應用

技術

物聯網世界 >> 物聯網新聞 >> 物聯網熱點新聞
企業(yè)注冊個人注冊登錄

無人駕駛汽車真的指日可待了嗎?

2018-09-27 09:51 汽車商業(yè)評論

導讀:無人駕駛不是指日可待,而是非常遙遠;我們了解生活的真相,我們仍然熱愛生活。

  無人駕駛不是指日可待,而是非常遙遠;我們了解生活的真相,我們仍然熱愛生活。

自動駕駛,無人駕駛,無人駕駛,自動駕駛,智能汽車

  無人駕駛是百年汽車工業(yè)的一個嶄新高度,也是人們對智慧出行夢寐以求的目標。

  今年以來,從拉斯維加斯電子商品展上各種無人駕駛技術的高調亮相,到許多汽車和科技公司陸續(xù)對無人駕駛商業(yè)計劃的激進宣示,一些媒體開始大肆宣稱無人駕駛會比人們想象的時間更早到來。

  當前社會上和業(yè)界彌漫著一種浮躁,似乎無人駕駛就在眼前,誰不抓住它就會被淘汰,造成了資本市場的壓力和業(yè)界的普遍焦慮。

  無人駕駛真的指日可待了嗎?

  我的回答非常簡單:否。不僅否,還非常遙遠。

  主觀能動性是無人駕駛的必要條件

  要問為什么,首先要了解什么是無人駕駛和我們需要怎么樣的無人駕駛。

  無人駕駛位于汽車自動駕駛技術的頂端。按照美國自動車工程學會(SAE)對自動駕駛的五級分類,第一級至第三級為有人的自動駕駛,或稱為輔助自動駕駛,即人仍然要為駕駛的最后決策負責。在這些階段,所有自動駕駛技術的應用只是為了提高人們的駕駛體驗,尤其是安全體驗。

  第四級和第五級為無人自動駕駛,即可以將人完全排除在駕駛決策之外,其中第四級為有限場景、第五級為無限場景下的無人駕駛。顯然,第四級和第五級是真正意義上的無人駕駛。

  本文所探討的無人駕駛是指以人類出行為目的的第四級和第五級汽車自動駕駛。

  第四級無人駕駛可以在某些特定的場景下較快地實現,但它不會對汽車工業(yè)產生顛覆性的改變,這是因為大多數人都不會去買一輛只能在規(guī)定道路上或規(guī)定區(qū)域內行駛的無人駕駛汽車。

  追求自由是人的天性,正如美國交通部部長趙小蘭女士年初在底特律車展上所說:我們熱愛汽車,因為我們熱愛自由。限制自由的無人駕駛汽車可能只是公共交通的延伸,不會取代今天面向個人擁有汽車的巨大市場。

  要實現無限場景下的無人駕駛,安全即是初衷,也是最大的障礙。我們必須明白汽車是一件非常獨特的產品——它量大面廣并涉及人們必要的日常出行,而更重要的是它與人的生命安全息息相關。發(fā)展無人駕駛技術的首要目的是提高其安全性。

  由于汽車駕駛過程中每個場景都不會重復而且復雜多變,在高速行駛中稍有差錯就有付出生命代價的可能,所以要求無人駕駛必須具備類似人類合格駕駛員那樣能夠憑主觀意識舉一反三的主觀能動性——這并不是哲學意義上的主觀能動性,而是指無人駕駛在遇到任何不熟悉或突發(fā)場景時都能夠主動地做出正確的判斷和操作,而且可以比人做得更好,從而取得高于人類駕駛的安全性。

  在我們目前所處的交通環(huán)境中,一輛沒有主觀能動性的無人駕駛汽車無疑是巨大的安全隱患,有違無人駕駛安全第一的原則。

  為了降低甚至替代無人駕駛對主觀能動性的依賴,人們想象了一種理想化的情景:厘米級別的高精地圖覆蓋所有汽車可以到達的地方;道路上的每一輛汽車都具備車對車、車對系統的智能互聯以避免可能發(fā)生的碰撞;而且還具備行人與車分離的客觀條件。

  在這種情況下,無人駕駛汽車即使不完全具備主觀能動性,也能在預定的道路上安全地自動駕駛,猶如今天智能制造工廠中廣泛應用的全自動運輸機(AGV)一樣。

  目前某些接近這種條件的應用場景正在出現,以期在較短的時間內實現第四級別有限場景下的無人駕駛。但是,要使所有場景滿足這些條件顯然是一項涉及整個社會生存空間變革浩瀚而巨大的工程,絕非一家或幾家企業(yè)甚至一個產業(yè)能夠完成,在可見的未來幾乎不會成為現實。

  因此,主觀能動性是無人駕駛的必要條件。沒有主觀能動性的無人駕駛,是對科學的不尊重,是對生命的輕視,是對社會的不負責任。

  主觀能動性條件尚未成熟

  如何才能實現主觀能動下的無人駕駛?路徑可能有很多,但目前廣為采用并寄予厚望的是人工智能技術。

  什么是人工智能?簡單地說,就是用人造的機器(比如計算機)來實現人的感知和決策功能。人工智能技術經過半個多世紀的發(fā)展,從早期的語言文字處理到今天的圖像語音識別,已經有了長足的進步。尤其是近年來,基于機器學習的人工智能技術有了突破性進展,為我們生活的許多方面帶來了極大的方便,如醫(yī)療、家居、娛樂、制造、服務等。

  然而,當前的人工智能技術仍然處于初始的階段,還不具備支撐無人駕駛所需要的主觀能動性的能力。

  要想了解這一點,我們不妨將人的智能分為三個層次:1)感性;2)理性:3)靈性。

  感性即通過類似條件反射那樣獲得的信息和知識,如被電爐燙了一次就不會再去觸摸電爐;

  理性即通過人的邏輯思維得出的知識,如做出如果電源關閉就可以清洗電爐這樣的邏輯判斷;

  而靈性則是人在一定的感性和理性思維基礎之上的智慧思維,包括人的自我認知、意識、情感以及主觀能動性。例如人可以安全地利用電爐創(chuàng)造出各種美味佳肴,激發(fā)出無限的愉悅和享受的情感。

  當然人類這三個智能層次深度關聯,相輔相成。靈性智慧思維是人類智能的最高層次。

  與人的智能分類相應,人工智能通??梢苑譃槿齻€級別,即弱人工智能、通用人工智能 (也稱強人工智能)和超人工智能。

  弱人工智能是指能在某個特定條件下應用的人工智能,如圖像識別和語音識別等。弱人工智能可以實現人類某些具體定義下的邏輯推理。盡管它有時可以達到或超過人的能力(如下棋),但其實它并不真正擁有智能。一旦規(guī)則改變,它不會自主演進,即沒有意識,不具備主觀能動性。

  通用人工智能是指具有和人幾乎同等的智能,包括具有自覺意識、自主演進以及主觀能動性。

  而超人工智能則是指將來的一種可能,智能機器或許可以具備超越人類智慧的智能。

  在后兩個階段,人工智能既可以成為人類的朋友,也可能成為人類的敵人。所以,許多人工智能專家以及科技推動者早已聯名呼吁人們必須警惕人工智能為人類帶來的可能災難,并建立了以安全利用人工智能為宗旨的聯盟——未來生命學院(Future Life Institute) 。

  今天,無論媒體對人工智能描繪的多么神奇,無論IBM的深藍(DeepBlue)以及谷歌阿法狗(AlphaGo)在和人類對弈過程中如何凱歌高奏,我們都應該清醒地認識到,目前人工智能技術還處于弱人工智能這個初級階段。

  也就是說,今天的人工智能技術僅僅能夠實現人類在非常有限條件下的邏輯推理,只能在人類事先設定的算法規(guī)律下進行學習。它對人的智慧思維比如意識、知覺和情感還無能為力,還不具備主觀能動性。

  不具備主觀能動性的弱人工智能在不涉及生命安全的領域中可以大有作為,如智能家具、智能娛樂、智能制造、智能服務等。對自動駕駛而言,弱人工智能技術也能夠為輔助自動駕駛級別提供廣泛的應用空間,使它真正成為人們安全愉悅駕駛的好幫手。

  但是,對于無人駕駛來說,弱人工智能技術能提供的應用空間還很有限,尚不能支持無人駕駛所必要的主觀能動性的實現。

  數字技術的局限

  盡管無法證明,但我猜想從弱人工智能走向通用人工智能的主要障礙來自數字計算技術。對通用人工智能來說,數字計算技術可能是一種相對落后的技術。

  數字計算本質上是布爾邏輯推理(Boolean Logic) 的產物。布爾邏輯推理中最重要的定律是排中律,即所謂的非黑即白,沒有中間地帶?;诙M制的數字計算機最基本的計算單元比特只有0和1兩種狀態(tài),因而在數字計算機中一切信息的表達和運算都是用0和1 來進行的。也就是說,所有信息在數字計算機中都以一種離散的數字形態(tài)存在。

  然而,自然界中的變量幾乎都是連續(xù)的,人類的思維乃至生命過程更是連續(xù)的。當我們用數字計算處理信息得到簡明快速優(yōu)越性的同時,付出的卻是失去信息連續(xù)性這一重大代價。

  在很多工程應用領域中,連續(xù)變量是可以通過離散變量的大量迭代來趨近,所以數字化處理在很多工程應用領域中大有可為。盡管如此,目前還沒有辦法通過數字計算來表達和處理人的意識、自我覺醒和主觀能動。

  至于谷歌的阿法狗在圍棋博奕中之所以可以打敗人類無敵手,乃是因為圍棋的規(guī)律完全符合布爾數理邏輯,圍棋所有的選項都可以用離散的數字模型完整地表達。

  其實,人們早已經認識到布爾邏輯的局限性。半個世紀前提出的模糊邏輯(Fuzzy Logic)就打破了布爾邏輯零一準則的局限,提出一切皆有可能、只是程度不同的連續(xù)思維邏輯,而這種思維邏輯更接近人的思維邏輯。

  事實上,布爾邏輯只是模糊邏輯的一個理想化特例。在模糊邏輯所依據的連續(xù)函數線上,布爾邏輯所處的僅僅一個點。顯然要用離散的一個點的邏輯來準確地模擬人類連續(xù)的意識思維幾乎是不可能的。

  所以,我相信通用人工智能的實現有賴于對數字時代的超越。

  機器學習的真相與困境

  無人駕駛控制決策的實現基于兩個方面。

  首先是通過對汽車物理系統、運行機理和運行軌道的建模來實現人類可以準確描述因果關系的控制策略。但是,這種可以準確描述因果關系的控制策略極其有限,不足以滿足無人駕駛環(huán)境的高度不確定性。

  因此,近年來機器學習被廣泛地應用到無人駕駛技術開發(fā)中,以期通過大量的數據學習來提高無人駕駛的感知和決策能力。業(yè)界對機器學習技術寄于極大的期望。

  然而,機器學習很難擔負起賦予汽車主觀能動性的重任。這是因為無論機器學習的算法如何先進,無論它是卷積神經網絡還是迭代神經網絡,歸根到底它都是通過離散的數字來表達事物之間的關聯關系而不是因果關系。

  機器學習最根本的目標是希望得到像人一樣能夠從有限的樣本中獲取通用的機理來識別無限可能的場景。但是,因果關系不明的關聯關系數字模型像一個黑箱,難以產生通用的規(guī)律和機理。

  因此,機器學習所建立的數字模型及其算法缺乏外延生成功能,很難舉一反三。盡管人工智能領域已經注意到了機器學習的這個局限并已展開研究,但理論上的突破尚待時日。

  許多人工智能專家對業(yè)界過分夸大機器學習的作用表示極大的擔憂,如美國紐約大學知名人工智能教授Gary Marcus博士指出:對人工智能過度地炒作有可能導致其下一個冬天。

  盡管對機器學習在無人駕駛中的應用有很高的期待,但是目前基于機器學習的無人駕駛只能從過去學過的數字模型中找出最接近的情景來控制操作,無法像人類駕駛員那樣憑豐富的經驗和意識而舉一反三。

  在這種情況下,無人駕駛有可能陷入視而不見、感而不知困境,還有可能具有精神分裂的特征。我們還不能將生命放心地交給這樣的無人駕駛。

  我相信在數字技術時代,不管計算機芯片的速度如何快速迭代,也無論機器學習算法如何改進,也許只能推動弱人工智能技術量的改進,很難獲得人工智能技術質的飛躍。

  人工智能的突破還有賴于對生命和物質本身的基本屬性不斷深入地探索。也就是說,僅依靠機器學習的數字算法很難孕育出無人駕駛所需要的主觀能動性。

  無人駕駛的實現需要依賴數字技術的突破,依賴計算技術本身的革命。在仿生以及量子計算的演進中,我們能夠看到無人駕駛的曙光。

  商業(yè)化之路艱巨而漫長

  即使人工智能技術有了質的飛躍而可以支持無人駕駛所需的主觀能動性,它的工程應用開發(fā)和商業(yè)化還需要經過一個艱巨而漫長的過程。

  美國麻省理工學院Max Tegmark教授在2017年出版的人工智能專著《生命3.0》 中指出:人工智能技術的廣泛應用應經過以下幾個步驟:

  1、驗證 (verification),即證明產品到達設計要求;

  2、實證 (validation),即證明產品達到用戶的實用要求;

  3、網絡安全 (security),即提供有效的手段來防止天災或人為的攻擊;

  4、風險控制 (Control),即提供發(fā)生重大事故時有效的控制方案。

  目前,無人駕駛技術的研發(fā)主要還是集中在第一階段,即驗證無人駕駛能做什么。第二階段更重要而挑戰(zhàn)更大,因為用戶使用的場景幾乎是無限的。在這個階段,不僅要問無人駕駛能做什么,還要問它不能做什么和不應該做什么,要對無人駕駛的安全性做非常嚴格的驗證,包括軟件的可靠性,硬件的可靠性,以及系統集成的可靠性。

  這些驗證必須嚴格遵照業(yè)界所公認的工程標準。但是,這些標準目前還沒有形成,而且在短期內還很難制定出來。所以,目前沒有任何無人駕駛企業(yè)能夠宣稱已經或將要完成無人駕駛的全部驗證和實證工作。

  從汽車構架的角度來看,無人駕駛絕不是在現有的汽車上加上傳感器和控制算法那么簡單。汽車構架幾乎要重新設計,以滿足無人駕駛情況下的安全要求。

  比如汽車的總線布置能否勝任日益增多電器節(jié)點之間安全可靠的通訊?汽車如何能夠隨時了解自身的健康狀況?軟件的更新換代如何保證其安全可靠?網絡傳輸是否安全可靠?等等。因為在無人駕駛的狀態(tài)下,汽車上任何一個小小的故障就可能造成生命的損失。

  無人駕駛從樣車展示到商業(yè)實施有一個極其漫長的工程過程。僅僅從路試一項來看,著名咨詢公司蘭德的研究報告表明,無人駕駛要做到每行駛2億7千英里只有一個傷亡事故才能從統計學上證明它和有人駕駛具有同一級別的安全性。

  近來許多關于無人駕駛上路的報道,不管是公交還是出租,無論是送貨還是送菜,基本上都只是演示而已。如果缺少踏踏實實的研究和工程開發(fā),過多的演示會產生弊大于利的效果,還有可能將無人駕駛斷送在示范的路上。

  例如,Uber 的事件已經在對社會產生了較大的負面影響。據美國汽車協會(AAA)的調查顯示,Uber 事件之后人們對無人駕駛不信任的比例較去年增加了10%。如果一旦 Waymo也出現像Uber那樣的致命事故,相信一定會對社會造成更大的負面影響,導致其無人駕駛項目的停滯不是沒有可能。最近福特汽車發(fā)布的無人駕駛報告就是以信任為題,以期提高人們對無人駕駛的信心。

  正因為無人駕駛與生命息息相關,如果沒有經過嚴格的工程驗證和實證過程,在短期內任何貿然推出無人駕駛商業(yè)化的產品或服務,其結果幾乎可以預料:如果不是實際上有人參與的無人駕駛試驗,那么以召回為結局的概率非常大。

  將汽車輔助駕駛進行到底

  在走向無人駕駛的道路上有兩條截然不同的路徑。

  一條是以谷歌為代表的一步到位的路徑。谷歌的邏輯有它的道理:人機共享的駕駛決策有很大的安全隱患,不如將駕駛全部交給汽車。

  另一條是以密西根大學及許多傳統汽車公司為代表的循序漸進的路徑,即自動駕駛的進步應該從第一級到第五級一步步地走。這也是為什么密西根大學對自動駕駛項目稱為網聯自動汽車(Connected and Automated Vehicle-CAV) 而不是單純的無人駕駛汽車。

  密西根大學在三年前率先建立了第一個無人駕駛專用試驗場 Mcity。密西根大學的機器人學院也在積極推動各級自動駕駛技術的研究開發(fā),并得到福特等企業(yè)的大力支持和緊密合作。

  汽車產業(yè)在致力開發(fā)無人駕駛技術的同時,在現階段仍然應該將主要力量放在智能網聯技術在輔助自動駕駛級別的應用上;應該放下焦慮,潛心專注地把智能網聯和ADAS技術的開發(fā)與應用進行到底。

  如前所述,盡管弱人工智能技術還不足以支持完全的無人駕駛,但在輔助自動駕駛中卻大有可為,所以智能駕駛不能只是為了無人駕駛。我相信,傳統汽車如通用、福特、上汽、長安,以及供應商如博世等公司都在致力開發(fā)和應用輔助自動駕駛階段的智能技術,真正為用戶帶來豐富美好的駕駛體驗,尤其是安全體驗。

  例如,通用在花巨資投入無人駕駛項目的同時,早在2014就布局致力開發(fā)輔助駕駛級別的Super Cruise 項目,并于今年成功推出,取得了較好的經濟效益。

  腳踏實地,砥礪前行

  正如一位智者所說,我們了解生活的真相,我們仍然熱愛生活。

  盡管通向無人駕駛的路上充滿了荊棘,盡管它的實現還非常遙遠,但我們不能停下腳步。我們滿懷希望,只是我們應該認清真相,腳踏實地,砥礪前行。

  在通向美好無人駕駛的路上,汽車產業(yè)應該注意避免那種你追我趕的大躍進心態(tài),從而做到對有限資源的合理分配。為避免在同一層次上過多的重復,汽車產業(yè)更應該聯合起來,走合作、突破、共享的道路。

  目前業(yè)界推進有限場景下的無人駕駛有其重要的意義,因為這是走向無人駕駛的必經之路。由于無人駕駛從有限場景到無限場景的過度還有很長的路要走,而且其盈利模式還不清晰,資本市場應該給企業(yè)尤其是初創(chuàng)企業(yè)以更多的耐心和支持。

  同時,在無人駕駛技術的上任何突破應該重視其在輔助自動駕駛中的商業(yè)應用,L4 開花 L3 結果不失為一種好的策略。

  如果產業(yè)及資本市場在投入巨資支持無人駕駛技術應用開發(fā)的同時,也能大力支持人工智能的基礎研究,這樣將會有助于計算機技術和人工智能技術的突破,早日迎來完全無人駕駛的曙光。