无人车驶向何方（参考封面无人驾驶）

参考消息网10月14日报道美国《彭博商业周刊》10月10日刊登题为《尽管投入1000亿美元，但自动驾驶汽车还是没有进展》的封面文章，作者是马克斯·查夫金。全文摘编如下：

凌晨2点，第一辆轰鸣的汽车把詹妮弗·金吵醒。她说：“那声音听起来就像是一艘气垫船。”金看向窗外，那里有一辆白色捷豹越野车从她的车道上倒出去，车顶上有一个巨大的风扇——那是一个激光传感器——并带有谷歌无人驾驶汽车部门“出行新方式”公司的标识。

她看到自动驾驶软件似乎存在一个缺陷：这辆车似乎是在利用她家完成一次三点调头。她说，如果只倒一次没什么大不了的，但每天都有几十辆谷歌汽车做着同样的事情，而且很多次。

金曾向谷歌投诉说这些汽车让她抓狂，但这些车还是不断地来完成三点调头动作。有时候，一些越野车会同时出现，排成一队，就像一支僵尸大军。整件事持续了数周，直到去年10月，金打电话给哥伦比亚广播公司在当地的分支机构。

美国《彭博商业周刊》10月10日一期封面

投入巨大成果寥寥

“出行新方式”公司不承认其技术存在故障，并在一份声明中说，这些汽车一直“遵守与普通汽车一样的道路交通法规”。与硅谷和底特律的同行一样，该公司也将此类事件描述为在通往无人驾驶未来的道路上的孤立事件。十多年来，谷歌、通用、福特、特斯拉和祖克斯等公司发布了炫目的演示，承诺无人驾驶汽车可以在混乱的城市场景、高速公路上和极端天气下完成自动驾驶。这些公司表示，它们马上就能终结交通事故、高峰时期的堵车，颠覆价值2万亿美元的全球汽车行业。

在这些企业开始推出它们所称的自动驾驶汽车6年后，在完成首次自动驾驶演示近20年后，路上行驶的自动驾驶汽车却寥寥无几。它们仍然无法应对更为棘手的天气模式。先进的机器人汽车还难以应对建筑物、动物、交通锥、过街的协警以及我们大多数人所说的“左转”。

据麦肯锡咨询公司的一份报告，这似乎是该行业在投资者押注大约1000亿美元后所给出的最好表现。虽然这个行业的大企业仍表现出乐观情绪，但逐渐形成的共识是，机器人出租车的世界并不在下一个左转路口——我们可能还要等上几十年，或者是永远。

乔治·霍茨的公司生产汽车辅助系统。他说：“这是个骗局。这些公司已经浪费了数百亿美元。”2018年，分析师估计，“出行新方式”公司的市值为1750亿美元，而该公司最新的估值只有300亿美元。

近年来，该行业许多最有前途的公司都遭遇了同样的命运，包括祖克斯公司和优步的自动驾驶部门。高德纳咨询公司的分析师迈克·拉姆齐说：“长期来看，我认为我们将拥有你我都能买得起的自动驾驶汽车。但那时我们就很老了。”

无人驾驶的未来开始变得非常遥远，甚至连一些最狂热的信徒也变成了异教徒。其中最重要的一个人就是安东尼·莱万多夫斯基：他可以说创建了自动驾驶研究模型，在十多年里，他一直是该领域最耀眼的明星。现在，他经营着一家初创企业，为工业场所开发自动驾驶卡车。他说，在可预见的未来，这差不多是任何无人驾驶汽车能应付的最复杂场景。

交通事故频率更高

所有自动驾驶汽车的演示或多或少都是一样的。你坐在后座上，看着方向盘自己移动，屏幕上显示的是电脑“看到了”什么。显示屏上，每辆汽车、自行车、乱穿马路者、停车信号灯等都被标上了红色或绿色的小方块。当你在驾驶自己的汽车时，所有这些输入信号都是潜意识的，但把它们显示出来则给人一种压迫感。它让人觉得驾驶要危险得多，最好留给机器去处理。汽车企业知道这一点，这就是它们为什么这样做的原因。

这个行业最喜欢的一条箴言是人类都是糟糕的司机。对于在高峰时段选择从高速公路回家的人来说，这似乎是凭直觉得出的结论，但这一点与事实完全不符。让一个一流的机器人去解决任何困难的驾驶任务，如果它能坚持几秒钟不垮掉就算幸运了。

霍茨说：“人类是非常优秀的驾驶员——非常棒。”美国国家公路交通安全管理局称，交通死亡人数很低，致命交通事故在很大程度上是鲁莽行为造成的——超速、醉酒、发短信以及开车睡觉。从整体来看，校车司机大约每5亿英里才发生一起致命车祸。尽管自动驾驶汽车报告的大多数事故都是轻微的，但数据显示，自动驾驶汽车比人类驾驶汽车发生交通事故的频率更高，追尾碰撞尤其常见。拉姆齐说：“问题在于，目前还没有测试来确定无人驾驶汽车是否安全。基本上只有传闻。”

市场领军者“出行新方式”公司去年说，它在大约10年里行驶了2000多万英里。这意味着，在我们可以说无人驾驶汽车造成的死亡人数少于公交车司机之前，它们的行驶总里程还要增加25倍。

“深度学习”效果有限

就目前而言，我们所知道的是：计算机的运算速度比我们快很多，但它们仍然不知道如何处理许多常见的道路上的变数。在城市街道上开车的人发现有几只鸽子在隔离带附近啄食，他们一定知道：汽车开近了鸽子就会飞走；后面的司机也知道鸽子会飞走。司机们知道不必考虑这个问题，刹车不仅没有必要，而且是危险的，所以他们会保持速度。

而最聪明的自动驾驶汽车所“看到”的是一个小障碍。它不知道障碍物是从哪里来，也不知道可能往哪里去，它只知道应该让汽车安全地避开障碍物，所以它可能会刹车。最好的情况是发生小堵车，但突然刹车可能会导致后面的车追尾。计算机通过重复来解决它们的缺点。这意味着，如果你给自动驾驶汽车足够多的时间展示同样的鸽子场景，它可能会想出如何可靠地处理这些情况。但它可能不知道如果鸽子稍有不同、飞行的方式稍有不同该如何应对。

业内人士用“深度学习”来描述这一过程，但这听起来比实际情况更复杂。研究人工智能和自动驾驶汽车极限的纽约大学心理学教授加里·马库斯说：“深度学习所做的事情类似于记忆。只有在情形相似的情况下才会奏效。”

这些“边缘案例”的范围实际上是无限的。想一下：一辆不打灯穿过三条车道的汽车，或者也这么横穿车道的骑车人，或者在路肩漫步的鹿，或者是低空飞行的飞机、老鹰或无人机。即便是相对容易的驾驶问题也会因天气、路况和人类行为的不同而导致出现数量惊人的变化。马库斯说：“你以为一个地方和另一个地方的道路非常相似。但世界是复杂的。每一个左转情况都略有不同。”

对2004年就做出自己第一辆自动驾驶汽车的莱万多夫斯基来说，最先进的无人驾驶汽车公司都还在做着堪称极其先进的演示。他很清楚，这些演示是有意误导人的。他说：“这是一种错觉。每一次成功的演示背后可能都会有几十个失败的演示。你只需要坐在司机后面几分钟就能判断这个司机会不会开车，而计算机却不是这样工作的。如果自动驾驶汽车成功地完成了一个路线的行驶，没有人能保证它能完成第20次，甚至是第二次。”

来源：参考消息网