自動駕駛系統已經逐漸裝配在現代的汽車上，但是它們大多只能在特定的條件下做輔助駕駛。即使汽車生產廠商和消費者都望眼欲穿地期待著全自動駕駛的汽車，想要真正實現這個目標，還有很多不同的自動化階段需要經歷。
撰文 | 史蒂文·施多福 （Steven Shladover）
翻譯 | 劉亞輝
很快，電子司機就能隨時帶我們去往我們想去的地方了，只要不強行左轉彎穿過擁擠的車流，就能100%保障安全。變化多端的路面情況和冰雪覆蓋也是問題。對於電子司機來說，在行駛中避讓交通警察、交通協管員和急救車輛將是非常關鍵的環節；要是在行人可能突然跑到汽車前面的鬧市區，我們可能只能暫時和電子司機說再見，選擇步行或者乘坐地鐵。
就像前面講到的一樣，人類駕駛員在日常駕駛過程中能夠輕鬆解決面臨的問題，但是，對計算機來說，這些決策卻是巨大的挑戰。我們需要投入時間、金錢和大量的工作才能讓計算機解決這些問題。然而，現在有很多人篤定地認為，完全自動化的汽車馬上就要來了。
是什麼引發了這種分歧？一部分原因在於用詞，大眾媒體不加區別地運用「自主」、「無人」以及「自動駕駛」來描述這些不同的技術，卻模糊它們之間的區別。此外，汽車行業也沒有幫忙澄清事實。汽車製造廠、設備供應商和技術公司的營銷者精心策劃宣傳材料，以便更好地詮釋自家產品的自動化程度。行業內的記者在報導相關進展時，也會主動選擇最樂觀的預測，因為這樣才會令人興奮。信息在這樣的環境中傳播後，用戶對產品不現實的預期很快就呈螺旋式上升了。
目前這種混亂的闡述十分糟糕。自動化駕駛技術就要來了，但是這種可以挽救生命、降低汙染、節約能源的新技術，卻不會以你之前理解的方式到來。
駕駛車輛遠比人們想像的複雜，這涉及很多技能和行為。其中有一部分非常容易實現自動化，例如，利用過去幾十年在傳統的巡航控制系統中積累的經驗，可以讓汽車在公路上自動保持勻速行使。隨著科技進步，工程師們還成功實現了其他一些任務的自動化：目前廣泛應用的自適應巡航控制系統可保持適當車速和車間距；在梅賽德斯—奔馳和英菲尼迪的新車型上也使用了車道保持系統，它可以協調攝像頭、傳感器收集的信息，利用方向控制項使車輛維持在車道中間行駛。現在，汽車已然非常聰明了，可是即便如此，從目前的汽車自動系統到完全的自動化駕駛，還有非常巨大的鴻溝需要跨越。
國際汽車工程師協會（SAE International，前身為汽車工程師協會）定義了關於自動駕駛的五個階段，這種劃分有助於我們釐清關於自動化駕駛的很多問題。以自動化程度的不同為依據，前三個階段（不包括零級，即無自動化）的技術全部需要依靠人類來處理行駛過程中的緊急情況。在第一階段中，包括自適應巡航系統、車道保持系統等類似系統；在第二個階段中，系統整合了第一階段的技術（比如車道保持和自適應巡航控制系統中的車輛橫向縱向控制），從而實現更複雜的自動駕駛任務。目前在市場中銷售的自動駕駛車輛只能達到這一階段；第三階段的系統允許駕駛員在特定場景中切換到自動駕駛狀態，比如在高速公路上堵車時。
最後的兩個階段與前面的階段大不相同，完全不需人類協助。第四個階段的（高自動化）系統可處理所有與駕駛相關的任務，但是使用場景嚴格限定在封閉停車場或高速專用車道上。頂級的第五階段就是完全自動化的汽車了。日本日產汽車公司執行長卡洛斯·戈恩（Carlos Ghosn）等人曾信心滿滿地宣布，2020年自動化汽車將能上路駕駛，想必很多人心裡設想的自動駕駛汽車，就是這種了。
然而，頂級自動駕駛系統不可能很快上路，相反，它還有很長的路要走。目前距離第三個階段就已經很近了，發展到第四階段還需要幾十年的時間。為了認識目前所處的混亂環境，也為了說明為什麼會有以上預測，我們可以從軟體的角度來談一談。
國際汽車工程師協會對不同的汽車的自動化程度做出了解釋，並對自動化程度排出完整的序列。有意思的是，第四階段的自動化技術要比第三階段的自動化技術易於控制，而第五階段的自動化技術（不需人類輸入指令即可掌控一切駕駛條件的電子駕駛員）仍需幾十年才能實現。（點擊查看大圖）
無論公眾怎麼看，人類駕駛員還是非常善於避免嚴重車禍的發生。2011年美國交通安全統計數據顯示，綜合所有司機的駕駛情況，大概駕駛330萬小時會發生一起致命碰撞；駕駛64 000小時會發生一起致傷碰撞。這些數字為自動駕駛系統設立了重要的安全目標，即自動駕駛的最低安全標準不得低於人類駕駛時的標準。想要自動駕駛的可靠性達到這個標準，還有很長的路要走，這中間的距離可比很多自動駕駛愛好者認為的長。
想想你的筆記本電腦多久死一次機，如果這樣的軟體用於汽車駕駛，「藍屏死機」將不僅僅是一句抱怨，軟體延遲十分之一秒響應都有可能引發交通事故。所以，自動駕駛涉及的軟體必須使用截然不同的標準來設計開發，不能以消費市場上現有的設備為基礎。
要達到這些標準極其困難，需要在軟體工程和信號處理上都取得根本性的突破才行。首先，工程師需要使用全新的方式設計軟體，設計出的軟體還需要通過高標準的測試，確保在複雜和變化迅速的條件下也能準確運行。目前，在簡單的應用場景中，已經採用了一種有趣的新方式：在真實應用一段代碼前，分析所有可能出錯的地方。這種方法就像用數學證明驗證電腦程式一樣。科學家已經開始考慮擴大這類測試，因為自動駕駛系統可能涉及到一些超級複雜的代碼，用新的方式做測試，可以預先檢驗軟體能否完全實現自動駕駛的要求。
一旦寫好代碼，軟體工程師就需要嘗試新的辦法來調試和驗證，因為現有的方法既繁瑣又昂貴。客觀來講，在開發新型商用或軍用飛機時，一半的成本都來自軟體調試和驗證，然而，飛機上使用的軟體遠不如自動駕駛系統需要的那麼複雜。工程師設計飛機自動駕駛系統時，不需要考慮在飛行過程中，附近飛機的精確速度和位置，因為距離太遠，總有足夠的時間做出反應。飛機在飛行中，系統可以在命令下達數十秒後才制定出適宜的執行方案。反觀自動駕駛的汽車，行駛時前後都有很多車輛，還有可能出現突然闖入眼帘的障礙物,面臨突發問題。在任何情況下，汽車的自動駕駛系統都需要在幾微秒之內做出決策，因此，和飛機上使用的系統和代碼相比，這個系統複雜了幾個數量級。
一旦代碼通過驗證，生產商就需要「證明」這套系統的安全性足以滿足各方（公司風險管理人員、保險公司、安全倡導者、立法者和潛在客戶）的要求。在這種情況下，常規使用的「驗收測試」將變得不切實際。為了確保成千上萬的消費者在日常使用中，車輛能夠應對不同的危險場景，測試者需讓汽車行駛數十億千米。即使利用統計學的方法減少測試的距離，也要跑上很長的距離。為了解決這個問題，行業內部人員已經開始做一些新的嘗試。德國的政府部分和行業機構已經啟動了一個幾百萬美金的項目，但不得不說，努力才剛剛開始。
除了控制車輛的代碼（通常比喻為大腦）需要接受嚴格審查，給大腦提供決策數據的傳感器也需要接受同樣嚴格的審查。工程師必須開發新的處理傳感器信號的算法和數據融合算法，使假陰性（意外出現、沒有登記在案的威脅性對象）和假陽性（非威脅性對象，但被錯誤分類，導致車輛出現急轉彎和緊急制動等不恰當反應）的情況趨近於零，高效區分道路上威脅性和非威脅性的對象，以便及時做出反應。
工程師不能求助商用飛機系統採用的強制冗餘系統，因為自動化汽車是消費性產品，它的價格應該讓大眾能夠負擔。不過，求助於人工智慧也不能顯著解決安全問題。也有些人建議利用機器學習，這樣就能使自動駕駛系統利用數百萬小時的駕駛數據，訓練出一個身經百戰的系統。在消費者使用時，這個系統還能一直學習，一直更新。但是，機器學習本身的問題就在於非確定性。如果用不同的交通情況訓練駕駛系統，在一年後，兩輛從一條生產線出來的汽車也會產生截然不同的控制代碼。
沃爾沃將對超過100輛SUV進行實地測試，這些SUV可以監測周圍環境並自行導航。這些車輛已應用於歐洲公路列車測試。
我曾經說過，在2040年前完全自動化的駕駛系統很難出現，然而，不知從什麼時候開始，就有人引用我的話說自動駕駛的最高階段在2040年就能實現。我想說，到2075年完全自動化的駕駛系統都很難實現。真正實現的時間會比這個時間節點早嗎？也有可能，但不會提早太多。
要實現第三階段的自動化駕駛，也有很多問題需要解決。在出現緊急情況時，應該如何使駕駛人員重新集中注意力？比如，駕駛員欣賞風景開了小差，或者更糟，在開車時睡著了。我聽過一些汽車製造商代表的討論，他們覺得這些問題太令人頭疼，以至於不想開發第三階段的系統。在交通擁堵，車輛走走停停時，堵塞輔助系統就能接管駕駛，這時車速很低，即使發生碰撞也很輕微。但是，除了這種有限的使用場景外，第三階段的自動化駕駛很有可能直接被跳過，永遠也不會實現。
或許，在下一個十年中就會出現自動化駕駛程度非常高的汽車。現在，幾乎所有大型汽車生產商和信息技術公司都在盯著這一塊，他們對第四階段的自動化技術（受限於特定環境，但不依賴人類的完全自動駕駛）投入了大量資源。如果在一些特定的場景中，必須使用自動化汽車系統，那麼第四階段技術的可行性是非常高的。比如在機場裡，一些專門設計的自動化載人軌道已經應用很多年了。
我們可以暢想，在未來十年間極有可能出現自動泊車系統。它允許駕駛員在車場入口處下車，讓車自動進入裝備完善、不允許行人和非自動化汽車進入的場地。此時，自動駕駛系統會與遍布車庫的傳感器通訊，找出可停放地點，並自動導航到目的地。可以想像，由於沒有開關車門的需求，車位兩邊的空間也可以比現行標準更窄，這就能留出更多的空間，容納更多車輛。
在城市中的人行區、商業區、大學校園和其他不允許高速車輛通過的地方，低速的無人駕駛客車也很適用。這些環境中，性能有限的傳感器也能有效探測行人和騎自行車的人。如果傳感器探測到假陽性，在不必要的情況下選擇了剎車，頂多使車上的乘客感到不愉快，不會傷害其他人。2014年，歐盟委員會推出的城市出行計劃（CityMobil2）中就一直在展示這類技術，近期，計劃展示的內容又更新了一次。
把公交專用道和卡車專用車道與其他車道分開，就能很快使商用的自動駕駛車輛上路。按這種計劃運行，就能讓自動化駕駛的可行性得到明顯提升。人車分離的方式能極大簡化危險探測和反應系統，無人駕駛的卡車和巴士就能夠形成節能車隊，跟隨領頭的人類駕駛汽車行駛。全球有大量研究人員都測試過巴士和卡車車隊自動化駕駛系統，其中包括加利福尼亞大學伯克利分校的加利福尼亞高級交通技術聯盟項目、日本的能源智能交通系統項目、歐洲的Konvoi和安全道路列車項目（SARTRE）。
當我們期待下一個十年時，第四階段的自動化高速公路系統很有可能會廣泛使用，它能為個人用戶提供直接服務，允許汽車在指定的高速路段自動行駛。這套系統中，車輛還包含了冗餘的部件和子系統，即使在出錯時，也能自己能「跛腳回家」，不需人類操心。當然，這種行駛方式一般需要限制在晴天，車道上詳細標明了各種指引標誌。當出現故障時，車輛還可以自動駛入這些路段上設置的「安全港」。現在，大量汽車生產商都在努力開發這類系統，明年，沃爾沃將在瑞典哥德堡推行一項實地測試，到時候，100輛樣車將在公路上測試自動駕駛系統的真實性能。
這些場景可能不像擁有私人電子駕駛員那樣未來感十足，但是，這些技術一定能實現，甚至很快就能實現。
作者簡介：史蒂文·施多福是美國智能交通系統的先驅之一，擁有麻省理工學院（MIT）的學士、碩士和博士學位。20世紀80年代，他曾幫助加利福尼亞大學伯克利分校交通學院創建加利福尼亞高級交通技術聯盟（PATH）項目。
本文原載於《環球科學》2016年7月刊
轉載請聯繫：newmedia@huanqiukexue.com
更多AI深度解讀，盡在《環球科學》2016年7月刊——AI崛起。點擊閱讀原文，了解更多精彩期刊。購任意兩本可享包郵。