在硅谷 無人駕駛技術(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：無人駕駛的車?yán)铮藗兓蜷喿x或舉杯相慶。但還要多久，機(jī)器駕駛的車輛才能夠普及于眾人?不僅駕駛者更為自由和安全，整個(gè)交通體系也會因此提高效率。

　　目前來看，最大的難點(diǎn)在于讓它們能夠像人一樣“看得見”，一旦越過這一障礙，科幻電影里《少數(shù)派報(bào)告》、《遺落戰(zhàn)境》里的駕駛場景很可能會變成現(xiàn)實(shí)。

　　1

　　在考慮無人駕駛的必要性上，我得出的答案是它能給人更大的自由——無需你駕駛，但跟公共交通相比，它是專屬個(gè)人的，路線上完全服務(wù)個(gè)人，也較好地保護(hù)隱私，而以往要實(shí)現(xiàn)這些，你可能需要雇一名司機(jī)。是的，現(xiàn)代科技一個(gè)重要的特點(diǎn)就是以機(jī)器和算法代替人力，讓機(jī)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)域的動作，就能知道這件事情的必要性：2015年5月，Uber把卡內(nèi)基梅隆大學(xué)機(jī)器人實(shí)驗(yàn)室里所有與自動駕駛有關(guān)的人員都招走了，包括研發(fā)人員、市場專家等50多人，除此之外，還在離實(shí)驗(yàn)室不到1英里(約合1.61公里)遠(yuǎn)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(jì)的重要原因之一。讓閑暇的擁有私家車車主按照他們的指令載客，再向這些賺到車費(fèi)的司機(jī)收取傭金，是Uber這個(gè)獨(dú)角獸公司的盈利模式。毫無疑問，如果無人駕駛能夠代替司機(jī)，這將為這家公司帶來新的擁有更高利潤率的盈利模式。

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

　　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)的無人駕駛車輛在路況復(fù)雜的北京行駛。在技術(shù)上，百度的無人駕駛車輛并沒有超越Google之處，但不能忽視一家中國公司在技術(shù)普及上的推動力。

　　2

　　目前來說，無人駕駛主要有兩種路徑，一種是靠“觸覺”，另一種是依靠“視覺”。

　　“觸覺”就是靠雷達(dá)。正如所見，在山景城附近溜達(dá)的谷歌無人駕駛車頭上頂著一個(gè)黑色的雷達(dá)，百度的車也是如此，他們依靠車上雷達(dá)，通過激光掃描，判斷出周圍障礙物的遠(yuǎn)近。

　　“雷達(dá)這種方式比較容易得出比如說前面的障礙物有多遠(yuǎn)這類結(jié)果，不需要太大的計(jì)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時(shí)指出，這種路徑有它固有的弱點(diǎn)。“雷達(dá)探測，它只能知道前面有個(gè)東西，很難知道比如前面的車道線在什么地方，它也無法識別周圍的一些交通標(biāo)識牌”。

　　目前這種依靠雷達(dá)的無人駕駛技術(shù)路徑在很大程度上依賴高精度地圖，毫無疑問，使用非常受限。而目前宣稱在多少年之內(nèi)將無人駕駛車輛商用的公司，比如百度，計(jì)劃的也是擴(kuò)大高精度地圖覆蓋范圍。

　　即便是Google的車輛，看起來在山景城附近溜達(dá)得悠然自得，但實(shí)際上這并不具備可復(fù)制性。Google為汽車裝備了經(jīng)過強(qiáng)化的山景城街景，城市的虛擬地圖，通過這種方式，無人駕駛的車輛明確知道街道是什么樣，只需要靠雷達(dá)探測出比如汽車和行人等障礙物。

　　截至目前，Google僅繪制了全美400萬英里(約合643.73萬公里)道路中的2000英里(約合3128.68公里)，這個(gè)目標(biāo)可謂任重而道遠(yuǎn)。

　　除此之外，依靠雷達(dá)探測的車輛硬件成本也十分高昂，根據(jù)Techinsider的調(diào)查，單個(gè)激光測距系統(tǒng)的價(jià)格就要8萬美元(約合51.90萬元人民幣)左右。

　　包括Tesla在內(nèi)的一些廠商認(rèn)為，未來無人駕駛的方向應(yīng)該是依靠“視覺”，即涉及深度學(xué)習(xí)算法的圖像識別。“這時(shí)機(jī)器就像人一樣，能夠識別圖象，然后決定該怎么做。很大程度上依賴深度學(xué)習(xí)，因?yàn)楝F(xiàn)在大量的計(jì)算機(jī)視覺的算法背后都是深度學(xué)習(xí)。”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(dá)不到“無人駕駛”的水準(zhǔn)。“它的精度還沒有達(dá)到自動駕駛的要求，比如說對于判斷前方的車體距離的監(jiān)測還沒有雷達(dá)做得好，另一方面它的計(jì)算量還遠(yuǎn)遠(yuǎn)超過雷達(dá)那樣的系統(tǒng)的計(jì)算量。”徐偉在百度硅谷研究院從事的正是計(jì)算機(jī)視覺方面的研究，應(yīng)用到無人駕駛車輛上是他們研究應(yīng)用的方向之一。

　　圖像識別在一定程度上解決了雷達(dá)路徑無法識別交通標(biāo)識、依靠高精度地圖以及價(jià)格昂貴等問題。

　　Elon Musk就是這一路徑的堅(jiān)決支持者，它在指責(zé)Google路徑錯(cuò)誤的同時(shí)，采用了兩種路徑結(jié)合的方式，從Tesla向外界揭露的無人駕駛汽車來看，采用高速攝像頭讓汽車“看得見”，識別車道、交通標(biāo)識，此外，仍然采用了12個(gè)雷達(dá)，感知汽車周圍的車輛和其他障礙物。

　　看上去，Musk還希望通過現(xiàn)有的Tesla車主去“訓(xùn)練”未來將使用的自動駕駛系統(tǒng)，讓人訓(xùn)練機(jī)器，讓機(jī)器越來越像人是目前涉及深度學(xué)習(xí)算法的常用路徑——Facebook就聘請了一群合同工來訓(xùn)練即將推出依賴機(jī)器學(xué)習(xí)的虛擬助手“M”。

　　3

　　無人駕駛時(shí)代遲早都會到來，這是包括徐偉在內(nèi)的這群科學(xué)家所堅(jiān)信的。“最終形態(tài)應(yīng)該是像人一樣，看見了什么，能夠做出判斷如何做反應(yīng)，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(jī)器具備“像人一樣看得見”的能力——這種大多數(shù)哺乳動物天生具有的能力。世界上幾乎所有動物都有眼睛，都能以某種方式看見這個(gè)世界，即便是昆蟲，它大腦比人類簡單得多，都知道在看見后如何做出應(yīng)對，而不需要強(qiáng)大計(jì)算能力——是進(jìn)化讓他們先天具有這種功能。

　　讓汽車達(dá)到像人一樣還有很長的路要走，比如漂浮在高速公路上的紙非常顯眼，卻沒有危險(xiǎn)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(xì)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馬路的行人先走。對于機(jī)器而言，識別一個(gè)類似小動作可謂是困難重重。

　　谷歌最近公布的一個(gè)報(bào)告表示，自2009年測試無人駕駛車以來，總計(jì)被撞擊14次，包括11起追尾事故。該公司特別強(qiáng)調(diào)，在所有車禍中，谷歌自動駕駛車都是無過錯(cuò)一方。但在我們看來，不排除一種可能是，如果是人在開車，司機(jī)和司機(jī)之間有有效的交流，一部分事故是能夠避免的。

　　毫無疑問，無人駕駛車輛一旦較大規(guī)模上路，既往所遵循的一些駕駛習(xí)慣甚至是交通條款都可能面臨改變。而可以預(yù)見的是，當(dāng)人駕駛的車輛和無人駕駛車輛混合時(shí)，會有一定的麻煩，“太笨了，無人駕駛車”，這樣抱怨一定不會少。而無人駕駛車輛的最終目的是整體交通效率的提高，這或許需要無人駕駛車在整體行駛的車輛中達(dá)到某個(gè)比例。

　　除此之外，目前無人駕駛車輛往往陷入一個(gè)倫理困境，“司機(jī)”必須決定是右轉(zhuǎn)撞上三個(gè)在卡車內(nèi)的人，還是左轉(zhuǎn)可能會撞死一個(gè)騎摩托車的人?

　　實(shí)際上，這種道德困境在目前人駕駛的情況下就出現(xiàn)過，答案當(dāng)然是無解，而這一爭論最終也被各種事故發(fā)生時(shí)司機(jī)的本能反應(yīng)所取代。而現(xiàn)在，作為無人駕駛汽車，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，告訴汽車在面對這種狀況時(shí)如何做出反應(yīng)。

　　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(xiǎn)時(shí)保護(hù)乘客還是保護(hù)行人?

　　“問題在于，誰來決定我們想要的結(jié)果?”Jeffrey Miller，一位編寫自動駕駛軟件的USC專家這樣說到，“你不可能作出一個(gè)百分之百的雙贏決定，說撞右邊那個(gè)人就是對的。”當(dāng)然，最終結(jié)果有可能從大數(shù)據(jù)中得出——在既往千千萬萬事故中那些人類司機(jī)是如何做出反應(yīng)的。

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