件，作為人類的救援人員顯然會(huì)優(yōu)先選擇拯救女孩，因?yàn)檫@才人性約束下的“最優(yōu)解”。

“AI安全陷阱”下，AI駕駛技術(shù)的“奇點(diǎn)”

放眼未來，無人駕駛必定在未來某一個(gè)時(shí)刻全面應(yīng)用至出行領(lǐng)域，屆時(shí)，現(xiàn)有交通規(guī)則甚至道路形態(tài)或?qū)⒊霈F(xiàn)新的變化。而從無人駕駛的初步應(yīng)用到無人駕駛時(shí)代的來臨之間，人們將長(zhǎng)期處于一個(gè)“人類+AI駕駛”的混合出行時(shí)代。而在這個(gè)過程中，相應(yīng)的法律法規(guī)也必須與之相適應(yīng)。

如果說安全問題是AI無人駕駛落地的“入場(chǎng)券”那么，無人駕駛與現(xiàn)有交通體系及規(guī)則的適應(yīng)則是一場(chǎng)AI與人類直接的“博弈”。

從本質(zhì)上看，AI無人駕駛的演進(jìn)過程，是一個(gè)在以提高出現(xiàn)便捷性與安全性的前提下，人類逐漸將出行部分逐漸交給AI負(fù)責(zé)的過程，在這一過程中，人類在出行領(lǐng)域保留主導(dǎo)權(quán)的同時(shí)，將出行安全與操控權(quán)交付至AI，以實(shí)現(xiàn)對(duì)人力的解放。

在這一過程中，作為博弈其中一方的人類又有著十分矛盾的心理。一方面，人們希望通過AI來解放人力，來獲得出行體驗(yàn)的“舒適性”，另一方面，人們又擔(dān)心現(xiàn)有技術(shù)條件下，AI的決策會(huì)帶來安全風(fēng)險(xiǎn)和道德風(fēng)險(xiǎn)。因此，無人駕駛的落地不止是技術(shù)層面的落地，也是公眾認(rèn)可度和無人駕駛交通法規(guī)等層面系統(tǒng)化適應(yīng)。

在決策層面上，基于深度學(xué)習(xí)的AI將在很長(zhǎng)的一段時(shí)間內(nèi)不會(huì)出現(xiàn)“類人”的決策模型，因而，人們可以預(yù)期的AI無人駕駛，實(shí)質(zhì)上是低安全風(fēng)險(xiǎn)下的交通輔助工具，從這個(gè)意義上來講，AI無人駕駛的進(jìn)步反而會(huì)增加人類駕駛者陷入“AI安全陷阱”：一方面“非人”的AI并不能真正給與駕駛者安全的保障，另一方，日益進(jìn)步的AI無人駕駛技術(shù)會(huì)增加駕駛者的“惰性”從而造成潛在安全風(fēng)險(xiǎn)。

在小編看來，無人駕駛跨越“AI安全陷阱”的關(guān)鍵在于是否能夠準(zhǔn)確判斷AI無人駕駛技術(shù)進(jìn)化的奇點(diǎn)，而判斷無人駕駛是否達(dá)到技術(shù)奇點(diǎn)的原則可以從兩個(gè)方面去考慮：一、AI完全具有作為“人”的分析決策能力（也就是實(shí)現(xiàn)獨(dú)立思考的人工智能）;二、基于深度學(xué)習(xí)的AI無人駕駛在實(shí)際道路行駛中的事故率要遠(yuǎn)遠(yuǎn)低于人類駕駛。

其次，從現(xiàn)實(shí)的層面來看，軟體程序是AI技術(shù)不可或缺的構(gòu)成，在聯(lián)網(wǎng)狀態(tài)下，獲得車輛控制權(quán)的AI也更容易受到網(wǎng)絡(luò)黑客的攻擊，因此，除行駛安全外，網(wǎng)絡(luò)安全問題也是無人駕駛真正落地需要解決的問題。

那么，真正的無人駕駛落地還需要多久？

從AI技術(shù)的發(fā)展來看，自2006年深度學(xué)習(xí)領(lǐng)域取得突破以來，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)快速發(fā)展，大數(shù)據(jù)、深度學(xué)習(xí)算法與算力成為AI領(lǐng)域的三大核心技術(shù)，就目前而言，AI技術(shù)三要素中的算力依然依靠強(qiáng)大的計(jì)算機(jī)作為物流支持，但隨著摩爾定律的失效，傳統(tǒng)半導(dǎo)體產(chǎn)業(yè)逐漸迎來技術(shù)瓶頸，AI技術(shù)進(jìn)步或?qū)⒚媾R新的停滯。

摩爾定律的失效，意味著在現(xiàn)有尺寸下，計(jì)算機(jī)算力也面臨著物理瓶頸，而AI技術(shù)的增長(zhǎng)又需要大量算力的支持，由此可以預(yù)見的是，AI技術(shù)增長(zhǎng)將陷入新的困境期，同時(shí)，AI技術(shù)發(fā)展的停滯也將進(jìn)一步限制在無人駕駛領(lǐng)域AI技術(shù)的應(yīng)用。

在現(xiàn)有AI技術(shù)以及其成長(zhǎng)空間下，未來，無人駕駛的落地將不可避免的分為兩個(gè)階段，即封閉場(chǎng)景下的商業(yè)化落地，以及作為駕駛輔助功能的商業(yè)化落地，而要想真正的實(shí)現(xiàn)智能無人駕駛，還有很長(zhǎng)的路要走。

結(jié)語：

雷·庫茲韋爾的《奇點(diǎn)臨近》讓人們感嘆人工智能時(shí)代似乎近在咫尺，但也正如他在書中所寫：“人們總是高估短期內(nèi)能達(dá)到的目標(biāo)，卻容易低估那些需要較長(zhǎng)時(shí)間才能達(dá)到的目標(biāo)。”也許，真正的人工智能對(duì)人類社會(huì)影響之深遠(yuǎn)我們還知之甚少，但人們也應(yīng)對(duì)于如今AI的現(xiàn)實(shí)應(yīng)用給予更加理性的認(rèn)知，而這也是AI技術(shù)得以長(zhǎng)盛不衰的關(guān)鍵所在。