旅行的未来：无人驾驶汽车真的指日可待吗？

自动驾驶是百年汽车工业的新高度，也是智慧出行梦寐以求的目标。

今年以来，从各种自动驾驶技术在拉斯维加斯电子展上高调亮相，到多家汽车和科技公司激进地宣示自动驾驶商业计划，一些媒体开始宣称自动驾驶将比人们想象的还要强大。

时间来得比人们想象的要早。

当前社会和行业存在着一种浮躁的情绪。

看来无人驾驶已经指日可待，谁不抓住就会被淘汰，造成资本市场压力和行业普遍焦虑。

无人驾驶真的指日可待吗？我的回答很简单：不。

不仅没有，而且还很远。

主观能动性是自动驾驶的必要条件。

要问为什么，我们首先要明白什么是自动驾驶，我们需要什么样的自动驾驶。

无人驾驶是自动驾驶汽车技术的顶尖技术。

根据美国汽车工程师学会（SAE）对自动驾驶的五级分类，一到三级是载人自动驾驶，或者说是辅助自动驾驶，这意味着驾驶的最终决策仍然由人类负责。

在这些阶段，所有自动驾驶技术的应用只是为了改善人们的驾驶体验，尤其是安全体验。

4级和5级是无人自动驾驶，可以完全将人排除在驾驶决策之外。

4级是有限场景无人驾驶，5级是无限场景无人驾驶。

显然，4级和5级是真正的无人驾驶。

本文讨论的自动驾驶是指以人类出行为目的的4级和5级车辆自动驾驶。

4级自动驾驶在某些特定场景下可以较快实现，但不会给汽车行业带来颠覆性变化。

这是因为大多数人不会购买只能在规定道路上行驶的汽车。

无人驾驶车辆在指定区域内行驶。

追求自由是人的本性。

正如美国交通部长赵小兰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。

限制自由的自动驾驶汽车可能只是公共交通的延伸，并不会取代当今庞大的个人拥有汽车市场。

要实现无限场景的无人驾驶，安全既是初衷，也是最大的障碍。

我们必须明白，汽车是一种非常独特的产品——它体积大，涉及人们日常出行的必要，更重要的是，它与人们的生命安全密切相关。

开发无人驾驶技术的首要目的是提高其安全性。

由于汽车行驶过程中的每个场景都是非重复且复杂的，高速行驶时稍有不慎就可能导致生命危险。

因此，自动驾驶必须能够像合格的人类驾驶员一样基于主观意识进行推断。

主观能动性——这不是哲学意义上的主观能动性，而是指自动驾驶在遇到任何不熟悉或意想不到的场景时能够主动做出正确判断和操作的能力，并且能够比人类做得更好，从而实现比人类更高的安全性人类驾驶。

在我们目前所处的交通环境中，没有主观能动性的无人驾驶汽车无疑是一个巨大的安全隐患，违背了无人驾驶安全第一的原则。

为了减少甚至取代自动驾驶对主观能动性的依赖，人们设想了一个理想的场景：厘米级高精度地图覆盖汽车能到达的所有地方；道路上的每辆车都有车与车、车与车、车与系统的智能互联，避免可能发生的碰撞；行人和车辆分开也有客观条件。

在这种情况下，自动驾驶汽车即使不完全具备主观能动性，也可以在预定的道路上安全地自主行驶，就像当今智能制造工厂广泛使用的全自动运输车（AGV）一样。

目前，一些接近该条件的应用场景正在涌现，旨在短时间内实现第四级有限场景的自动驾驶。

然而，让所有场景都满足这些条件，显然是一项浩大而庞大的工程，涉及整个社会生存空间的变化。

它不是一个或几家公司甚至一个行业就能完成的，在可预见的未来几乎永远不会成为现实。

因此，主观能动性是自动驾驶的必要条件。

没有主观能动性的无人驾驶，是对科学的不尊重、对生命的蔑视、对社会的不负责任。

在主观能动性条件还不成熟的情况下，如何实现主观能动性的自动驾驶？路径可能有很多，但目前被广泛采用并被寄予厚望的就是人工智能技术。

什么是人工智能？简单来说，就是利用人工机器（如计算机）来实现人类的感知和决策功能。

经过半个多世纪的发展，人工智能技术从早期的语言、文本处理到如今的图像、语音识别，取得了长足的进步。

尤其是近年来，基于机器学习的人工智能技术取得了突破性的进展，给我们生活的很多方面带来了极大的便利，比如医疗、家居、娱乐、制造、服务等。

目前还处于起步阶段，还不具备支撑自动驾驶所需的主观能动性的能力。

为了理解这一点，我们不妨将人类智能分为三个层次：1）感性； 2）理性； 3）精神上的。

知觉是通过类似的条件反射获得的信息和知识。

例如，如果你被电炉烫伤过一次，你就不会再碰电炉了。

理性是通过人类逻辑思维获得的知识，比如知道如果关掉电源，就可以清洁电炉。

逻辑判断；灵性是人在一定的感性思维和理性思维基础上的智能思维，包括人的自我认知、意识、情感和主观能动性。

例如，人们可以安全地使用电炉来制作各种美味佳肴，激发无限的欢乐和享受的情绪。

当然，人类智力的这三个层次是密切相关且相辅相成的。

灵性智慧思维是人类智慧的最高境界。

与人类智能的分类相对应，人工智能通常可分为三个层次，即弱人工智能、一般人工智能（也称强人工智能）和超人工智能。

弱人工智能是指在一定条件下才能应用的人工智能，例如图像识别、语音识别等。

弱人工智能可以在人类的某些特定定义下实现逻辑推理。

虽然它有时可以达到或超过人类的能力（例如国际象棋），但它实际上并不具备智能。

规则一旦改变，就不会自主演化，即没有意识，没有主观能动性。

广义人工智能是指与人类几乎相同的智能，包括自觉意识、自主进化、主观能动性等。

超级人工智能是指未来的一种可能性，智能机器可能拥有超越人类智能的智能。

在后两个阶段，人工智能既可以成为人类的朋友，也可以成为人类的敌人。

因此，众多人工智能专家和技术推动者早已联合呼吁人们警惕人工智能可能给人类带来的灾难，并成立了一个以安全使用人工智能为目的的联盟——未来生命研究院。

今天，无论媒体将人工智能描绘得多么神奇，无论IBM的深蓝和谷歌的AlphaGo在对抗人类时表现得多么胜利，我们都应该清醒地认识到，当前的人工智能技术还处于弱人工智能的早期阶段。

也就是说，当今的人工智能技术只能在非常有限的条件下实现人类的逻辑推理，只能在人类预先设定的算法规则下进行学习。

它不具备意识、感知、情感等人类智能思维能力，尚不具备主观能动性。

没有主观能动性的弱人工智能可以在不涉及生命安全的领域取得巨大成就，比如智能家具、智能娱乐、智能制造、智能服务等。

对于自动驾驶来说，弱人工智能技术还可以提供广泛的应用。

辅助自动驾驶级别的应用空间，使其真正成为人们安全快乐驾驶的好帮手。

但对于自动驾驶来说，弱人工智能技术提供的应用空间仍然非常有限，尚无法支持自动驾驶所必需的主观能动性的实现。

虽然数字技术的局限性无法得到证明，但我怀疑从弱人工智能向通用人工智能迈进的主要障碍来自于数字计算技术。

对于通用人工智能来说，数字计算技术可能是一种相对落后的技术。

数值计算本质上是布尔逻辑推理的产物。

布尔逻辑推理中最重要的定律就是排中律，也就是所谓非黑即白，没有中间立场。

基于二进制的数字计算机最基本的计算单元位只有两种状态：0和1。

因此，数字计算机中所有的信息表达和运算都是利用0和1来进行的。

换句话说，所有的信息都以离散的形式存在。

数字计算机中的数字形式。

然而，自然界的变量几乎是连续的，人类的思维乃至生命过程更是连续的。

当我们使用数字计算来处理信息并获得简单和速度的优势时，我们付出了失去信息连续性的沉重代价。

在许多工程应用领域中，连续变量可以通过离散变量的大量迭代来近似，因此数字处理在许多工程应用领域中具有巨大的潜力。

尽管如此，目前还没有办法通过数值计算来表达和处理人类意识、自我意识和主观能动性。

至于谷歌的AlphaGo之所以能够在围棋游戏中击败无敌的人类棋手，是因为围棋的规则完全符合布尔数学逻辑，围棋的所有选项都可以完全用离散数字模型来表达。

事实上，人们很早就认识到布尔逻辑的局限性。

半个世纪前提出的模糊逻辑打破了布尔逻辑零一准则的局限性，提出了一种一切皆有可能但程度不同的连续思维逻辑，这种思维逻辑更接近人类的思维逻辑。

事实上，布尔逻辑只是模糊逻辑的理想化特例。

在模糊逻辑所依据的连续函数线上，布尔逻辑仅位于一个点。

显然，用离散点的逻辑来精确模拟人类连续的意识思维几乎是不可能的。

因此，我认为通用人工智能的实现有赖于超越数字时代。

机器学习的真相与困境 自动驾驶控制决策的实现基于两个方面。

首先是通过对汽车的物理系统、运行机构、运行轨迹进行建模，实现人类能够准确描述因果关系的控制策略。

然而，这种能够准确描述因果关系的控制策略极其有限，不足以满足自动驾驶环境的高度不确定性。

因此，近年来机器学习被广泛应用于自动驾驶技术的开发中，以通过大量的数据学习来提高自动驾驶的感知和决策能力。

业界对机器学习技术寄予厚望。

然而，机器学习很难承担起赋予汽车主观能动性的重任。

这是因为，无论机器学习算法多么先进，无论是卷积神经网络还是迭代神经网络，归根到底都是通过离散数来表达事物之间的相关性，而不是因果关系。

机器学习最根本的目标是能够从有限的样本中获得通用机制，从而识别出像人类一样无限可能的场景。

然而，因果关系未知的数值模型就像一个黑匣子，很难生成通用的规则和机制。

因此，机器学习建立的数字模型和算法缺乏扩展生成功能，难以举一反三。

尽管人工智能领域已经注意到机器学习的这一局限性并开展了研究，但理论上的突破还需要时间。

许多人工智能专家对业界过度夸大机器学习的作用表示极大担忧。

例如，美国纽约大学著名人工智能教授加里·马库斯博士就指出，对人工智能的过度炒作可能会导致它的下一个冬天。

尽管人们对机器学习在自动驾驶中的应用抱有很高的期望，但目前基于机器学习的自动驾驶只能从过去学习到的数字模型中找到最接近的场景来控制操作，而无法像人类驾驶一样控制操作。

大家可以根据自己丰富的经验和认识，举一反三。

在这种情况下，自动驾驶可能会陷入视而不见、有感觉而不知道的困境，甚至可能具有精神分裂症的特征。

我们还不能把我们的生活托付给这样的自动驾驶。

我相信，在数字技术时代，无论计算机芯片迭代得有多快，或者机器学习算法如何完善，可能只能促进薄弱的人工智能技术的量的提升，却很难实现全面的提升。

人工智能技术质的飞跃。

人工智能的突破还依赖于对生命和物质本身基本属性的持续深入探索。

换句话说，仅依靠机器学习的数字算法很难培养自动驾驶所需的主观能动性。

无人驾驶的实现取决于数字技术的突破和计算技术本身的革命。

在仿生学和量子计算的演进中，我们可以看到无人驾驶的曙光。

商业化之路是艰辛而漫长的。

即使人工智能技术实现质的飞跃，能够支撑自动驾驶所需的主观能动性，但其工程应用开发和商业化仍需要经历一个艰巨而漫长的过程。

美国麻省理工学院教授Max Tegmark在2017年出版的人工智能专着《生命3.0》中指出：人工智能技术的广泛应用应经过以下步骤：1.验证，即证明产品符合设计要求； 2、Validation，即证明产品满足用户的实际要求； 3、网络安全，即提供有效手段防止自然灾害或人为攻击； 4、风险控制（Control），即重大事故发生时提供有效的控制方案。

目前，自动驾驶技术的研发主要集中在第一阶段，即验证自动驾驶能做什么。

第二阶段更重要，也更具挑战性，因为用户的场景几乎是无限的。

现阶段，我们不仅要问自动驾驶能做什么，还要问它不能做什么、不应该做什么。

我们必须对自动驾驶的安全性进行非常严格的验证，包括软件的可靠性和硬件的可靠性。

性能和系统集成可靠性。

这些验证必须严格遵守行业认可的工程标准。

但这些标准目前尚未形成，短期内制定起来难度较大。

因此，目前还没有一家自动驾驶公司能够宣称已经或将要完成自动驾驶的全部验证和实证工作。

从汽车架构的角度来看，自动驾驶绝不是在现有汽车上添加传感器和控制算法那么简单。

汽车架构几乎需要重新设计才能满足自动驾驶的安全要求。

例如，汽车的总线布局能否在越来越多的电气节点之间进行安全可靠的通信？汽车如何随时了解自身的健康状况？如何保证软件更新的安全性和可靠性？网络传输安全可靠吗？因为在无人驾驶状态下，汽车的任何一个小故障都可能导致人员伤亡。

自动驾驶从样车展示到商业落地有一个极其漫长的工程流程。

仅看道路测试，知名咨询公司兰德公司的一份研究报告显示，自动驾驶必须实现每行驶27万英里仅发生一起伤亡事故，才能从统计上证明其具有与载人驾驶相同的安全水平。

安全。

最近很多关于无人驾驶汽车上路的报道，无论是公交车还是出租车，还是送货或者送餐，基本上都只是示范。

如果没有扎实的研究和工程开发，过多的示范会弊大于利，甚至可能让自动驾驶走上示范之路。

比如Uber事件就给社会带来了很大的负面影响。

美国汽车协会（AAA）的一项调查显示，Uber事件发生后，不信任自动驾驶的人群比例较去年增加了10%。

如果Waymo出现像Uber那样的致命事故，相信会对社会造成更大的负面影响，并导致其无人驾驶项目陷入停滞。

福特汽车公司近期发布的自动驾驶报告以信任为主题，以增加人们对自动驾驶的信心。

正是因为自动驾驶与生活息息相关，如果不经过严格的工程验证和实证过程，任何短期内贸然将自动驾驶产品或服务商业化的结果几乎是可以预见的：没有人们的实际参与，如果有人类驾驶测试，最终召回的可能性非常高。

无人驾驶道路上有两条截然不同的道路。

一种是以Google为代表的一步到位路径。

谷歌的逻辑是有道理的：人类和机器之间共享驾驶决策会带来巨大的安全风险，因此最好将所有驾驶交给汽车。

另一种是以密歇根大学和众多传统汽车企业为代表的分步路径，即自动驾驶的进展要从一级到五级逐步推进。

这就是为什么密歇根大学的自动驾驶项目被称为互联自动驾驶汽车（CAV），而不是简单的无人驾驶汽车。

三年前，密歇根大学牵头建立了首个自动驾驶专用测试场Mcity。

密歇根大学机器人研究所也在积极推动各级自动驾驶技术的研发，并得到了福特等公司的大力支持和密切合作。

汽车行业在致力于发展无人驾驶技术的同时，现阶段仍应将主要精力放在智能网联技术在辅助自动驾驶方面的应用；应该放下焦虑，专注于智能网联与ADAS技术的融合。

开发应用进行到底。

前面提到，人工智能技术虽然薄弱，不足以支撑完全的无人驾驶，但在辅助自动驾驶方面潜力巨大，所以智能驾驶不能只针对无人驾驶。

相信通用、福特、上汽、长安等传统汽车以及博世等供应商都致力于辅助自动驾驶阶段智能技术的研发和应用，真正为用户带来丰富美好的驾驶体验，尤其是安全的体验。

。

例如，通用汽车在大力投资自动驾驶项目的同时，也一直致力于开发辅助驾驶级别的Super Cruise项目。

今年上线成功，取得了良好的经济效益。

脚踏实地，砥砺前行。

正如一位智者所说，我们明白了生活的真相，我们依然热爱生活。

尽管自动驾驶之路布满荆棘，尽管它的实现还很遥远，但我们不能停下来。

我们满怀希望，但我们更应该认清事实，脚踏实地，砥砺前行。

在自动驾驶美好未来的道路上，汽车行业应避免互相追逐的大跃进心态，从而实现有限资源的合理配置。

为了避免同一层面过多重复，汽车行业应该团结起来，走合作、突破、共享的道路。

目前，行业在有限场景下推广无人驾驶具有重要意义，因为这是迈向无人驾驶的必由之路。

由于自动驾驶从有限场景到无限场景还有很长的路要走，其盈利模式尚不明确，资本市场应该给予企业尤其是初创企业更多的耐心和支持。

同时，自动驾驶技术的任何突破都应该集中在辅助自动驾驶的商业应用上。

L4 开花和 L3 结果是一个很好的策略。

如果产业和资本市场大力投入支持自动驾驶技术的应用和发展，也可以大力支持人工智能的基础研究。

这将有助于实现计算机技术和人工智能技术的突破，尽快迎来完全自动驾驶。

开车的黎明。