在硅谷展開了一場無人駕駛汽車技術的角逐。“這可能是探討自動駕駛汽車最激動人心的時刻之一，”沃頓商學院運營、信息和決策教授Kartik Hosanagar在硅谷近日的“人工智能前沿峰會“上說道。“十年前，自動駕駛汽車的大部分工作都是在實驗室和各種教育機構中進行的。”大約五年前，只有谷歌和少數(shù)幾家公司在進行各種測試。“但是今天，人們迎來了研發(fā)自動駕駛汽車的熱潮。”“僅僅在加州，擁有無人駕駛汽車測試和運營牌照的公司就已經(jīng)有30到50家。”

 

　　在全球范圍內(nèi)，美國和中國在自動駕駛領域遙遙領先。德國和日本盡管以汽車聞名，但它們已經(jīng)在這場浪潮中落后了。“關鍵的區(qū)別在于人工智能，”中國自動駕駛汽車公司景馳的聯(lián)合創(chuàng)始人韓旭表示。“中國和美國在人工智能領域處于領先地位。”在自動駕駛法規(guī)方面，中國和美國也在領先。推動無人駕駛汽車研發(fā)浪潮主要出于三大發(fā)展趨勢：電動汽車日益普及；共享經(jīng)濟的出現(xiàn)，為優(yōu)步和Lyft等拼車公司提供前進的動力；以及人工智能的進步。韓旭表示，如果你仔細想想，自動駕駛實際上就是把一個機器人司機和一輛電動汽車結合在一起。

 

　　據(jù)韓稱，大多數(shù)自動駕駛汽車公司正在研發(fā)一種他稱之為L4級的技術。自動駕駛汽車的自動化水平分為5個級別。級別1是最低的，主要是搭載典型的巡航控制功能，這項技術已經(jīng)存在了很多年了。第5級是最先進的，意味著車輛是全自動的。第4級是一個高度自動化的級別，在某些情況下，汽車可以在沒有駕駛員干預或注意的情況下運行，比如在專門為車輛隔離的區(qū)域或者交通中。

 

 

　　芯片制造商英偉達公司的高級總監(jiān)丹尼·夏普羅表示，科技公司之所以嚴肅對待自動駕駛汽車技術的發(fā)展，是因為它的風險很高。“這并不是Netflix中的推薦引擎，”他在峰會上說道。“在無人駕駛汽車領域人工智能必須被‘重用’。”夏普羅說，這意味著它需要“超級”計算能力和大量代碼。在自動駕駛汽車的后備箱里是強大的計算機和不斷進行深度學習來解析所有輸入數(shù)據(jù)的圖形處理單元，以確定前方的物體是人、另一輛車還是一個消防栓。

 

　　盡管完全自動駕駛汽車需要一段時間才能進入市場，但是人工智能已經(jīng)在改變汽車的內(nèi)部結構。前置攝像頭可以識別車內(nèi)的人，追蹤司機的眼睛位置，看他是否睡著或走神，甚至還能讀懂司機唇語。汽車外的傳感器和攝像頭可以利用室內(nèi)技術提高安全性。例如，如果另一輛車要闖紅燈，汽車就會警示有“交通危險”。它還會語音提示，比如“小心！有一輛摩托車靠近中間車道！“以提醒司機，以防他或她想換車道。“即使還無法做到完全自動駕駛，但是汽車會有很多‘守護’的功能，”夏普羅說道。

 

　　確實，自動駕駛汽車公司的一個主要目標就是讓駕駛變得更安全。優(yōu)步高級工程經(jīng)理、卡內(nèi)基梅隆大學研究教授杰夫·施奈德表示，94%的車禍都是人為失誤造成的。他指出，導致事故的原因有一半是由于識別錯誤造成的，司機沒有集中注意力或者沒有注意到過來的東西。另一半則是決策失誤的結果：司機開得太快，或者錯誤判斷了路況。

 

　　根據(jù)施耐德的說法，自動駕駛汽車可以解決這兩種類型的錯誤。使用傳感器、雷達、攝像機、激光雷達（一種遙感系統(tǒng)）和其他工具可以減少識別問題。這些汽車可以看到物體和周圍物體的3D定位，接收到360度高清全景影像，還能獲取其他相關數(shù)據(jù)，比如物體的速度。與此同時，前沿的計算系統(tǒng)還會分析駕駛環(huán)境，從而做出正確的駕駛決策。

 

　　一種促進準確性的方法是在系統(tǒng)中加入冗余。舉個例子，如果道路標識很模糊，系統(tǒng)就會采取措施確保自動駕駛汽車不會“困惑”。施耐德說，這輛車自帶的地圖便會告訴它，在那個位置有一個路標。此外，這些車輛還會通過大量的數(shù)據(jù)，訓練自己在雨雪天氣、雨夾雪和洪水等各種天氣條件下行駛。自動駕駛汽車公司甚至會使用電腦生成的條件來訓練汽車，讓它們在諸如日落這樣會妨礙視線的情況下行駛。英偉達公司夏普羅稱：“在短短5個小時內(nèi)，我們就能完成超過30萬英里的駕駛任務，并在僅僅兩天內(nèi)完成在美國每條公路上的算法測試。”

 

　　可以肯定的是，對于汽車而言這些都是十分復雜的任務。施耐德稱：“假設自己是無人駕駛汽車的編碼員，那些過馬路的人、道路上的其他車輛、廣告牌、交通標志以及汽車、自行車和行人等交通工具統(tǒng)統(tǒng)都需要考慮到。”

 

 

　　施耐德表示，對于那些認為全自動駕駛汽車是“白日夢”的懷疑者來說，回顧下自動駕駛汽車的發(fā)展歷程興許會有用。早在20世紀80年代，卡內(nèi)基梅隆大學的NavLab項目就已經(jīng)為貨車配備了用于自動駕駛和輔助駕駛的計算機和傳感器。他說：“在當時那個機器人的時代，規(guī)則就是讓視頻持續(xù)播放，以防出現(xiàn)什么好事。”施耐德說，1995年，卡內(nèi)基梅隆大學進行了從匹茲堡到南加州的“No Hands Across America”無人駕駛汽車測試，98%自動駕駛，其中完成了沒有人類參與獨自駕駛了70英里的路程。

 

　　2000年，學校的研究中心開始轉(zhuǎn)移到越野車輛。車輛上添加了GPS衛(wèi)星定位系統(tǒng)和激光雷達，有了這些功能車輛便可以更容易地定位物體并繞過它們。7年之后，在DARPA“無人駕駛汽車大賽”中，又有了一項重大突破，車輛中添加了對駕駛環(huán)境全面識別的功能。“自此，人工智能向前邁出了重要的一步。”卡耐基梅隆大學最終贏得了比賽。他說，正是在這個時候，谷歌才意識到自動駕駛汽車的潛力，并開啟了自動駕駛汽車項目。自那以后，人工智能、機器學習和深度學習都變得越來越好。

 

　　不過，駕駛自動駕駛汽車消費者會感到舒適嗎？施耐德表示，基于優(yōu)步在匹茲堡和鳳凰城測試無人駕駛汽車的經(jīng)驗，公眾似乎對乘坐這類汽車持開放態(tài)度。他說，雖然最初有人擔心人們會害怕這些車，但是“我們發(fā)現(xiàn)情況恰恰相反。”例如，由于乘客無法選擇自動駕駛汽車的Uber，一些顧客會在叫車時追趕這些自動汽車，希望能搭上它們。

 

　　然而，商業(yè)模式可能會阻礙自動駕駛汽車在大眾市場的發(fā)展。就目前而言，擁有一輛汽車在任何地方都比打車更省錢。施耐德說：“如果你只關注數(shù)字，那么在經(jīng)濟上，打車并不比擁有自己的汽車便宜。”“但是，當自動駕駛汽車正式開始工作，并且隨處可見時……擁有一輛汽車就沒有那么大的意義了。”