轉眼間時間已經來到了2020年，科技的飛速發展讓許多過去想像不到的事情都成為了現實，可是，也有一些原本我們認定現在將會發生的事情，依然和過去一樣遙遠，比如——自動駕駛汽車相關的媒體報導似乎已經徹底「熄火」了。
Vox刊文稱，當初許多媒體都曾經預言過，自動駕駛汽車2020年就該真正走進我們的生活了。比如，《衛報》在2015年曾經斷言，從2015年開始，我們就將成為「永久的後座司機」，Business Insider也曾經在2016年發布過題為《2020年前將有千萬部自動駕駛汽車上路》的報導。樂觀的不單單是媒體，從通用汽車到谷歌旗下Waymo，再到豐田、本田，許多新老企業都大膽斷言，說自己2020年前就將開始量產自動駕駛汽車。馬斯克（Elon Musk）更是大放衛星，說自己的特斯拉2018年前就可以做到……
然而，現在已經是2020年了，本該在路上的自動駕駛汽車呢？
當然前面這些科技或汽車領域大名鼎鼎的公司也不只是放空炮，而是付出了實實在在的努力，取得了一定的成果。比如，現在有的汽車已經配備了自動剎車，可以在預判到潛在的碰撞時先行避免，也有的汽車配備了讓你不偏離車道的助手，甚至特斯拉Model S的Autopilot的技術已經基本可以處理高速公路行駛了。
可是，真正意義上的完全自動駕駛汽車至今也還沒有駛出實驗階段。這些企業的工程師團隊雖然在許多方面，在許多片段上都取得了進步，但是距離前面所做的那些預言，相隔並不比當年更近多少。
到底是怎麼回事？對於這個大家期待已久的新技術，或許我們可以通過九個問題，去窺探那美妙的許諾為何至今還未能兌現。
1)自動駕駛汽車到底是如何工作的？
其實，從幾十年前開始，工程師們就一直在努力開發自動駕駛汽車了。這個理念背後的邏輯非常簡單——為一部汽車配備大量攝像頭，攝像頭系統可以同時監控周邊的所有情況，讓汽車據此判斷該做出怎樣的反應。將行車的規則教給車載電腦，然後讓後者自行決定如何駛往目的地。
解釋雖然非常簡單，但是要真正做到，卻是極為複雜的工作。在人類常見的行為當中，駕駛本身就屬於最複雜者之一。機器只靠著遵守一系列規則，還是無法像人類那樣自如地駕駛，因為我們有許多機器目前還無法達到的能力，比如通過與別的司機眼神交流來確認路權，比如在不同的天氣條件下調整自己的駕駛行為，所有這些都是很難通過代碼來寫進機器規則的。
拋開這些微妙的內容不說，單單自動駕駛概念下最簡單的部分，比如追蹤汽車周圍所有的路上目標，其實也遠比說起來複雜得多。谷歌旗下的Waymo是公認的自動駕駛行業領先者，其汽車也堪稱是業界標杆，使用的是高解析度攝像頭和雷射定位技術，後者根據反射光來判定與目標的距離。
汽車的電腦系統將所有信號匯集起來，形成全景圖——其他的汽車、自行車、行人和各種障礙物都處在怎樣的位置，正在做怎樣的移動。要完成這一目標，電腦就需要海量數據的「訓練」——必須收集多少百萬英裡的駕駛數據，才能幫助系統就其他目標可能會如何移動建立合理的預期。要獲得足夠多的道路訓練數據是極為困難的，因此他們的汽車還必須同時基於模擬數據來訓練——麻煩的是，公司的工程師自己也不能確定人工智慧系統基於這些模擬數據所做的訓練是否能夠引導它在現實世界當中做出恰當的反應。
當然，對於一部真正可以上路的自動駕駛汽車所需要的龐雜系統而言，前面所說的這個小細節不過九牛一毛而已。不過，這至少已經足以說明一個最基本的原則。當你質疑為什麼自動駕駛汽車現在還沒有來到身邊時，你必須明白：哪怕最「簡單」的事情，背後也往往隱藏著驚掉你下巴的複雜。
2) 為什麼自動駕駛汽車上路的時間比預想晚了這麼多？
自動駕駛汽車是依靠人工智慧技術運作的。2010年代可謂是人工智慧的黃金十年。翻譯、語言生成、電腦視覺、目標識別、遊戲等方向都取得了巨大的進展。曾經，人工智慧想要準確識別一條狗都非常困難，但現在，那樣的小事簡直不值一提。
正是因為人工智慧的巨大進步，當年的人們才會對自動駕駛汽車未來的發展如此樂觀。2010年代中期，研究者多數都相信，我們還將在其他各個領域不斷取得進展。
可是，具體到自動駕駛汽車，我們已經取得的進展的局限性就彰顯無遺了。雖然投入了大量的時間、金錢和精力，但是還是沒有任何一個團隊找到了讓人工智慧可靠處理現實世界道路行駛問題的解決方案。
問題很大程度上是在於需要大量訓練數據。最理想的訓練方式，其實是讓自動駕駛系統「觀看」幾十上百億小時的真實行車視頻，用這些數據教會電腦掌握高超的駕駛技術。當代機器學習系統在數據足夠時，表現是非常優秀的，但是在數據不足時，就有些慘不忍睹了。麻煩在於，為自動駕駛汽車收集這海量數據的成本也將是海量的。有些情況是非常少見的，比如目睹前方發生車禍，或者是路上突然出現某些雜物，如果相關數據訓練不足，自動駕駛汽車在道路上真正遇到這樣的情況時，就可能會「目瞪口呆」。
車廠當然已經在努力通過多種渠道收集數據了，他們的試驗英裡數也在不斷延伸，同時還在利用模擬數據幫助訓練。有時候，他們還會設計特定的解決方案，讓車輛獲得特定情況的更多數據。
他們確實在一點點接近自己的目標。Waymo的汽車現在已經在亞利桑那州的路面上行駛了，一小群經過篩選的用戶可以叫他們的汽車來為自己服務，就像約一部優步那樣。如果進展順利，這一項目今年晚些時候可能會擴展到更多城市。不過，他們還有巨大的問題需要解決，進展速度還是很遲緩的。
3) 一個自動駕駛汽車的世界到底是什麼樣子？
雖然自動駕駛汽車不斷受到挫折，但是相關企業還是在持續投入，只要他們能夠堅持下去，未來總會迎來改變世界的那一天，當然也會讓他們自己獲得巨大的利潤。
許多消費者還是熱切盼望著自動駕駛汽車的。能夠在早晨的上班路上或者是長途駕駛中讀書看報，或者是打個盹兒，想想都愜意。出租公司和共享出行公司當然也會樂於使用自動駕駛汽車，這樣就可以省下給司機的那份錢，所以優步才會在這方面大力度投入。自動駕駛汽車還將大幅改善殘障人士的處境，他們中許多人正是因為無法考取駕駛執照，才會在上班、購物、就醫等的路上遇到諸多問題。
甚至，就連汽車擁有體系是否會改變，專家們都已經在爭論之中了。一些人相信，當人們隨時隨地都可以輕鬆叫來一部自動駕駛的汽車，也許他們就不需要再擁有自己的車子了。
另外一些人則指出，現在即便在共享出行高度發達的地區，也還是有許多人繼續選擇擁有自己的汽車，因此自動駕駛汽車恐怕並不會帶來多大的不同。目前的民調顯示，大多數美國人並不打算讓自動駕駛汽車送自己上班——但是，一旦這些汽車真的出現在他們面前，也許情況就會迅速發生變化。蓋洛普在調查當中發現，只有9%的美國人願意立刻得到這樣一部汽車，而38%的人都表示還會觀望一陣子，餘下的一半多則明確表示，自己永遠不會接受。
從更長期角度來看，基礎設施也會不斷發展，改造得越來越適合自動駕駛汽車。事實上，一些專家已經指出，在對道路進行全面改造，讓自動駕駛汽車更容易溝通和分享信息之前，後者是很難全面普及的。這樣的改造成本非常可觀，可能需要舉國之力，因此不大可能是出現在自動駕駛汽車普及前，而只可能是出現在那之後。
4) 現在誰是行業領先者，他們又在做什麼？
現在，幾乎每一家大車廠都已經投入了自動駕駛汽車的研發新浪潮，只不過，有些還只是試水，而另外一些則要嚴肅得多。
在評估一個自動駕駛程序有多先進時，有兩個核心統計數據。第一個是行駛英裡數，這代表了該公司到底擁有多少數據，以及他們已經在道路試驗上做了多少投入。
另外一個則是每英裡發生所謂「脫離」的次數，即人類司機發現電腦無法處理當前局面，不得不緊急接管，讓車輛脫離自動駕駛模式的情況。大多數企業都不會公布這方面的數據，但是在加利福尼亞州，當地政府要求他們必須報告，讓外間得以窺一斑而見全豹。
在這兩個方面，谷歌的Waymo都是顯而易見的領先者。Waymo不久前剛剛宣布達到了2000萬英裡駕駛路程的裡程碑，只是其中大部分都不是在加州。2018年，Waymo在加州行駛了120萬英裡，平均每1000英裡脫離0.09次。可資對比的是通用汽車的Cruise，後者只有50萬英裡記錄，而每1000英裡脫離0.19次。（Cruise方面辯解說，他們的測試主要都是在舊金山難度更大的街道上進行的，因此這些數據其實比看上去更值得肯定。）
就加州的已知統計數據而言，這兩家公司無論在試驗裡程還是脫離率上都明顯領先於其他玩家。雖然更多的數據依然屬於未知領域，但是大多數行業專家都相信，他們兩家的程序是最優秀的。
5) 自動駕駛汽車不是撞死過人嗎？這是怎麼發生的？各種安全問題該如何解決？
2018年3月18日，發生了第一例自動駕駛汽車撞死行人的事件。當時，在亞利桑那州Tempe的街道上，一部配備了人類司機的優步測試汽車撞上了正推自行車過路的赫茲伯格（Elaine Herzberg），後者送醫後死亡。
這則事故提醒世人，自動駕駛汽車技術還有很長的路要走。一些人當時就指出，其實人類司機撞死的人數量更多，即便自動駕駛汽車比人類司機安全，但致命事故恐怕依然無法完全避免。迄今為止，這樣的說法完全正確，只是它忽略了一個要點。平均下來，人類要每行駛1億英裡，才會出現一起致命的車禍，而行業領先的Waymo，他們也不過才剛剛達到2000萬英裡。雖然他們還沒有發生優步這樣的車禍，但是現在就說他們的技術和人類司機一樣安全，甚至更安全，顯然還為時太早。
優步就更加不必說了，他們的裡程數要短得多，就已經要了一個人的命。優步方面沒有提供任何細節數據，只是他們去年提交監管部門的IPO文件提到，他們已經測試了「數以百萬計」的英裡。無論如何，即便沒有特定細節，現在也可以斷言，優步的駕駛記錄顯然比人類司機差勁得多。
此外，對赫茲伯格死亡事件的深度分析發現，很多錯誤本來是可以避免的。國家運輸安全委員會2019年12月最終發布的事故報告顯示，車輛的近距離攝像頭和超聲波傳感器「在事故發生時並未啟用」。
報告並指出，優步這部汽車的自動駕駛系統還存在虛假警報的問題——發現了其實根本不存在的危險。根據其程序，系統發現危險時，並不會立即啟動剎車，而是要等待一秒的時間，來核實危險、計算替代路徑，或者是將車輛交給人類司機接管。換言之，即便車輛發現了危險，也會將正在進行的行為延長一秒鐘，而不是立即停車——如果當時的第一反應就是剎車，也許這次事故就不會發生，或者也許後果就不會這麼嚴重。
系統的設計有一個假定的前提，就是除了在人行橫道處外，行人是不會穿越馬路的，於是當死者真的在非人行橫道處過馬路時，系統就未能辨別她。更糟糕的是，當自行車是由赫茲伯格推著時，系統甚至未能確認這是否是一輛自行車，因此也就無法調取相應數據來判斷自行車可能如何運動。早在赫茲伯格被撞到六秒前，系統就已經發現了她的存在，但是卻沒有做出任何反應（最多可能是在最後的0.2秒才剎車），直至以致命的速度將她撞倒。
這一系列問題都是可以避免的。
希望這樣的悲劇不要再重演了。事故發生後，優步當即將自己所有的自動駕駛汽車撤下路來，直至一年後，在對程序進行了大刀闊斧的修改後才重新啟動試驗。「我們根據安全評估的結果，從整個自動駕駛行業獲得的經驗對安全度做出了關鍵性的改進，並根據國家運輸安全委員會的建議，建立了安全管理系統，後者已經在運轉當中了。」優步自動駕駛汽車安全部門負責人比尤斯（Nat Beuse）在回應評論要求的聲明當中表示，「展望未來，我們依然會將安全作為每一項決策的中心。」
總而言之，真正優秀的自動駕駛汽車全面上路，肯定會幫助拯救無數的生命，只不過，要讓這些汽車達到足夠優秀，真的可以拯救生命，卻還有大量的工程工作等待完成。
6) 自動駕駛汽車對環境有利嗎？
一些支持者一直聲稱，自動駕駛汽車對環境是友好的。他們的理由是，這些新產品將使得人們擁車的必要性大幅度降低，將整個社會改造為大多數人並不擁有自己的汽車，只是在需要時才會叫一部的模式。
此外，還有一些意見認為，人類司機的駕駛方式當中存在大量的浪費，比如大力踩剎車、猛烈加速、引擎空轉等，這些都消耗了額外的燃料，而電腦是不會那麼做的。
可是，伴隨自動駕駛汽車一點點接近現實，前述的所謂好處現在看上去正變得越來越可疑。
沒有多少證據顯示與人腦相比，電腦將讓汽車燃料消耗大幅度降低。確實有一次小規模研究發現，巡遊控制可以比人類節油5%到7%，但是也就到此為止。此外，專家們對節能型汽車行駛裡程數的研究還發現，汽車越是節油，人們就越傾向於更多駕車，這也就意味著，即便自動駕駛汽車更節油，也不意味著它們會讓排放減少。
還有一次研究試圖評估自動駕駛汽車對一個家庭出行習慣的影響。研究者的做法是提供一部配有司機的汽車，讓這個家庭將其當作自動駕駛汽車使用一周。結果是，他們乘車出行的頻率大幅度提升了。
當然，未來也可能會發生一些巨大的變化，讓人們乘車出行的頻率大幅度降低。一個出行習慣一周研究的結果還不足以成為權威的答案。專家們未來還必須進行更多的研究，也許結果會慢慢變得令人鼓舞起來。
7) 如果自動駕駛汽車未必更安全，也未必更環保，那麼為什麼還要研發？
前面所講到的那些內容可能會讓人有點悲觀，但是，自動駕駛汽車其實還是有足夠理由讓人們振奮和期待的。比如，它可能會讓老年人的生活變得更輕鬆，讓那些自己無法駕車的人得到便利。對於那些現在被迫買車和擁車的人而言，它也會提供一個更好、更安全、更廉價的選項。不斷進行的研發工作會讓它變得越來越安全，如果進展順利，自動駕駛汽車完全可能會變得比人類駕駛的安全得多。
現在，也許就是整個發展進程當中最難熬的那個階段。
無論怎樣，研發工作都在持續進行著，這主要還是因為對於第一家拿出成型產品的公司而言，自動駕駛汽車很可能是意味著一個巨大的金礦帶。他們將可以大舉進軍共享出行、計程車、卡車貨運等諸多利潤豐厚的市場，笑看競爭對手們在身後拼命追趕，但是先行者優勢意味著他們還將不斷獲得猛增的裡程數，來進一步提升自己產品的質量，強化競爭優勢。
一種技術在最初問世的時候被視為危險的東西，甚至一文不值，但是最後卻逐漸演化，最終成為當代生活不可或缺的一部分，這樣的例子不勝枚舉。比如，第一架飛機非常危險，而且毫無商業價值，但是後來的人們對其品質進行了戲劇性的提升，故事的結局已經是眾所周知。
8) 政府的政策在自動駕駛汽車研發當中扮演了怎樣的角色？
目前，美國還沒有任何自動駕駛汽車相關的聯邦法規。各種政策舉措基本上都是發生在州的層面。各州的舉措內容差異巨大，目前有二十九個州已經通過了相關法律。
自動駕駛汽車的研發活動主要集中在那些對其最友好的州，尤其是加州和亞利桑那州——不難想像，即便在自動駕駛汽車開始普及之後，也可能會有一些州繼續禁止這種新產品，如果它們的安全性還達不到卓越的程度，這種可能性就會更大。
早在這一波自動駕駛汽車大發展的最初階段，就有許多人擔心監管當局可能會設置不必要的障礙。可是，到了2016年，這一派觀點就已經可以確認是杞人憂天了。事實上，在一些情況下，監管部門還不如說是過分寬容了——比如優步在撞死赫茲伯格後才中止試驗，制定新的安全措施時，很多人都不免會想，他們的汽車也許原來就不該獲準上路。
自動駕駛汽車到底會不會更綠色，政策也可能會發揮關鍵的作用。比如政府可以提高燃油稅，將碳排放的社會成本體現在自動駕駛汽車的使用價格當中，將所得投入基礎設施改造和清潔能源發展。不過目前，美國的交通運輸政策幾乎沒有觸及到駕駛的社會成本，如果這種局面保持不變，當自動駕駛汽車帶動更多人上路，問題只能變得越來越麻煩。
9) 自動駕駛汽車到底何時會來到大家身邊？
某種程度上說來，其實那一天正在變得越來越接近。Waymo正在亞利桑那州進行完全無司機跟隨的測試，後者2017年就已經開始。通用汽車Cruise延遲了2019年推出無人駕駛計程車服務的計劃，但是現在相信後者可能在2020年兌現。今年早些時候，該公司發布了一款沒有方向盤的車型……當然，什麼時候可以發售，現在還沒有時間表。特斯拉的定期軟體更新也在使得他們的Autopilot高速公路自動駕駛技術表現日益完善，只是距離完全自動駕駛還有相當距離。
新理念永遠都不乏懷疑者。比如，大眾執行長不久前還說，完全自動駕駛汽車也許「永遠不會到來」。
考慮到業已取得的進展，這樣的預測也許有點過於武斷了。不過，要準確判斷自動駕駛技術真正來到萬千世人身邊的時間點，無疑是幾乎不可能的，這一來是因為沒有誰能夠洞見全局，二來也是因為相關企業也有足夠的理由去發布偏向於樂觀的信息和估測。這些企業往往會大談自己取得的進步，卻諱言遭受的挫折。時間表不斷改寫，但是往往是最後期限明顯無法完成任務時，他們才會公開承認。
與此同時，車廠在哪怕有一點點沒有完全準備好的情況下，也不敢讓自己的產品上路測試。他們清楚地知道，一旦發生了優步那樣的事故，就可能讓自己的公司受到詛咒。總之，他們實在有太多的動機去嘴上不斷唱高調，卻很少做出實際動作了。
總之，如果自動駕駛汽車今年晚些時候就開始有限度地出現在一些地方，這其實沒有什麼值得驚奇的，只不過，如果這時間點又被推後三四年，也一樣沒有什麼值得驚奇的。
自動駕駛汽車還在自己的道路上前行，距離我們肯定要比一年前更近了，但是到底什麼時候能夠真正來到我們面前，只有時間才能給出最後的答案。（費綠）