在硅谷 無(wú)人駕駛技術(shù)正上演“三國演義”

　　下一個(gè)駕駛時(shí)代，大致就如梅賽德斯奔馳在上一屆CES所展示的那樣：無(wú)人駕駛的車(chē)里，人們或閱讀或舉杯相慶。但還要多久，機器駕駛的車(chē)輛才能夠普及于眾人?不僅駕駛者更為自由和安全，整個(gè)交通體系也會(huì )因此提高效率。

　　目前來(lái)看，最大的難點(diǎn)在于讓它們能夠像人一樣“看得見(jiàn)”，一旦越過(guò)這一障礙，科幻電影里《少數派報告》、《遺落戰境》里的駕駛場(chǎng)景很可能會(huì )變成現實(shí)。

　　1

　　在考慮無(wú)人駕駛的必要性上，我得出的答案是它能給人更大的自由——無(wú)需你駕駛，但跟公共交通相比，它是專(zhuān)屬個(gè)人的，路線(xiàn)上完全服務(wù)個(gè)人，也較好地保護隱私，而以往要實(shí)現這些，你可能需要雇一名司機。是的，現代科技一個(gè)重要的特點(diǎn)就是以機器和算法代替人力，讓機器和算法為普通民眾做那些以往精英階層家庭傭人為他們做的事情。

　　只需要看Uber在這一領(lǐng)域的動(dòng)作，就能知道這件事情的必要性：2015年5月，Uber把卡內基梅隆大學(xué)機器人實(shí)驗室里所有與自動(dòng)駕駛有關(guān)的人員都招走了，包括研發(fā)人員、市場(chǎng)專(zhuān)家等50多人，除此之外，還在離實(shí)驗室不到1英里(約合1.61公里)遠的地方租了53000平方英尺(約合4923.86平方米)的地方，搭建了個(gè)技術(shù)中心。

　　人力成本之高，是美國產(chǎn)生分享經(jīng)濟的重要原因之一。讓閑暇的擁有私家車(chē)車(chē)主按照他們的指令載客，再向這些賺到車(chē)費的司機收取傭金，是Uber這個(gè)獨角獸公司的盈利模式。毫無(wú)疑問(wèn)，如果無(wú)人駕駛能夠代替司機，這將為這家公司帶來(lái)新的擁有更高利潤率的盈利模式。

　　不僅僅是Uber，Google打著(zhù)“讓生活更美好”的目的一直在積極推動(dòng)這項技術(shù)。這兩年來(lái)Google一直像遛寵物一樣讓公司研發(fā)的無(wú)人車(chē)在美國山景城行駛，更是讓世人知道這家公司在這一領(lǐng)域的作為。據《衛報》報道，Google成立了自己的汽車(chē)公司Google Auto，打算量產(chǎn)那款外形可愛(ài)的無(wú)人駕駛汽車(chē)。

　　值得注意的是，中國互聯(lián)網(wǎng)巨頭百度在這一領(lǐng)域也有所涉足。就在2015年12月，百度讓公司研發(fā)的無(wú)人駕駛車(chē)輛在路況復雜的北京行駛。在技術(shù)上，百度的無(wú)人駕駛車(chē)輛并沒(méi)有超越Google之處，但不能忽視一家中國公司在技術(shù)普及上的推動(dòng)力。

　　2

　　目前來(lái)說(shuō)，無(wú)人駕駛主要有兩種路徑，一種是靠“觸覺(jué)”，另一種是依靠“視覺(jué)”。

　　“觸覺(jué)”就是靠雷達。正如所見(jiàn)，在山景城附近溜達的谷歌無(wú)人駕駛車(chē)頭上頂著(zhù)一個(gè)黑色的雷達，百度的車(chē)也是如此，他們依靠車(chē)上雷達，通過(guò)激光掃描，判斷出周?chē)系K物的遠近。

　　“雷達這種方式比較容易得出比如說(shuō)前面的障礙物有多遠這類(lèi)結果，不需要太大的計算量。”百度硅谷研究院杰出科學(xué)家徐偉在接受界面新聞采訪(fǎng)時(shí)指出，這種路徑有它固有的弱點(diǎn)。“雷達探測，它只能知道前面有個(gè)東西，很難知道比如前面的車(chē)道線(xiàn)在什么地方，它也無(wú)法識別周?chē)囊恍┙煌俗R牌”。

　　目前這種依靠雷達的無(wú)人駕駛技術(shù)路徑在很大程度上依賴(lài)高精度地圖，毫無(wú)疑問(wèn)，使用非常受限。而目前宣稱(chēng)在多少年之內將無(wú)人駕駛車(chē)輛商用的公司，比如百度，計劃的也是擴大高精度地圖覆蓋范圍。

　　即便是Google的車(chē)輛，看起來(lái)在山景城附近溜達得悠然自得，但實(shí)際上這并不具備可復制性。Google為汽車(chē)裝備了經(jīng)過(guò)強化的山景城街景，城市的虛擬地圖，通過(guò)這種方式，無(wú)人駕駛的車(chē)輛明確知道街道是什么樣，只需要靠雷達探測出比如汽車(chē)和行人等障礙物。

　　截至目前，Google僅繪制了全美400萬(wàn)英里(約合643.73萬(wàn)公里)道路中的2000英里(約合3128.68公里)，這個(gè)目標可謂任重而道遠。

　　除此之外，依靠雷達探測的車(chē)輛硬件成本也十分高昂，根據Techinsider的調查，單個(gè)激光測距系統的價(jià)格就要8萬(wàn)美元(約合51.90萬(wàn)元人民幣)左右。

　　包括Tesla在內的一些廠(chǎng)商認為，未來(lái)無(wú)人駕駛的方向應該是依靠“視覺(jué)”，即涉及深度學(xué)習算法的圖像識別。“這時(shí)機器就像人一樣，能夠識別圖象，然后決定該怎么做。很大程度上依賴(lài)深度學(xué)習，因為現在大量的計算機視覺(jué)的算法背后都是深度學(xué)習。”徐偉表示。

　　這種路徑?jīng)]有被采用的原因在于目前技術(shù)還達不到“無(wú)人駕駛”的水準。“它的精度還沒(méi)有達到自動(dòng)駕駛的要求，比如說(shuō)對于判斷前方的車(chē)體距離的監測還沒(méi)有雷達做得好，另一方面它的計算量還遠遠超過(guò)雷達那樣的系統的計算量。”徐偉在百度硅谷研究院從事的正是計算機視覺(jué)方面的研究，應用到無(wú)人駕駛車(chē)輛上是他們研究應用的方向之一。

　　圖像識別在一定程度上解決了雷達路徑無(wú)法識別交通標識、依靠高精度地圖以及價(jià)格昂貴等問(wèn)題。

　　Elon Musk就是這一路徑的堅決支持者，它在指責Google路徑錯誤的同時(shí)，采用了兩種路徑結合的方式，從Tesla向外界揭露的無(wú)人駕駛汽車(chē)來(lái)看，采用高速攝像頭讓汽車(chē)“看得見(jiàn)”，識別車(chē)道、交通標識，此外，仍然采用了12個(gè)雷達，感知汽車(chē)周?chē)能?chē)輛和其他障礙物。

　　看上去，Musk還希望通過(guò)現有的Tesla車(chē)主去“訓練”未來(lái)將使用的自動(dòng)駕駛系統，讓人訓練機器，讓機器越來(lái)越像人是目前涉及深度學(xué)習算法的常用路徑——Facebook就聘請了一群合同工來(lái)訓練即將推出依賴(lài)機器學(xué)習的虛擬助手“M”。

　　3

　　無(wú)人駕駛時(shí)代遲早都會(huì )到來(lái)，這是包括徐偉在內的這群科學(xué)家所堅信的。“最終形態(tài)應該是像人一樣，看見(jiàn)了什么，能夠做出判斷如何做反應，不需要很精確很精確的地圖。”

　　像徐偉這樣的科學(xué)家正致力于讓機器具備“像人一樣看得見(jiàn)”的能力——這種大多數哺乳動(dòng)物天生具有的能力。世界上幾乎所有動(dòng)物都有眼睛，都能以某種方式看見(jiàn)這個(gè)世界，即便是昆蟲(chóng)，它大腦比人類(lèi)簡(jiǎn)單得多，都知道在看見(jiàn)后如何做出應對，而不需要強大計算能力——是進(jìn)化讓他們先天具有這種功能。

　　讓汽車(chē)達到像人一樣還有很長(cháng)的路要走，比如漂浮在高速公路上的紙非常顯眼，卻沒(méi)有危險性可言。

　　更重要的是駕駛時(shí)很大程度涉及駕駛者之間或者駕駛者和行人之間的關(guān)系、交流，而這種交流往往是一個(gè)細微的表情甚至是一個(gè)眼神，比如駕駛者常常微笑示意正要過(guò)馬路的行人先走。對于機器而言，識別一個(gè)類(lèi)似小動(dòng)作可謂是困難重重。

　　谷歌最近公布的一個(gè)報告表示，自2009年測試無(wú)人駕駛車(chē)以來(lái)，總計被撞擊14次，包括11起追尾事故。該公司特別強調，在所有車(chē)禍中，谷歌自動(dòng)駕駛車(chē)都是無(wú)過(guò)錯一方。但在我們看來(lái)，不排除一種可能是，如果是人在開(kāi)車(chē)，司機和司機之間有有效的交流，一部分事故是能夠避免的。

　　毫無(wú)疑問(wèn)，無(wú)人駕駛車(chē)輛一旦較大規模上路，既往所遵循的一些駕駛習慣甚至是交通條款都可能面臨改變。而可以預見(jiàn)的是，當人駕駛的車(chē)輛和無(wú)人駕駛車(chē)輛混合時(shí)，會(huì )有一定的麻煩，“太笨了，無(wú)人駕駛車(chē)”，這樣抱怨一定不會(huì )少。而無(wú)人駕駛車(chē)輛的最終目的是整體交通效率的提高，這或許需要無(wú)人駕駛車(chē)在整體行駛的車(chē)輛中達到某個(gè)比例。

　　除此之外，目前無(wú)人駕駛車(chē)輛往往陷入一個(gè)倫理困境，“司機”必須決定是右轉撞上三個(gè)在卡車(chē)內的人，還是左轉可能會(huì )撞死一個(gè)騎摩托車(chē)的人?

　　實(shí)際上，這種道德困境在目前人駕駛的情況下就出現過(guò)，答案當然是無(wú)解，而這一爭論最終也被各種事故發(fā)生時(shí)司機的本能反應所取代。而現在，作為無(wú)人駕駛汽車(chē)，需要程序員們對這個(gè)爭論做出回答——他們需要先對此編程，告訴汽車(chē)在面對這種狀況時(shí)如何做出反應。

　　除此之外，程序員還需要給出另外的進(jìn)退維谷的答案包括在面臨危險時(shí)保護乘客還是保護行人?

　　“問(wèn)題在于，誰(shuí)來(lái)決定我們想要的結果?”Jeffrey Miller，一位編寫(xiě)自動(dòng)駕駛軟件的USC專(zhuān)家這樣說(shuō)到，“你不可能作出一個(gè)百分之百的雙贏(yíng)決定，說(shuō)撞右邊那個(gè)人就是對的。”當然，最終結果有可能從大數據中得出——在既往千千萬(wàn)萬(wàn)事故中那些人類(lèi)司機是如何做出反應的。

　　但技術(shù)公司并不卷入這種爭論，他們表示，能夠通過(guò)技術(shù)避免這種“不可避免”的情況發(fā)生。