无人驾驶汽车真的指日可待了吗？

　　无人驾驶不是指日可待，而是非常遥远；我们了解生活的真相，我们仍然热爱生活。

　　无人驾驶是百年汽车工业的一个崭新高度，也是人们对智慧出行梦寐以求的目标。

　　今年以来，从拉斯维加斯电子商品展上各种无人驾驶技术的高调亮相，到许多汽车和科技公司陆续对无人驾驶商业计划的激进宣示，一些媒体开始大肆宣称无人驾驶会比人们想象的时间更早到来。

　　当前社会上和业界弥漫着一种浮躁，似乎无人驾驶就在眼前，谁不抓住它就会被淘汰，造成了资本市场的压力和业界的普遍焦虑。

　　无人驾驶真的指日可待了吗?

　　我的回答非常简单：否。不仅否，还非常遥远。

　　主观能动性是无人驾驶的必要条件

　　要问为什么，首先要了解什么是无人驾驶和我们需要怎么样的无人驾驶。

　　无人驾驶位于汽车自动驾驶技术的顶端。按照美国自动车工程学会(SAE)对自动驾驶的五级分类，第一级至第三级为有人的自动驾驶，或称为辅助自动驾驶,即人仍然要为驾驶的最后决策负责。在这些阶段，所有自动驾驶技术的应用只是为了提高人们的驾驶体验，尤其是安全体验。

　　第四级和第五级为无人自动驾驶，即可以将人完全排除在驾驶决策之外，其中第四级为有限场景、第五级为无限场景下的无人驾驶。显然，第四级和第五级是真正意义上的无人驾驶。

　　本文所探讨的无人驾驶是指以人类出行为目的的第四级和第五级汽车自动驾驶。

　　第四级无人驾驶可以在某些特定的场景下较快地实现,但它不会对汽车工业产生颠覆性的改变，这是因为大多数人都不会去买一辆只能在规定道路上或规定区域内行驶的无人驾驶汽车。

　　追求自由是人的天性，正如美国交通部部长赵小兰女士年初在底特律车展上所说：我们热爱汽车，因为我们热爱自由。限制自由的无人驾驶汽车可能只是公共交通的延伸，不会取代今天面向个人拥有汽车的巨大市场。

　　要实现无限场景下的无人驾驶，安全即是初衷，也是最大的障碍。我们必须明白汽车是一件非常独特的产品——它量大面广并涉及人们必要的日常出行，而更重要的是它与人的生命安全息息相关。发展无人驾驶技术的首要目的是提高其安全性。

　　由于汽车驾驶过程中每个场景都不会重复而且复杂多变，在高速行驶中稍有差错就有付出生命代价的可能，所以要求无人驾驶必须具备类似人类合格驾驶员那样能够凭主观意识举一反三的主观能动性——这并不是哲学意义上的主观能动性，而是指无人驾驶在遇到任何不熟悉或突发场景时都能够主动地做出正确的判断和操作，而且可以比人做得更好，从而取得高于人类驾驶的安全性。

　　在我们目前所处的交通环境中，一辆没有主观能动性的无人驾驶汽车无疑是巨大的安全隐患，有违无人驾驶安全第一的原则。

　　为了降低甚至替代无人驾驶对主观能动性的依赖，人们想象了一种理想化的情景：厘米级别的高精地图覆盖所有汽车可以到达的地方;道路上的每一辆汽车都具备车对车、车对系统的智能互联以避免可能发生的碰撞;而且还具备行人与车分离的客观条件。

　　在这种情况下，无人驾驶汽车即使不完全具备主观能动性，也能在预定的道路上安全地自动驾驶，犹如今天智能制造工厂中广泛应用的全自动运输机(AGV)一样。

　　目前某些接近这种条件的应用场景正在出现,以期在较短的时间内实现第四级别有限场景下的无人驾驶。但是，要使所有场景满足这些条件显然是一项涉及整个社会生存空间变革浩瀚而巨大的工程，绝非一家或几家企业甚至一个产业能够完成，在可见的未来几乎不会成为现实。

　　因此，主观能动性是无人驾驶的必要条件。没有主观能动性的无人驾驶，是对科学的不尊重，是对生命的轻视，是对社会的不负责任。

　　主观能动性条件尚未成熟

　　如何才能实现主观能动下的无人驾驶?路径可能有很多，但目前广为采用并寄予厚望的是人工智能技术。

　　什么是人工智能?简单地说，就是用人造的机器(比如计算机)来实现人的感知和决策功能。人工智能技术经过半个多世纪的发展，从早期的语言文字处理到今天的图像语音识别，已经有了长足的进步。尤其是近年来，基于机器学习的人工智能技术有了突破性进展，为我们生活的许多方面带来了极大的方便，如医疗、家居、娱乐、制造、服务等。

　　然而，当前的人工智能技术仍然处于初始的阶段，还不具备支撑无人驾驶所需要的主观能动性的能力。

　　要想了解这一点，我们不妨将人的智能分为三个层次：1)感性;2)理性：3)灵性。

　　感性即通过类似条件反射那样获得的信息和知识，如被电炉烫了一次就不会再去触摸电炉;

　　理性即通过人的逻辑思维得出的知识，如做出如果电源关闭就可以清洗电炉这样的逻辑判断;

　　而灵性则是人在一定的感性和理性思维基础之上的智慧思维，包括人的自我认知、意识、情感以及主观能动性。例如人可以安全地利用电炉创造出各种美味佳肴，激发出无限的愉悦和享受的情感。

　　当然人类这三个智能层次深度关联，相辅相成。灵性智慧思维是人类智能的最高层次。

　　与人的智能分类相应，人工智能通常可以分为三个级别，即弱人工智能、通用人工智能 (也称强人工智能)和超人工智能。

　　弱人工智能是指能在某个特定条件下应用的人工智能，如图像识别和语音识别等。弱人工智能可以实现人类某些具体定义下的逻辑推理。尽管它有时可以达到或超过人的能力(如下棋)，但其实它并不真正拥有智能。一旦规则改变，它不会自主演进，即没有意识，不具备主观能动性。

　　通用人工智能是指具有和人几乎同等的智能，包括具有自觉意识、自主演进以及主观能动性。

　　而超人工智能则是指将来的一种可能，智能机器或许可以具备超越人类智慧的智能。

　　在后两个阶段，人工智能既可以成为人类的朋友，也可能成为人类的敌人。所以，许多人工智能专家以及科技推动者早已联名呼吁人们必须警惕人工智能为人类带来的可能灾难，并建立了以安全利用人工智能为宗旨的联盟——未来生命学院(Future Life Institute) 。

　　今天，无论媒体对人工智能描绘的多么神奇，无论IBM的深蓝(DeepBlue)以及谷歌阿法狗(AlphaGo)在和人类对弈过程中如何凯歌高奏，我们都应该清醒地认识到，目前人工智能技术还处于弱人工智能这个初级阶段。

　　也就是说，今天的人工智能技术仅仅能够实现人类在非常有限条件下的逻辑推理，只能在人类事先设定的算法规律下进行学习。它对人的智慧思维比如意识、知觉和情感还无能为力，还不具备主观能动性。

　　不具备主观能动性的弱人工智能在不涉及生命安全的领域中可以大有作为，如智能家具、智能娱乐、智能制造、智能服务等。对自动驾驶而言，弱人工智能技术也能够为辅助自动驾驶级别提供广泛的应用空间，使它真正成为人们安全愉悦驾驶的好帮手。

　　但是，对于无人驾驶来说，弱人工智能技术能提供的应用空间还很有限，尚不能支持无人驾驶所必要的主观能动性的实现。

　　数字技术的局限

　　尽管无法证明，但我猜想从弱人工智能走向通用人工智能的主要障碍来自数字计算技术。对通用人工智能来说，数字计算技术可能是一种相对落后的技术。

　　数字计算本质上是布尔逻辑推理(Boolean Logic) 的产物。布尔逻辑推理中最重要的定律是排中律，即所谓的非黑即白，没有中间地带。基于二进制的数字计算机最基本的计算单元比特只有0和1两种状态，因而在数字计算机中一切信息的表达和运算都是用0和1 来进行的。也就是说，所有信息在数字计算机中都以一种离散的数字形态存在。

　　然而，自然界中的变量几乎都是连续的，人类的思维乃至生命过程更是连续的。当我们用数字计算处理信息得到简明快速优越性的同时，付出的却是失去信息连续性这一重大代价。

　　在很多工程应用领域中，连续变量是可以通过离散变量的大量迭代来趋近，所以数字化处理在很多工程应用领域中大有可为。尽管如此，目前还没有办法通过数字计算来表达和处理人的意识、自我觉醒和主观能动。

　　至于谷歌的阿法狗在围棋博奕中之所以可以打败人类无敌手，乃是因为围棋的规律完全符合布尔数理逻辑，围棋所有的选项都可以用离散的数字模型完整地表达。

　　其实，人们早已经认识到布尔逻辑的局限性。半个世纪前提出的模糊逻辑(Fuzzy Logic)就打破了布尔逻辑零一准则的局限，提出一切皆有可能、只是程度不同的连续思维逻辑，而这种思维逻辑更接近人的思维逻辑。

　　事实上，布尔逻辑只是模糊逻辑的一个理想化特例。在模糊逻辑所依据的连续函数线上，布尔逻辑所处的仅仅一个点。显然要用离散的一个点的逻辑来准确地模拟人类连续的意识思维几乎是不可能的。

　　所以，我相信通用人工智能的实现有赖于对数字时代的超越。

　　机器学习的真相与困境

　　无人驾驶控制决策的实现基于两个方面。

　　首先是通过对汽车物理系统、运行机理和运行轨道的建模来实现人类可以准确描述因果关系的控制策略。但是，这种可以准确描述因果关系的控制策略极其有限，不足以满足无人驾驶环境的高度不确定性。

　　因此，近年来机器学习被广泛地应用到无人驾驶技术开发中，以期通过大量的数据学习来提高无人驾驶的感知和决策能力。业界对机器学习技术寄于极大的期望。

　　然而，机器学习很难担负起赋予汽车主观能动性的重任。这是因为无论机器学习的算法如何先进，无论它是卷积神经网络还是迭代神经网络，归根到底它都是通过离散的数字来表达事物之间的关联关系而不是因果关系。

　　机器学习最根本的目标是希望得到像人一样能够从有限的样本中获取通用的机理来识别无限可能的场景。但是，因果关系不明的关联关系数字模型像一个黑箱，难以产生通用的规律和机理。

　　因此，机器学习所建立的数字模型及其算法缺乏外延生成功能，很难举一反三。尽管人工智能领域已经注意到了机器学习的这个局限并已展开研究，但理论上的突破尚待时日。

　　许多人工智能专家对业界过分夸大机器学习的作用表示极大的担忧，如美国纽约大学知名人工智能教授Gary Marcus博士指出：对人工智能过度地炒作有可能导致其下一个冬天。

　　尽管对机器学习在无人驾驶中的应用有很高的期待，但是目前基于机器学习的无人驾驶只能从过去学过的数字模型中找出最接近的情景来控制操作，无法像人类驾驶员那样凭丰富的经验和意识而举一反三。

　　在这种情况下，无人驾驶有可能陷入视而不见、感而不知困境，还有可能具有精神分裂的特征。我们还不能将生命放心地交给这样的无人驾驶。

　　我相信在数字技术时代，不管计算机芯片的速度如何快速迭代，也无论机器学习算法如何改进，也许只能推动弱人工智能技术量的改进，很难获得人工智能技术质的飞跃。

　　人工智能的突破还有赖于对生命和物质本身的基本属性不断深入地探索。也就是说，仅依靠机器学习的数字算法很难孕育出无人驾驶所需要的主观能动性。

　　无人驾驶的实现需要依赖数字技术的突破，依赖计算技术本身的革命。在仿生以及量子计算的演进中，我们能够看到无人驾驶的曙光。

　　商业化之路艰巨而漫长

　　即使人工智能技术有了质的飞跃而可以支持无人驾驶所需的主观能动性，它的工程应用开发和商业化还需要经过一个艰巨而漫长的过程。

　　美国麻省理工学院Max Tegmark教授在2017年出版的人工智能专著《生命3.0》 中指出：人工智能技术的广泛应用应经过以下几个步骤：

　　1、验证 (verification)，即证明产品到达设计要求;

　　2、实证 (validation)，即证明产品达到用户的实用要求;

　　3、网络安全 (security)，即提供有效的手段来防止天灾或人为的攻击;

　　4、风险控制 (Control)，即提供发生重大事故时有效的控制方案。

　　目前，无人驾驶技术的研发主要还是集中在第一阶段，即验证无人驾驶能做什么。第二阶段更重要而挑战更大，因为用户使用的场景几乎是无限的。在这个阶段，不仅要问无人驾驶能做什么，还要问它不能做什么和不应该做什么，要对无人驾驶的安全性做非常严格的验证，包括软件的可靠性，硬件的可靠性，以及系统集成的可靠性。

　　这些验证必须严格遵照业界所公认的工程标准。但是，这些标准目前还没有形成，而且在短期内还很难制定出来。所以，目前没有任何无人驾驶企业能够宣称已经或将要完成无人驾驶的全部验证和实证工作。

　　从汽车构架的角度来看，无人驾驶绝不是在现有的汽车上加上传感器和控制算法那么简单。汽车构架几乎要重新设计，以满足无人驾驶情况下的安全要求。

　　比如汽车的总线布置能否胜任日益增多电器节点之间安全可靠的通讯?汽车如何能够随时了解自身的健康状况?软件的更新换代如何保证其安全可靠?网络传输是否安全可靠?等等。因为在无人驾驶的状态下，汽车上任何一个小小的故障就可能造成生命的损失。

　　无人驾驶从样车展示到商业实施有一个极其漫长的工程过程。仅仅从路试一项来看，著名咨询公司兰德的研究报告表明，无人驾驶要做到每行驶2亿7千英里只有一个伤亡事故才能从统计学上证明它和有人驾驶具有同一级别的安全性。

　　近来许多关于无人驾驶上路的报道，不管是公交还是出租，无论是送货还是送菜，基本上都只是演示而已。如果缺少踏踏实实的研究和工程开发，过多的演示会产生弊大于利的效果，还有可能将无人驾驶断送在示范的路上。

　　例如，Uber 的事件已经在对社会产生了较大的负面影响。据美国汽车协会(AAA)的调查显示，Uber 事件之后人们对无人驾驶不信任的比例较去年增加了10%。如果一旦 Waymo也出现像Uber那样的致命事故，相信一定会对社会造成更大的负面影响，导致其无人驾驶项目的停滞不是没有可能。最近福特汽车发布的无人驾驶报告就是以信任为题,以期提高人们对无人驾驶的信心。

　　正因为无人驾驶与生命息息相关，如果没有经过严格的工程验证和实证过程，在短期内任何贸然推出无人驾驶商业化的产品或服务，其结果几乎可以预料：如果不是实际上有人参与的无人驾驶试验，那么以召回为结局的概率非常大。

　　将汽车辅助驾驶进行到底

　　在走向无人驾驶的道路上有两条截然不同的路径。

　　一条是以谷歌为代表的一步到位的路径。谷歌的逻辑有它的道理：人机共享的驾驶决策有很大的安全隐患，不如将驾驶全部交给汽车。

　　另一条是以密西根大学及许多传统汽车公司为代表的循序渐进的路径，即自动驾驶的进步应该从第一级到第五级一步步地走。这也是为什么密西根大学对自动驾驶项目称为网联自动汽车(Connected and Automated Vehicle-CAV) 而不是单纯的无人驾驶汽车。

　　密西根大学在三年前率先建立了第一个无人驾驶专用试验场 Mcity。密西根大学的机器人学院也在积极推动各级自动驾驶技术的研究开发，并得到福特等企业的大力支持和紧密合作。

　　汽车产业在致力开发无人驾驶技术的同时，在现阶段仍然应该将主要力量放在智能网联技术在辅助自动驾驶级别的应用上;应该放下焦虑，潜心专注地把智能网联和ADAS技术的开发与应用进行到底。

　　如前所述，尽管弱人工智能技术还不足以支持完全的无人驾驶，但在辅助自动驾驶中却大有可为，所以智能驾驶不能只是为了无人驾驶。我相信，传统汽车如通用、福特、上汽、长安，以及供应商如博世等公司都在致力开发和应用辅助自动驾驶阶段的智能技术，真正为用户带来丰富美好的驾驶体验，尤其是安全体验。

　　例如，通用在花巨资投入无人驾驶项目的同时，早在2014就布局致力开发辅助驾驶级别的Super Cruise 项目，并于今年成功推出，取得了较好的经济效益。

　　脚踏实地，砥砺前行

　　正如一位智者所说，我们了解生活的真相，我们仍然热爱生活。

　　尽管通向无人驾驶的路上充满了荆棘，尽管它的实现还非常遥远，但我们不能停下脚步。我们满怀希望，只是我们应该认清真相，脚踏实地，砥砺前行。

　　在通向美好无人驾驶的路上，汽车产业应该注意避免那种你追我赶的大跃进心态，从而做到对有限资源的合理分配。为避免在同一层次上过多的重复，汽车产业更应该联合起来，走合作、突破、共享的道路。

　　目前业界推进有限场景下的无人驾驶有其重要的意义，因为这是走向无人驾驶的必经之路。由于无人驾驶从有限场景到无限场景的过度还有很长的路要走，而且其盈利模式还不清晰，资本市场应该给企业尤其是初创企业以更多的耐心和支持。

　　同时，在无人驾驶技术的上任何突破应该重视其在辅助自动驾驶中的商业应用，L4 开花 L3 结果不失为一种好的策略。

　　如果产业及资本市场在投入巨资支持无人驾驶技术应用开发的同时，也能大力支持人工智能的基础研究，这样将会有助于计算机技术和人工智能技术的突破，早日迎来完全无人驾驶的曙光。