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

被稱為“托馬斯·愛迪生的法定繼承人”的雷·庫茲韋爾（Ray Kurzweil）在《奇點臨近》一書中這樣寫道。這位擁有13項榮譽博士頭銜的世界領先的發(fā)明家，為人們描繪了未來人工智能社會圖景。

雷·庫茲韋爾認為，由于摩爾定律的存在，技術會呈指數(shù)級增長，而人類社會也將在2045年到達人工智能的奇點，其次，基于生物形態(tài)的人類實質上只不過是一套高度復雜神經(jīng)網(wǎng)絡下的一個算法系統(tǒng)，未來必將被更高級的算法系統(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?斯加魯菲認為：“人工智能并不是一個新概念，它起源于1956年或更久之前，只不過，過去由于計算機處理系統(tǒng)還不夠強大，人工智能并沒有得到長足快速的發(fā)展。”

從現(xiàn)實中人工智能的應用的程度來看，目前AI無人駕駛領域的進展似乎也印證了皮埃羅?斯加魯菲的觀點�；仡櫲祟悮v史重大變革節(jié)點不難發(fā)現(xiàn)，無論是蒸汽機的改良還是內(nèi)燃機的發(fā)明，出行領域一直都是先進技術應用的最前沿。

追本溯源，近年來無人駕駛技術的爆發(fā)的技術基礎也源自于2006由Hinton在深度學習領域的革命性成果，由此基于神經(jīng)網(wǎng)絡的深度學習算法得以在計算機視覺、語音識別、以及計算機行為決策方面深度應用，從而構成了無人駕駛軟體層面的技術基礎，而在實現(xiàn)無人駕駛的工程應用上，已經(jīng)不存在較大的技術障礙，因而，無人駕駛的天花板依舊在于基于深度學習的AI技術的局限性。

而另一方面，基于AI技術的L4級別的自動駕駛已經(jīng)開始進入商業(yè)化階段。目前，google Waymo、特斯拉AutoPilot、百度Apollo以及通用Cruise均已實現(xiàn)L4級別的自動駕駛。

無人駕駛的阿喀琉斯之踵

2016年的美國，一輛自動行駛中的特斯拉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)車禍地點的環(huán)境分析后指出，在強光直射下，依賴攝像頭的圖像識別系統(tǒng)失效，未能及時檢測出前方正在穿過道路行駛的白色貨車，同時由于毫米波雷達位置較低，而一般的毫米波雷達垂直視角在±5°以內(nèi)，導致當Tesla靠近拖掛卡車側面時，雷達波束從下側穿過了卡車，導致漏檢，從而致使事故發(fā)生。車禍發(fā)生后，特斯拉改進了無人駕駛系統(tǒng)，并修改了官網(wǎng)關于AutoPilot的釋義。

實際上，安全問題確實是無人駕駛技術全面落地的阿喀琉斯之踵。以深度學習算法為核心的AI技術構筑的無人駕駛系統(tǒng)至今尚未真正解決由“計算機理解偏差”而帶來的駕駛安全性的問題。

從AI技術演化的角度來看，深度學習算法為核心的“智能化”實際上并不是真正意義上的智能，而是基于大數(shù)據(jù)和深度學習算法在“動態(tài)規(guī)劃”原則下對統(tǒng)計意義上“最優(yōu)解”的達成。因此，當下要想解決無人駕駛的安全性問題，必須在這個框架下將“不安全”的可能性降低到一個低于人類車禍概率的紅線之下，才具備無人駕駛走進千家萬戶的“接受底線”。

今年五月，在寧波舉行的第六屆中國機器人峰會上，中國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，建立覆蓋全部的場景模型是不可能的，但“構造一個基于認知構建的類人自主駕駛，使AI自主駕駛具有類人的決策機制，則能應對高動態(tài)和強隨機性的交通場景變化。

在小編看來，基于人類思維決策機制建立算法模型，使AI具有類人的“意識”以當前的技術條件還無法達成，一方面，人類的決策往往通過自身多方面的經(jīng)驗達成，而并非固定的在駕駛場景下形成單一的決策機制，另一方面，在大多數(shù)人的決策過程中，感性因素常常會占主導地位，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《機械公敵》（又名《我，機器人》）中，由威爾史密斯主演的戴爾·史普納在一場車禍中與一位小女孩一同掉入水中，而在人工智能機器人經(jīng)過計算后選擇就起生產(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)實中發(fā)生類似的事件，作為人類的救援人員顯然會優(yōu)先選擇拯救女孩，因為這才人性約束下的“最優(yōu)解”。

“AI安全陷阱”下，AI駕駛技術的“奇點”

放眼未來，無人駕駛必定在未來某一個時刻全面應用至出行領域，屆時，現(xiàn)有交通規(guī)則甚至道路形態(tài)或將出現(xiàn)新的變化。而從無人駕駛的初步應用到無人駕駛時代的來臨之間，人們將長期處于一個“人類＋AI駕駛”的混合出行時代。而在這個過程中，相應的法律法規(guī)也必須與之相適應。

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

從本質上看，AI無人駕駛的演進過程，是一個在以提高出現(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負責的過程，在這一過程中，人類在出行領域保留主導權的同時，將出行安全與操控權交付至AI，以實現(xiàn)對人力的解放。

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，來獲得出行體驗的“舒適性”，另一方面，人們又擔心現(xiàn)有技術條件下，AI的決策會帶來安全風險和道德風險。因此，無人駕駛的落地不止是技術層面的落地，也是公眾認可度和無人駕駛交通法規(guī)等層面系統(tǒng)化適應。

在決策層面上，基于深度學習的AI將在很長的一段時間內(nèi)不會出現(xiàn)“類人”的決策模型，因而，人們可以預期的AI無人駕駛，實質上是低安全風險下的交通輔助工具，從這個意義上來講，AI無人駕駛的進步反而會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，日益進步的AI無人駕駛技術會增加駕駛者的“惰性”從而造成潛在安全風險。

在小編看來，無人駕駛跨越“AI安全陷阱”的關鍵在于是否能夠準確判斷AI無人駕駛技術進化的奇點，而判斷無人駕駛是否達到技術奇點的原則可以從兩個方面去考慮：一、AI完全具有作為“人”的分析決策能力（也就是實現(xiàn)獨立思考的人工智能）；二、基于深度學習的AI無人駕駛在實際道路行駛中的事故率要遠遠低于人類駕駛。

其次，從現(xiàn)實的層面來看，軟體程序是AI技術不可或缺的構成，在聯(lián)網(wǎng)狀態(tài)下，獲得車輛控制權的AI也更容易受到網(wǎng)絡黑客的攻擊，因此，除行駛安全外，網(wǎng)絡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技術的發(fā)展來看，自2006年深度學習領域取得突破以來，基于神經(jīng)網(wǎng)絡的深度學習快速發(fā)展，大數(shù)據(jù)、深度學習算法與算力成為AI領域的三大核心技術，就目前而言，AI技術三要素中的算力依然依靠強大的計算機作為物流支持，但隨著摩爾定律的失效，傳統(tǒng)半導體產(chǎn)業(yè)逐漸迎來技術瓶頸，AI技術進步或將面臨新的停滯。

摩爾定律的失效，意味著在現(xiàn)有尺寸下，計算機算力也面臨著物理瓶頸，而AI技術的增長又需要大量算力的支持，由此可以預見的是，AI技術增長將陷入新的困境期，同時，AI技術發(fā)展的停滯也將進一步限制在無人駕駛領域AI技術的應用。

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

結語

雷·庫茲韋爾的《奇點臨近》讓人們感嘆人工智能時代似乎近在咫尺，但也正如他在書中所寫：“人們總是高估短期內(nèi)能達到的目標，卻容易低估那些需要較長時間才能達到的目標�！币苍S，真正的人工智能對人類社會影響之深遠我們還知之甚少，但人們也應對于如今AI的現(xiàn)實應用給予更加理性的認知，而這也是AI技術得以長盛不衰的關鍵所在。