什么時(shí)候才能買到?jīng)]有方向盤的汽車呢？現(xiàn)在是2021年，專家仍然不確定。投資者與科技汽車公司的CEO可能有些樂觀，但學(xué)術(shù)專家卻認(rèn)為真正的無(wú)人駕駛汽車還有點(diǎn)遙遠(yuǎn)，可能要很多年，甚至幾十年。悲觀者認(rèn)為，無(wú)人駕駛投資已經(jīng)達(dá)到800億美元，雖然很多，但它可能永遠(yuǎn)無(wú)法實(shí)現(xiàn)。如果AI技術(shù)沒有突破，無(wú)人駕駛極可能不會(huì)很快出現(xiàn)。

馬斯克是最樂觀的人之一，他之前曾說特斯拉機(jī)器人的士2020年就會(huì)推出，現(xiàn)在看來他的牛吹得有點(diǎn)大。如果想讓汽車像人一樣駕駛，必須創(chuàng)造可以與人媲美的AI。到底應(yīng)該怎樣做？大家還很困惑。

最近，學(xué)術(shù)雜志刊發(fā)一篇名為“Why AI is Harder Than We Think”的文章，談到了目前無(wú)人駕駛面臨的困難。在文章中，圣塔菲研究所（Santa Fe Institute）計(jì)算機(jī)專家、教授Melanie Mitchell指出，無(wú)人駕駛的最后期限已經(jīng)推遲，業(yè)內(nèi)人士重新定義了這個(gè)術(shù)語(yǔ)。汽車需要一些條件，比如地理受到限制的區(qū)域、理想的天氣條件（還需要安全駕駛員，如果沒有，至少也要遠(yuǎn)程監(jiān)控），汽車制造商及無(wú)人駕駛支持者將這些因素納入自主駕駛的范疇。Mitchell在文章中寫道，即使加入這些條件，預(yù)測(cè)也沒有變成現(xiàn)實(shí)。

不久前，Waymo汽車卷入追尾事故，為什么？可能是Waymo汽車的行為在人類看來有些讓人困惑。Waymo汽車還曾被建筑區(qū)域的錐形交通路標(biāo)弄糊涂。Waymo團(tuán)隊(duì)軟件工程師Nathaniel Fairfield說：“系統(tǒng)對(duì)被撞或者追尾的感知并不比人類司機(jī)強(qiáng)?！盬aymo汽車已經(jīng)調(diào)整過，程序偏向謹(jǐn)慎。

無(wú)人駕駛卡車創(chuàng)業(yè)公司Aurora的主管Chris Urmson則說：“在未來幾年里，我們將會(huì)看到無(wú)人駕駛汽車開上公路，做一些有用的事，但想普及還需要時(shí)間?！?/p>最開始時(shí)，Aurora汽車只會(huì)在已經(jīng)繪制高清3D地圖的高速公路、干道上自動(dòng)行駛。什么時(shí)候才能沖出高速和干道呢？Urmson不愿給出具體時(shí)間表。

早先一些CEO和工程師認(rèn)為，如果系統(tǒng)在公路上獲取足夠多的數(shù)據(jù)，行駛足夠遠(yuǎn)的距離，自動(dòng)駕駛技術(shù)就會(huì)越來越先進(jìn)?，F(xiàn)在他們的觀點(diǎn)有些變化，全球所有的測(cè)試數(shù)據(jù)也無(wú)法彌補(bǔ)AI的本質(zhì)缺陷。

杜克大學(xué)人類與自動(dòng)化實(shí)驗(yàn)室（Humans and Autonomy Lab）主任、計(jì)算機(jī)教授Mary Cummings認(rèn)為，在過去幾十年里AI不斷進(jìn)步，演化出深度學(xué)習(xí)，但即使如此，它所帶來的智力也是很粗糙的。

為了評(píng)估今天的機(jī)器學(xué)習(xí)系統(tǒng)，她將AI的復(fù)雜程度分成4級(jí)。最簡(jiǎn)單的就是“由下向上”推理。在公路上，汽車可以在車道線內(nèi)行駛，這點(diǎn)做得很好。下一步就是“基于規(guī)則的學(xué)習(xí)和推理”，比如在停車標(biāo)志前應(yīng)該做什么。然后是第三級(jí)，也就是“基于知識(shí)的推理”，如果停車標(biāo)志的一半被樹枝遮擋，汽車還會(huì)停下嗎？然后是最頂級(jí)推理：如同人類一樣，將汽車放進(jìn)完全新奇的環(huán)境，系統(tǒng)要根據(jù)知識(shí)、經(jīng)驗(yàn)、技能做出回應(yīng)，這就是所謂的“專家式推理”。

到了第三級(jí)時(shí)，無(wú)人駕駛的問題真正凸顯起來。Cummings博士說，今天的深度學(xué)習(xí)算法無(wú)法基于知識(shí)展示世界。工程師正在努力，用各種方法解決缺陷，比如繪制超清晰地圖，這樣就能彌補(bǔ)傳感器數(shù)據(jù)的不足，而且因?yàn)橄到y(tǒng)更新速度不夠快，也就無(wú)法在各種環(huán)境中引導(dǎo)汽車。

深度學(xué)習(xí)系統(tǒng)擅長(zhǎng)于模式匹配，但在推斷方面（將學(xué)到的知識(shí)從一個(gè)領(lǐng)域轉(zhuǎn)到另一個(gè)領(lǐng)域）表現(xiàn)不好。

Cummings說：“當(dāng)你還是孩子，大人就會(huì)告訴你說爐子是熱的?！比绻茿I，它很難將一個(gè)爐子的知識(shí)轉(zhuǎn)移到另一個(gè)爐子。她說：“你必須將現(xiàn)有爐子一個(gè)一個(gè)拿來教它?！?/p>MIT的研究人員為了解決這些問題，試圖回到基本點(diǎn)，他們想知道孩子是怎樣學(xué)習(xí)的。

Cummings說：“大家向無(wú)人駕駛產(chǎn)業(yè)投入大筆資金，但得到的結(jié)果不如預(yù)期?！北M管如此，并不意味著我們無(wú)人駕駛最終不能實(shí)現(xiàn)，只是它不會(huì)像每個(gè)人承諾的一樣。Cummings進(jìn)一步說，在地圖精準(zhǔn)的區(qū)域，最開始會(huì)有一些小型低速班車，它們裝有傳感器，這些汽車不斷行駛，工程師持續(xù)改進(jìn)，將不確定性降到監(jiān)管者公眾能接受的水平。

Waymo行為團(tuán)隊(duì)主管、軟件工程師Nathaniel Fairfield認(rèn)為，開發(fā)無(wú)人駕駛機(jī)器人的士服務(wù)，在基本技術(shù)上并無(wú)障礙。

越來越多的專家認(rèn)為，通往完全自主的道路主要可能還不是靠AI。將問題分成小塊，讓聰明的人類不斷打磨系統(tǒng)，解決各部分問題，這是一個(gè)好選擇，工程師用這種方法解決了許多復(fù)雜問題?？▋?nèi)基梅隆大學(xué)工程學(xué)教授Raj Rajkumar對(duì)上述道路比較樂觀，他說：“事情不會(huì)在一夜之間發(fā)生，但我們能在隧道盡頭看到光?！盕airfield說，Waymo的做法是讓無(wú)人駕駛汽車在路上行駛，最終：“我們不覺得需要完全的AI來解決駕駛問題。”

Aurora的Urmson指出，他們將AI與其它技術(shù)結(jié)合，開發(fā)出系統(tǒng)，然后將通用規(guī)則應(yīng)用于新環(huán)境，就像人一樣。

Mitchell博士則說，用較老的方式開發(fā)無(wú)人駕駛汽車，結(jié)合可靠的系統(tǒng)工程，意味著要花很多錢在公路上安裝轉(zhuǎn)發(fā)器、傳感器，從而引導(dǎo)、糾正機(jī)器人汽車。她補(bǔ)充說，用這種方法開發(fā)無(wú)人駕駛汽車，在特定區(qū)域、特定天氣條件下會(huì)受到限制，此時(shí)人類遠(yuǎn)程操作員隨時(shí)待命，防止意外。

總之，無(wú)人駕駛之路注定坎坷，就看誰(shuí)能征服了。（小刀）