自動(dòng)駕駛安全：方向盤(pán)背后的人工智能

　　Gil?Golov?（美光科技?汽車(chē)架構與戰略營(yíng)銷(xiāo)?高級經(jīng)理）

　　隨著(zhù)越來(lái)越多的自動(dòng)駕駛汽車(chē)在全球高速公路上開(kāi)始路測，科幻小說(shuō)中描繪的那種“無(wú)人駕駛的交通系統”場(chǎng)景好像指日可待了。其實(shí)，在這一天真正來(lái)臨之前，我們仍有許多工作要做。最近，PBS（美國公共電視臺）的《Nova（中譯：新星，一檔科學(xué)節目）》播出了一期主題為《看看誰(shuí)在開(kāi)車(chē)》的內容，其中有專(zhuān)家提醒道，人們仍將會(huì )面臨許多艱巨的挑戰——尤其是如何訓練人工智能（AI），以提高其在生死攸關(guān)時(shí)刻做出和人類(lèi)一樣決策的能力。這期節目重點(diǎn)闡釋了這些問(wèn)題：我們離大規模部署自動(dòng)駕駛汽車(chē)還有多久？我們真的能放心地把生命托付給AI嗎？

　　1 一些早期研究證明了自動(dòng)駕駛汽車(chē)的安全優(yōu)勢

　　車(chē)輛安全保障功能和相關(guān)基礎設施仍處于開(kāi)發(fā)進(jìn)程，然而在人類(lèi)真正在方向盤(pán)上解放雙手之前，應該充分做好“道路準備（road-ready）”——所謂“道路準備”，就是需要將駕駛員、乘客和行人的危險系數降至最低。盡管第一起自動(dòng)駕駛汽車(chē)撞死行人的事故已經(jīng)發(fā)生并引起廣泛關(guān)注，但到目前為止，通過(guò)自動(dòng)駕駛汽車(chē)的有限應用，我們能夠證明自動(dòng)駕駛還是安全的。從統計數據來(lái)看，自動(dòng)駕駛比人類(lèi)司機表現得還好——根據美國交通部“死亡分析報告系統”的報告，每10萬(wàn)人中有11.2人死于交通事故，每行駛1億英里（注：1英里=1.609344km）就造成1.13人死亡。自動(dòng)駕駛汽車(chē)通常被認為是更安全的選擇。美國蘭德公司（RAND Corporation）的一項研究發(fā)現，超過(guò)90%的撞車(chē)事故是人為失誤造成的。研究人員最近還預測，如果自動(dòng)駕駛汽車(chē)可以減少哪怕10%的交通死亡意外，那么它們將在50年內挽救大約110萬(wàn)人的生命。

　　自動(dòng)駕駛汽車(chē)的安全性一直是人們最為關(guān)心的因素。高級駕駛輔助系統（ADAS）通過(guò)提醒駕駛員潛在的問(wèn)題和碰撞風(fēng)險，實(shí)現安全自動(dòng)化并增強車(chē)輛的安全性。雖然ADAS目前正在推出和普及，但ADAS功能只是汽車(chē)實(shí)現完全自動(dòng)駕駛的一個(gè)組件。要想讓AI來(lái)控制汽車(chē)，我們需要整個(gè)行業(yè)和研究機構共同開(kāi)發(fā)算法和傳感器，以便讓車(chē)輛能夠不斷感知、識別其周?chē)h(huán)境，并在必要時(shí)做出實(shí)時(shí)反應。此外，自動(dòng)駕駛汽車(chē)自身也有一系列問(wèn)題需要解決，例如惡意軟件攻擊、硬件故障或軟件故障。

　　長(cháng)期以來(lái)，依托為汽車(chē)設計專(zhuān)家提供高可靠的內存和存儲，美光也為自動(dòng)駕駛未來(lái)發(fā)展做出了貢獻。通過(guò)與客戶(hù)和合作伙伴生態(tài)緊密協(xié)作，美光的高性能、低功耗存儲解決方案專(zhuān)為他們設計，并為他們提供研究所需要的功能。

　　2 下一重點(diǎn)：AI中的技術(shù)因素

　　自動(dòng)駕駛借助AI來(lái)解決傳統算法無(wú)法解決的問(wèn)題，且在需要高精度目標檢測和分類(lèi)的情況下尤甚。對于汽車(chē)開(kāi)發(fā)人員來(lái)說(shuō)，AI可以說(shuō)是一個(gè)全新的領(lǐng)域，這是因為傳統的確定性系統（deterministic system）和基于A(yíng)I的系統之間存在根本的差異，所以大部分的經(jīng)驗（包括那些“吃一塹，長(cháng)一智”）無(wú)法一直奏效。任何AI系統都可能受到不同觸發(fā)器的影響，而且會(huì )嚴重依賴(lài)以下因素。

　　1）AI模型的準確性：哪種模型最擅長(cháng)根據輸入數據來(lái)識別數據集中變量之間的關(guān)系和模式？該模型決定自動(dòng)駕駛汽車(chē)如何對異常路障做出反應。AI訓練階段所使用的測量受到幾個(gè)參數的影響，如算法本身、模型的復雜性、層數、可變寬度、訓練期間的樣本數、傳感器的分辨率等。

　　2）硬件的復雜性：高精度的AI推理需要從易失性存儲器中獲得極高的帶寬。通常需要每秒幾百GB以上。然而，汽車(chē)系統也有低功率的需求。

　　3）非確定性算法（nondeterministic algorithms）：經(jīng)過(guò)訓練的AI系統必須對新情況（即系統從未見(jiàn)過(guò)的情況）做出反應，并且這些系統必須學(xué)會(huì )在訓練過(guò)程中發(fā)現新對象。

　　4）傳感器的準確性和可靠性：像攝像頭、激光雷達和雷達這樣的傳感器，相當于是AI系統的眼睛。但是，并非在一定半徑內的每個(gè)物體、甚至每個(gè)移動(dòng)的物體都需要讓車(chē)輛對其做出反應。未能提供準確的信息可能會(huì )導致誤報、誤檢物體以及其他不可預測的車(chē)輛反應。因此，我們通常需要一套不同的傳感器來(lái)檢測所有照明和天氣狀況。

　　5）內存：易失性和/或非易失性存儲器可能由于物理缺陷和/或軟錯誤而引入錯誤。在汽車(chē)中，易失性存儲器在實(shí)時(shí)AI操作中起著(zhù)重要作用，因為它用來(lái)存儲AI層緩沖區以及AI推理過(guò)程中使用的經(jīng)過(guò)系數訓練的數據。在易失性存儲器中無(wú)法檢測到的錯誤可能會(huì )導致車(chē)輛出現異常狀況。因此，在設計系統時(shí)，始終要考慮到可能出現的內存故障。

　　硬件的穩定可靠至關(guān)重要。ADAS子系統就是要求最佳的性能，并且也要符合ISO 26262標準規范。

　　3 重要的后續步驟

　　自動(dòng)駕駛所采用的新AI技術(shù)也為安全性提出挑戰，因為早期自動(dòng)駕駛汽車(chē)的設計和驗證只能從一個(gè)小知識庫中借鑒訓練的算法。我們必須為AI建立一個(gè)更大的知識庫，以便模擬內存在自動(dòng)駕駛系統中扮演的角色。這將有助于加速訓練AI在汽車(chē)安全方面的決策功能。

　　此外，針對自動(dòng)駕駛汽車(chē)的安全要求，目前行業(yè)還沒(méi)有出臺完善的規定。雖然ISO 26262已經(jīng)啟動(dòng)了關(guān)于道路車(chē)輛風(fēng)險分析和危險分類(lèi)的描述，但也沒(méi)有任何監管機構確定“安全”的含義。隨著(zhù)參數變得更加清晰，指導方針將從自愿化轉向規范化，各個(gè)地區和國家也會(huì )將其整合進(jìn)政策中。

　　我相信，為未來(lái)的自動(dòng)駕駛汽車(chē)設計AI的專(zhuān)業(yè)人士將會(huì )不斷地創(chuàng )新工具和基礎設施，帶領(lǐng)我們抵達想去的地方。

　?。ㄗⅲ罕疚膩?lái)源于科技期刊《電子產(chǎn)品世界》2020年第05期。）