自动驾驶之路障碍重重

2004年3月13日，太阳刚刚在地平线上升起，但位于莫哈维沙漠中央的Slash X沙龙酒吧已经人潮涌动。

这家酒吧位于加州巴斯托郊区，这是一个介于洛杉矶和拉斯维加斯之间的小镇。这里是牛仔和越野车爱好者的热门去处，但在那个春日，它吸引了另一类人群的注意。一个临时搭建的体育场挤满了工程师、兴奋的观众和鲁莽的汽车迷，他们都怀揣着一个共同的梦想：成为地球上第一批见证无人驾驶汽车赢得比赛的人。

这场比赛由美国国防高级研究计划局（DARPA）组织（被戏称为五角大楼的“疯狂科学”部门）。该机构对无人驾驶车辆一直很感兴趣，原因也很充分：路边炸弹和针对军车的袭击是战场上造成死亡的主要原因。那年早些时候，DARPA宣布打算在2015年前将美国地面军事力量的三分之一车辆实现自动化。

在此之前，进展缓慢且成本高昂。DARPA在二十多年里花费了大约5亿美元，资助大学和公司的研究，以期实现其目标。但随后出现了一个巧妙的想法：为什么不举办一场比赛呢？该机构将邀请全国各地的人设计自己的无人驾驶汽车，并在长距离赛道上互相竞赛，获胜者将获得100万美元的奖金。这将是DARPA在实现其目标方面获得领先优势的一种快速而廉价的方式。

在132英里比赛的早上，一群破旧的汽车聚集在Slash X，还有数千名观众。事情并没有完全按计划进行。一辆车在起跑区翻倒，不得不退出。一辆自动驾驶摩托车刚过起跑线就侧翻，被宣布退出比赛。一辆车在50码处撞上了一堵混凝土墙。另一辆车被铁丝网缠住。沙龙酒吧周围的景象开始像一个机器人墓地。

得分最高的车辆，卡内基梅隆大学的参赛作品，行驶了令人印象深刻的7英里，然后错误地判断了一个山坡——此时轮胎开始打滑，在没有人工帮助的情况下，继续打滑直到着火。上午晚些时候比赛结束了。DARPA的一名组织者爬上直升机飞到终点线，告知等候的记者没有任何一辆车能到达那里。

这场比赛充满油污、尘土、噪音和破坏——最终没有赢家。所有这些团队的人们为一项持续了最多几分钟的创造物工作了一年。

但这场比赛绝非一场灾难。竞争激发了新思想的爆发，到2005年下一届DARPA大挑战赛时，技术已经大大改进。令人惊叹的五辆无人驾驶汽车在没有任何人工干预的情况下完成了比赛。

十多年后的今天，无人驾驶已普遍被接受为交通的未来。2017年末，英国财政大臣菲利普·哈蒙德宣布政府计划在2021年前让全自动驾驶汽车——车上没有安全员——在英国道路上行驶。德国汽车制造商戴姆勒承诺在2020年前推出无人驾驶汽车，福特承诺在2021年前推出。其他制造商也对其无人驾驶汽车做出了类似的预测。

表面上看，制造一辆无人驾驶汽车似乎相对容易。大多数人都能掌握必要的驾驶技能。此外，只有两个可能的输出：速度和方向。问题在于施加多少油门以及转动方向盘的幅度。这有多难呢？

但是，正如第一届DARPA大挑战赛所展示的那样，制造一辆自动驾驶汽车比看起来要棘手得多。当你试图让算法控制一个以每小时60英里速度行驶的巨大金属块时，事情很快就会变得复杂。

超越交通规则

想象一下，两辆车以高速相向行驶，沿着一条略微弯曲的乡村公路驶来。

人类驾驶员在这种情况下会感到非常自在，因为他们知道另一辆车会保持在自己的车道上，安全地从几英尺外通过。“但在很长一段时间内，看起来你们好像要撞在一起，”牛津大学机器人学教授、自动驾驶汽车公司Oxbotica创始人保罗·纽曼解释道。

在这种情况下，你如何教会一辆无人驾驶汽车不惊慌失措？纽曼说，你不会希望车辆为了避免一场从未发生过的碰撞而驶出路边。但同样地，如果真的即将发生正面碰撞，你也不希望它过于自满。请记住，这些汽车只是在进行有根据的猜测。

你如何让它每一次都猜对？纽曼说：“这是一个非常非常困难的问题。”

这个问题困扰了专家很长时间，但它确实有解决方案。诀窍在于建立一个模型，模拟其他“理智”司机的行为。不幸的是，对于其他细微的驾驶场景，情况并非如此。

“困难的是所有与驾驶无关的驾驶问题，”纽曼说。

例如，你如何教会自动驾驶算法理解，当你听到冰淇淋车的声音，或者当经过一群在人行道上玩球的孩子时，你需要格外小心？

更难的是，你如何教一辆车有时应该违反交通规则？如果一辆救护车开着灯试图在狭窄的街道上通过，而你需要开上人行道让它过去怎么办？或者如果一辆油罐车在乡村小路上发生了侧滑，你需要不惜一切代价离开那里怎么办？

“这些在（英国）公路法规中都没有，”纽曼指出。然而，一辆真正的自动驾驶汽车需要知道如何处理所有这些情况，才能在没有任何人工干预的情况下存在。即使在紧急情况下也是如此。

这并不是说这些问题无法克服。“我不相信有任何智能水平是我们无法让机器实现的，”纽曼说。“唯一的问题是何时。”

不幸的是，这个问题的答案可能不是很快。我们都在等待的无人驾驶梦想可能比我们想象的要遥远得多。这是因为在试图实现那种可以去任何地方、做任何事情、没有方向盘的科幻幻想无人驾驶汽车时，还需要面对另一层困难，而且它远远超出了技术挑战。

人的因素

一辆完全自动驾驶的汽车还必须处理棘手的人的问题。“人是淘气的，”伦敦大学学院研究技术社会影响的社会学家杰克·斯蒂尔戈说。“他们是积极的行动者，而不仅仅是风景中的被动部分。”

想象一个真正、完美自动驾驶汽车存在的世界。它们车载算法的首要规则将是尽可能避免碰撞。这将改变道路动态。如果你站在一辆无人驾驶汽车前，它必须停下来。如果你在路口突然出现在它前面，它必须顺从地行驶。

“以前在道路上相对弱势的人，比如骑自行车的人，可能会开始在自动驾驶汽车前面骑得很慢，因为他们知道永远不会有任何侵略性，”斯蒂尔戈说。

解决这个问题可能意味着制定更严格的规则，来处理那些滥用骑自行车者或行人身份的人。当然，这以前也发生过：想想乱穿马路。或者这可能意味着强制其他一切离开道路，就像汽车引入时发生的那样。这就是为什么你在高速公路上看不到自行车、马、手推车、马车或行人。

如果我们想要全自动驾驶汽车，我们几乎肯定必须再次做类似的事情，限制冲动的驾驶员、冰淇淋车、在路上玩耍的孩子、道路施工标志、难缠的行人、紧急车辆、骑自行车的人、电动代步车以及所有让自动驾驶问题变得如此困难的其他事物。这很好，但这与目前向我们推销这种想法的方式略有不同。

“关于自动驾驶和交通的言论都是关于‘不’改变世界的，”斯蒂尔戈说。“它是关于保持世界原样，但制造和允许一个机器人像人类一样，然后比人类更好地导航它。我认为这很愚蠢。”

但是，等等，有些人可能会想。这个问题难道还没有解决吗？谷歌的自动驾驶汽车Waymo不是已经行驶了数百万英里了吗？Waymo的全自动驾驶汽车（或者至少是接近全自动驾驶的汽车）目前不是正在凤凰城的道路上行驶吗？

嗯，是的。但并非每英里路都是一样的。大多数路段都非常容易驾驶，你可以边做白日梦边开。而另一些则更具挑战性。

截至撰写本文时，Waymo汽车并非获准随意行驶：它们被“地理围栏”限制在一个小的、预定区域内。戴姆勒和福特分别计划在2020年和2021年投入使用的无人驾驶汽车也是如此。它们被限制在一个预先确定的行驶区域。这确实简化了自动驾驶的问题。

纽曼表示，无人驾驶汽车的未来将涉及这些类型的行驶区域。

“它们将在一个非常熟悉、车主对其工作非常自信的区域内投入使用，”纽曼说。“所以它可能是一个城市的一部分，而不是在道路异常或牛可能闯入路径的地方。也许它们会在一天中的特定时间和特定天气情况下工作。它们将作为一种运输服务来运营。”

保持专注

丽莎娜·班布里奇（Lisanne Bainbridge），伦敦大学学院的心理学家，在1983年发表了一篇开创性的文章，名为《自动化的讽刺》，探讨了过度依赖自动化系统的潜在危险。她解释说，一台旨在提高人类绩效的机器，讽刺地，会导致人类能力的下降。

到目前为止，我们都以某种小方式见证了这一点。这就是为什么人们再也记不住电话号码，为什么我们许多人很难读懂自己的笔迹，以及为什么我们许多人在没有GPS的情况下无法导航到任何地方。有了科技为我们做这一切，我们很少有机会练习我们的技能。

有人担心这种情况可能会发生在自动驾驶汽车上——其风险比手写要高得多。在实现完全自动驾驶之前，汽车有时仍会意外地将控制权交还给驾驶员。我们能否本能地记住该怎么做？未来的青少年驾驶员是否还有机会掌握必要的驾驶技能？

但即使所有驾驶员都能保持胜任，我们仍然需要应对另一个问题：在汽车自动驾驶仪切断之前，对人类驾驶员要求的意识水平是多少？

一个层面是，驾驶员需要时刻注意路况。在撰写本文时，特斯拉的自动辅助驾驶系统就是这种方法的一个例子。它目前就像一个高级的巡航控制系统：它会在高速公路上转向、刹车和加速，但要求驾驶员时刻保持警惕、专注，并随时准备介入。为了确保你保持专注，如果你将双手离开方向盘太久，警报就会响起。

但这并非一个能有好结果的方法。“即使是高度积极的人，也无法在很少发生事情的信息源上维持有效的视觉注意力超过半小时，”班布里奇在她的文章中写道。

其他自动驾驶汽车项目也发现了同样的问题。尽管优步的无人驾驶汽车每13英里需要人工干预一次，但让驾驶员保持注意力仍然是一个挑战。今年3月，一辆优步自动驾驶汽车在亚利桑那州坦佩撞死了一名行人。车内视频录像显示，“人类监控员”在撞车前的瞬间没有看路。

为不可避免的事件制定计划

尽管这是一个严重的问题，但还有另一种选择。汽车公司可以接受人终究是人，承认我们的思绪会飘忽不定。毕竟，边开车边看书是自动驾驶汽车的魅力之一。

一些制造商已经开始设计他们的汽车，以适应我们的注意力不集中。奥迪的交通拥堵辅助系统就是一个例子。当您在缓慢行驶的高速公路交通中时，它可以完全接管，让您坐下来享受旅程。只需准备好在出现问题时介入即可。但奥迪之所以将其系统限制在限速道路上的缓慢交通中，是有原因的。在高速公路拥堵中，发生灾难的风险较低。

这是一个重要的区别。因为一旦人类停止监控道路，当紧急情况发生时，你就处于最糟糕的环境组合中。一个不注意的驾驶员将几乎没有时间评估周围环境并决定如何处理。

想象一下，你坐在自动驾驶汽车里，听到警报声，抬起头来看书，发现前面一辆卡车正在卸货到你的路径上。一瞬间，你必须处理周围所有的信息：左车道的摩托车，前面急刹车的货车，右侧盲点里的汽车。在最需要熟悉路况的时候，你却最不熟悉它。

再加上缺乏练习，你将处于最不适合处理需要最高技能水平的情况的状态。

2016年的一项研究模拟了人们在自动驾驶汽车中作为乘客，阅读书籍或玩手机。研究人员发现，在警报响起要求乘客重新获得控制后，他们大约需要40秒才能做到。

讽刺的是，自动驾驶技术越好，这些问题就越严重。一个每15分钟就会响起警报的马虎自动驾驶仪会让驾驶员持续参与并定期练习。你需要警惕的恰恰是那些平稳而复杂的自动系统，它们“几乎”总是可靠的。

“最糟糕的情况是每20万英里才需要驾驶员干预一次的汽车，”丰田研究院负责人吉尔·普拉特在2017年告诉科技杂志《IEEE Spectrum》。

普拉特说，一个每行驶10万英里就买新车的人可能永远不需要从汽车手中接过控制权。“但偶尔，也许在我拥有的每两辆车中，就会有那么一次，它突然发出‘嘟嘟嘟’的声音，然后说‘轮到你了！’”普拉特告诉该杂志。“而那个人，通常好几年都没遇到过这种情况，在事情发生时会……措手不及。”

调整预期

正如许多备受关注的无人驾驶技术一样，我们必须拭目以待其结果。但有一点是肯定的：随着时间的推移，自动驾驶会给我们带来一些超越汽车世界的教训——不仅是关于移交控制权的混乱，还有关于我们对算法能力保持现实预期的。

如果这项技术要成功，我们必须调整我们的思维方式。我们需要摒弃汽车应该每次都完美无缺的观念，并接受机械故障可能罕见，而算法故障几乎肯定不会。

因此，既然我们知道错误是不可避免的，既然我们知道如果继续前进就别无选择，只能接受不确定性，那么无人驾驶汽车领域中的难题将迫使我们决定某项事物需要达到多好的程度，我们才愿意将其投放街头。这是一个重要的问题，并且适用于其他领域。多好才算够好？一旦你构建了一个有缺陷但“能”计算出某种结果的算法，你应该让它运行吗？