划重点
1许多汽车行业高管和技术专家几年前曾预测，如今的人类应该可以乘坐自动驾驶汽车，但事实上这项技术远未达到取代人类司机的水平。
2专家认为，要实现L5级自动驾驶，需要相当于人类水平的人工智能支持，而这个目标可能还需要十几年甚至几十年才能实现。
3专家预测，出于成本考虑，当前自动驾驶技术用于个人非常昂贵，但可用于公共交通，可搭载多名乘客和全天候运行以帮助承担成本。
4人工智能是实现自动驾驶功能的关键前提，但它不可能涵盖所有的“边缘情况”，因为它不能推理，也缺乏直觉。人工智能也无法像人类那样从少量数据中学习。
科技新闻讯 4月11日消息，按照几年前某些汽车行业高管和技术专家的预测，我们现在应该已经进入自动驾驶汽车时代，可以在汽车自主行驶过程中看看电视、打打游戏甚至打个盹。然而，在投入了数十亿美元研发支出后，自动驾驶汽车技术还没有发展到可以取代人类司机的水平。
因此，许多汽车公司和科技初创公司已经降低了他们的目标，或者推迟了他们实现目标的时间表。去年10月，福特汽车公司和大众汽车公司关闭了他们的无人驾驶汽车合资子公司Argo AI，福特首席执行官吉姆法利在季度财报电话会议上告诉分析师：“我们在开发自动驾驶汽车方面还有很长的路要走”。
与此同时，监管机构也正参与进来。汽车安全尽管部门去年12月称，他们正在调查通用汽车公司旗下Cruise自动驾驶出租车造成的几起追尾事故。特斯拉公司的司机辅助驾驶技术同样也涉及多起交通事故。
国际汽车工程师学会（SAE International）将自动驾驶技术分为五个级别。其中，L1级汽车要么采用车道定心技术，要么采用自适应巡航控制，使车辆与前车保持特定距离。L2级汽车需要具备上述两种功能。但无论是哪个级别，司机仍需要牢牢控制车辆。L3级和L4级汽车可在有限的条件下实现自动驾驶，比如在特定类型的道路上和特定的天气条件下。L5级车辆可以在任何天气条件下、任何道路上自动驾驶。
《华尔街日报》邀请了三位专家来讨论自动驾驶汽车的未来，分别是加州大学伯克利分校电气工程和计算机科学教授亚历山大巴恩、卡内基梅隆大学电气与计算机工程系教授拉吉拉杰库马尔以及咨询公司埃森哲旗下移动业务部门高级董事总经理于尔根里尔斯。
以下为这场对话全文：
01人类水平的人工智能
问：汽车能实现自动驾驶L5级吗？在这个级别上，汽车甚至可能没有方向盘和踏板。如果真能这样，会是什么时候？
里尔斯：这需要人类水平的人工智能支持，而对于如何实现这个目标，目前还没有被普遍接受的理论。只要没有人类水平的人工智能，自主移动能力就会受到限制。
巴恩：在特定时间实现完全自动驾驶，这通常会导致不切实际的期望。而实际上，自动驾驶的发展本质上是以渐进方式进行的。目前还不清楚，在任何地方、任何时候实现完全自动化是否是最终的结局。市场会告诉我们答案。
拉杰库马尔：事实上，这可能永远都不可能实现，或者至少在未来十几年甚至几十年后才会成为现实。它超出了目前存在的或在可预见的未来将可用的技术手段。然而，更有限但非常有用的解决方案将很快得到部署。
问：下面我们来谈谈L5级以下自动驾驶汽车所需的技术。首先，对于雷达、摄像头、GPS和激光雷达等代替人眼的系统，需要在哪些方面改进。激光雷达是一种基于激光的系统，可以创建车辆、建筑物、行人和汽车周围道路的3D视图。
里尔斯：总的来说，我们当前的技术水平已经很先进，关键挑战在于成本。在高水平的自动驾驶中，需要高度的冗余能力。将摄像头、雷达和激光雷达系统与高清地图和高计算要求相结合，将使L4级车辆对个人来说过于昂贵。所以我们希望这些车辆能作为公共交通工具使用，同时搭载多名乘客，理想情况下能够全天候运行以帮助承担成本。
拉杰库马尔：这其中有两个不同的问题。第一，有些公司只是出于经济原因才想要依赖摄像头。由于智能手机上的摄像头使得它们无处不在、小巧而便宜，最终的系统将会变得非常实惠。不幸的是，在未来很长一段时间内，今天仅使用摄像头的视觉技术，将无法与人眼加上人类神经处理的认知能力相匹配。
第二，激光雷达是非常关键的部件，虽然成本正在下降，但依然偏高。与之相比，雷达、超声波和GPS已经在可接受的成本范围内。
问：那人工智能呢？批评人士表示，与人类司机不同，人工智能无法推理，缺乏直觉，而且它过度依赖受训的数据集，无法应对不熟悉的情况。
里尔斯：人工智能是实现自动驾驶功能的关键前提，但它不可能涵盖所有的“边缘情况”(或称不寻常事件，比如狗跑到车前或建筑工地车道改变)，因为它不能推理，也缺乏直觉。人工智能中的神经网络进行所谓的“模型盲曲线拟合”，试图将误差减至最校为此，他们需要数以百万计的例子。人工智能也无法像人类那样从少量数据中学习。
拉杰库马尔：由于人工智能最近取得了重大进展，自动驾驶问题已经完全被视为人工智能问题。但这是在转移话题！人类建造了庞大的客运航空业、铁路网、核电站和宇宙飞船，所有这些都实现了不同程度的自动化。他们没有使用人工智能，而是依赖于建立在科学基础上的巧妙工程。今天的人工智能还没有达到制造自动驾驶汽车所需的水平，而且人工智能只是自动驾驶汽车工具箱中的众多工具之一。
02处理“边缘情况”
问：如何改进人工智能系统以应对“边缘情况”？这些情况是人工智能程序没有见过的，可能导致危险驾驶情况。
拉杰库马尔：当摄像头看到这样的场景时，其对应的神经网络可能无法正确地检测到它，特别是如果障碍物没有包含在其人工智能训练数据集中。当雷达或激光雷达观察它时，他们可能会发现某个障碍，但可能不知道那是什么类型的障碍。但车辆仍然能意识到某些障碍物的存在，比如孩子、狗、牛、猫、袋鼠甚至是穿着滑稽服装的行人，并能做出减速或停车的操作。传感器的冗余是关键，依靠人工智能来处理无数已知和未知场景与障碍是行不通的。
巴恩：如果我们有足够的经验和数据来训练用于识别猫狗的神经网络，但却没有足够识别牛羊的训练，结果会怎样？我们会让汽车在法国农村行驶吗？人工智能社区正在努力解决这些问题。这一领域被称为迁移学习，重点是学习一组特定的场景，并将其应用到以前未知的环境中。所以，我们可能有机会同时训练能识别猫狗和牛羊的神经网络。
03 探测人类意图和解读人类表情
问：人工智能也不能做人类司机能做到的其他事情，比如解读走下马路的行人的肢体语言或面部表情，或者解读十字路口驶近车辆中司机的意图。科技能做到这一点吗？
拉杰库马尔：有关探测人类意图、解读人类表情等方面的工作正在进行中。然而，这些技术并非万无一失。由于会有不正确的结论，在可预见的未来，人工智能工具很可能采取保守而谨慎的态度。
巴恩：算法可以检测到猫、狗、羊和牛的移动状态，机器视觉中的标准工具也可以做到这一点。但是他们的意图是什么呢？在许多方面，人类的建模和预测更加复杂。混合自主（即人与机器互动）领域仍处于起步阶段，因此全自动驾驶车辆与未知人类互动的能力仍然是机器学习没有完全解决的问题。
里尔斯：我同意自动驾驶汽车在识别和处理更复杂的模式方面会有所改进。如今，神经网络在匹配数据集中的复杂模式方面已经惊人地表现。但它们仅仅是通过相关性来做到这一点的。相关性可能是虚假的，因此我们也不应该期望自动驾驶汽车能模仿人类的大脑。
问：自动驾驶汽车技术能够应对雾和大雪等天气状况吗？雾和大雪会使道路标志模糊，也会让汽车的摄像头和传感器受到影响。
巴恩：传感和驱动技术将取得进展，将收集更多的数据，了解更多的天气状况，并使其为车辆所接受。这可以看看航空领域取得的进展。历史上，航空航天工程促使我们建造出越来越坚固的飞机。随着时间的推移，飞机能够在越来越危险的湍流中飞行。然而，飞机操作实际上有个“安全集”，由传感和条件定义。保持在这个范围内操作对保持飞行安全至关重要。
拉杰库马尔：传感器公司和汽车制造商始终在寻找各种方法来保持传感器的清洁。例如，将它们安装在车内，安装在车外的外壳内，有加热元件来除冰除雪，使用雨刷等。更重要的问题是，传感器能否在不同的天气和光照条件下探测到道路上的人工制品，这就是为什么早期自动驾驶出租车部署在很少下雨或下雪地区的原因。这种情况再次表明，感测需要更多冗余。摄像头的镜头可能会脏。然而，雷达仍然可以看穿恶劣的天气条件，激光雷达即使在雨雪天气也能很好地工作。
里尔斯：我同意传感技术将取得很大进展的说法。然而，在恶劣条件下，它将继续面临限制。在智慧城市的背景下，我们需要在改善车辆技术与升级基础设施之间取得平衡，例如使用传感器来补充交通信号、道路标志等。
04 基础设施因素
问：对自动驾驶汽车来说，车辆与交通信号灯等基础设施以及与其他车辆的通信有多重要？
巴恩：只要安全关键事件检测仅存在于车辆上，它就会使车辆受到更高程度的审查和认证。如果其中某些功能是通过基础设施集成实现的，那么它可能会带来更快的自动化部署。
拉杰库马尔：称为CV2X的车路协同技术，将使车辆能够与适当配备设备的车辆、交通信号、路标、行人、云基础设施等进行通信。这项投资的回报是，在没有人工智能的情况下，车辆可以精确地知道几百米外的红绿灯的正确状态，这是计算机视觉范围的5到10倍!它还可以接收有关道路封闭、汽车碰撞和前方交通拥堵的信息。
里尔斯：CV2X具有巨大的潜力。然而，不同的汽车制造商和地区仍在使用不同的系统，这阻碍了互操作性。因此，建立标准是成功的关键因素。此外，CV2X还需要对基础设施进行投资。
问：考虑到如今的汽车会发生事故，而且没有人呼吁禁止汽车，人们对自动驾驶汽车安全性的期望是否过高？
拉杰库马尔：我们已经习惯了人类导致车祸的概念，但由于汽车自动驾驶是个新事物，即使是一起撞车或死亡事件也会受到媒体和公众的极大关注。到目前为止，大约有30人死于与自动驾驶汽车有关的事故中，但与仅在美国每年大约4万人死于高速公路相比，这个数字简直不值一提。这种对计算机应该完美的期望，把使自动驾驶技术更安全的负担瓦全压在了开发人员和研究人员身上。
里尔斯：建立和维持信任需要严格的监管，甚至要比传统汽车监管更加严格。毫无疑问，监管不应该限制创新，但我不认为这是目前的主要挑战。（金鹿）
