热点：未来出行 无人驾驶汽车真的指日可待了吗？

无人驾驶是百年汽车工业的新高度，也是人们梦想智慧旅行的目标。

今年以来，从拉斯维加斯的电子商品展上各种无人驾驶技术的高度发表，到许多汽车和科技企业纷纷无人驾驶商业计划的过激发表，媒体开始主张无人驾驶比人们想象的来得更早。

现在的社会和行业很浮躁，无人驾驶就在眼前，如果有人不拖就被淘汰了，引起了资本市场的压力和业界的普遍不安。

无人驾驶真的快到了吗？

我的回答很简单:不。 不，很远。

主观能动性是无人驾驶的必要条件

为什么，首先要知道无人驾驶和我们需要什么样的无人驾驶。

无人驾驶居汽车自动驾驶技术之首。 根据美国汽车工程学会( sae )关于自动驾驶的5级分类，第1级至第3级被称为载人自动驾驶或辅助自动驾驶，人依然必须对驾驶的最终决定负责。 在这些阶段，所有自动驾驶技术的应用只是为了提高人们的驾驶体验，特别是安全体验。

第4段和第5段是无人自动驾驶，可以将人完全排除在驾驶决定之外。 第四段是有限场景，第五段是无限场景下的无人驾驶。 很明显，第四级和第五级是真正意义上的无人驾驶。

本文讨论的无人驾驶是指以人类行动为目的的第4段和第5段汽车的自动驾驶。

第4段无人驾驶在特定场景下可以迅速实现，但汽车产业没有卓越的变化。 因为很多人不去买只能在规定的道路和规定区域内行驶的无人驾驶车。

追求自由是人的本能，正如美国交通部部长赵小兰年初在底特律车展上说的，我们最喜欢汽车。 我们最喜欢自由。 限制自由的无人车可能只是公共交通的扩大，但不能取代今天的私人汽车巨大市场。

为了实现无限场景下的无人驾驶，安全是其本来的目的，也是最大的障碍。 我们必须理解汽车是非常独特的产品。 它的量很大，与人们需要的日常出行有关。 更重要的是，它与人的生命安全密切相关。 迅速发展无人驾驶技术的主要目的是提高安全性。

汽车驾驶中各种场景重复多样，高速行驶中可能会有点错误地付出生命的代价，因此无人驾驶需要像人类合格驾驶者那样主观意识上一反三的主观能动性，这不是哲学上的主观能动性，而是任何人都不习惯的场景

在我们现在的交通环境中，没有主观能动性的无人驾驶车确实是巨大的安全隐患，违背了无人驾驶的安全第一。

为了减少或替代无人驾驶对主观能动性的依赖，我想象了一个理想化的方案，即厘米级的高清地图将复盖所有汽车都能到达的地方。 路上的所有汽车都有车和车，车和系统的智能互联，避免了碰撞的可能性。 它还具备将行人和车分离的客观条件。

在这种情况下，无人汽车即使不完全具备主观能动性，也可以像今天智能制造工厂广泛使用的全自动运输机( agv )那样，在预定的道路上安全地自动驾驶。

现在出现了几个接近这种条件的应用场景，期待在短时间内实现第4级有限场景下的无人驾驶。 但是，所有的场景都要满足这些条件，显然是关系到社会整体生存空之间变革的广阔巨大工程，绝对不是一个或多个公司或一个产业能完成的，在可见的未来几乎不可能成为现实。

因此，主观能动性是无人驾驶的必要条件。 没有主观能动性的无人驾驶是对科学的不尊重，是对生命的轻视，是对社会的不负责任。

主观能动性条件还不成熟

怎样才能实现主观能动的无人驾驶？ 路径可能有很多，现在被广泛使用，被认为有前途的是人工智能技术。

什么是人工智能？ 简单来说，就是用人工机器(例如计算机)来实现人的感知和决定功能。 人工智能技术经过半个多世纪的迅速发展，从早期的语言复制到今天的图像语音识别已经取得了长足的进步。 特别是近年来，基于机器学习的人工智能技术取得了突破性的进展，在医疗、家庭、娱乐、制造、服务等我们生活的许多方面带来了非常方便。

但是，现在的人工智能技术还处于初期阶段，没有支撑无人驾驶所需的主观能动性的能力。

要知道这个，我们将人类的智能分为3个层次:1)感性。 2 )理性:3)灵性。

感性是在类似的条件下得到的新闻和知识，被电炉加热后不接触电炉。

理性是根据人的逻辑思考得到的知识，进行了电源关闭的话可以清洗电炉的逻辑评价。

灵性是基于一定感性和理性思考的智力思考，包括人的自我认识、意识、感情、主观能动性。 比如人可以安全地利用电炉做各种好吃的菜，能唤起无限的喜悦和快乐的感情。

当然，人这三个智能水平密切相关，是相辅相成的。 灵性智力思维是人类智力的最高水平。

根据人类智能分类，人工智能一般分为弱人工智能、通用人工智能(也称为强人工智能)和超人工智能三个水平。

弱人工智能是指在图像识别和声音识别等特定条件下可以应用的人工智能。 弱人工智能可以在人类的某些具体定义下实现逻辑推理。 有时可以达到或超过国际象棋这样的人的能力，但实际上并不具备智能。 规则一旦改变，它就不会自主发展，没有意识，也没有主观能动性。

通用人工智能是指具有与包括自觉意识、自主进化、主观能动性在内的人几乎同等的智能。

超人工智能是指将来的可能性，智能机器也许可以拥有超越人类智慧的智能。

在后者的两个阶段，人工智能可以成为人类的朋友，也可以成为人类的敌人。 因此，许多人工智能专家和科学技术推动者已经联名呼吁必须警惕人工智能可能给人类带来的灾害，建立了以安全利用人工智能为目的的联盟未来生命学院( future life institute )

今天，无论媒体如何不可思议地描绘人工智能，无论ibm的深蓝和Google alpha go在与人玩游戏的时候如何凯歌演奏得很高，都应该冷静地认识到人工智能技术还处于弱人工智能这个初期阶段。

也就是说，今天的人工智能技术只能实现人在非常有限的条件下的逻辑推理，只能用人预先设定的算法法则来学习。 对意识、知觉、感情等人类智力思维还很无力，没有主观能动性。

没有主观能动性的弱人工智能可以在智能家具、智能娱乐、智能制造、智能服务等不涉及生命安全的行业中发挥很大的作用。 对于自动驾驶来说，弱人工智能技术也为辅助自动驾驶水平提供了广泛的应用空之间，有助于人们安全愉快地驾驶。

但是，在无人驾驶中，弱人工智能技术能够提供的应用空之间存在界限，无法应对无人驾驶所需的主观能动性的实现。

数字技术的局限性

虽然无法解释，但我认为从弱人工智能到通用人工智能的第一个障碍来自数字计算技术。 对通用人工智能来说，数字计算技术可能是比较落后的技术。

数字计算本质上是布尔逻辑推理( boolean logic )的产物。 布尔逻辑推理中最重要的法则是排中律，即所谓的非黑即白，没有中间地带。 基于二进制的数字计算机的最基本的计算单位位只有0和1两种状态，因此数字计算机中所有新闻的表示和运算都是0和1。 也就是说，所有的新闻都以离散的数字形式存在于数字计算机中。

但是自然界的变量几乎是连续的，人类的思考乃至生命过程更是连续的。 我们用数字计算解决新闻获得了简洁迅速的优势，但付出了失去新闻连续性的重大代价。

在很多工程应用行业，连续变量可以通过离散变量的大量迭代来接近，因此数字化解决在很多工程应用行业有很大的可能性。 但是，现在人类的意识、自我觉醒、主观能动不能通过数字计算来表现和解决。

谷歌阿法狗之所以能在围棋博奕中打败人类敌人，是因为围棋法则完全符合布尔数逻辑，围棋的所有选择都用离散的数字模型完美地表现出来。

其实，人们早就认识到布尔逻辑的极限了。 半个世纪前提出的模糊逻辑( fuzzy logic )打破了布尔逻辑零标准的界限，提出了一切皆有可能、程度不同的连续思维逻辑，但这种思维逻辑更接近人类的思维逻辑。

事实上，布尔逻辑只是模糊逻辑理想化的特例。 在作为模糊逻辑依据的连续函数线上，布尔逻辑只有一点位置。 显然很难用离散的一点逻辑正确地模拟人的连续意识思维。

所以，我相信通用人工智能的实现有赖于对数字时代的超越。

机器学习的真相与困境

无人驾驶控制决定的实现基于两个方面。

首先，通过对汽车的物理系统、运行机制和运行轨道进行建模，实现人能正确描述因果关系的控制策略。 但是，能够正确描述因果关系的控制策略极其有限，不足以满足无人驾驶环境的高度模糊性。

因此，近年来，机器学习广泛应用于无人驾驶技术的开发，期待着通过大量的数据学习来提高无人驾驶的感知和决定能力。 行业对机器学习技术寄予很大的期望。

但是，机器学习并不容易承担赋予汽车主观能动性的作用。 这是因为无论机器学习的算法多么先进，无论是卷积神经网络还是迭代神经网络，最终都是用离散的数字而不是因果关系来表现事物之间的相关关系。

机器学习的根本目标是像人类一样从有限的样本中获得共同的机制来识别无限可能的场景。 但是，因果关系不明的相关关系数字模型就像黑匣子一样，很难产生共同的法则和机制。

因此，通过机器学习建立的数字模型及其算法缺乏角色生成功能，不容易举一反三。 人工智能行业已经观察了机器学习的这个极限展开研究，但理论上的突破还需要时间。

许多人工智能专家对行业过度夸大机器学习的作用表示极大的担忧。 例如，美国纽约大学着名的人工智能教授gary marcus博士指出，人工智能过度炒可能会进入下一个冬天。

虽然对机器学习在无人驾驶方面的应用有很高的期待，但基于现在机器学习的无人驾驶只能从过去学到的数字模型中找到最近的场景来控制操作，不能像人类驾驶员那样以丰富的经验和意识举出一反三。

在这种情况下，无人驾驶可能看不见或感觉到困扰，有精神分裂的特征。 我们还不能放心地把生命交给这样的无人驾驶。

我相信，在数字技术时代，无论计算机芯片的速度反复得多快，机器学习算法再怎么改进，只要推进弱人工智能技术量的改善，就不容易获得人工智能技术质量的飞跃。

人工智能的突破依赖于不断深入探索生命和物质本身的基本属性。 也就是说，只依赖机器学习的数字算法很难培养无人驾驶所需的主观能动性。

无人驾驶的实现需要依靠数字技术的突破，需要依靠计算技术本身的革命。 在仿生机器人和量子计算的进化中，可以看到无人驾驶的曙光。

商业化的道路是艰难而漫长的

即使人工智能技术实现了质量的飞跃，支持了无人驾驶所需的主观能动性，其工程应用的开发和商业化也必须经历一个困难而漫长的过程。

美国麻省理工大学的max tegmark教授在年出版的人工智能专业书《生命3.0》中指出，人工智能技术的广泛应用必须经过以下几个步骤。

1 .验证( verification )表示产品达到了设计要求。

2 .实证( validation )表示产品满足客户的实用要求。

3 .互联网安全( security )为防止天灾和人为攻击提供了比较有效的手段。

4 .风险控制( control )在发生重大事故时提供比较有效的控制方案。

现在，无人驾驶技术的开发集中在第一阶段，即验证无人驾驶能做什么。 第二阶段更重要，挑战更大。 因为客户采用的场景几乎是无限的。 在这个阶段，除了询问无人驾驶能做什么，还必须询问不能做什么，应该做什么，还必须非常严密地验证无人驾驶的安全性，如软件的可靠性、硬件的可靠性、系统集成的可靠性等。

这些验证必须严格遵守业界公认的工程标准。。 但是，这些标准现在还没有形成，短期内很少制定。 因此，目前没有人能声称无人驾驶公司完成了无人驾驶的所有验证和实证工作。

从汽车框架的角度来看，无人驾驶并不像现有汽车加上驻传感器和控制算法那样简单。 汽车框架几乎必须重新设计以满足无人驾驶时的安全要求。

例如，汽车的总线配置适合越来越多的电气设备节点之间的安全可靠的通信吗？ 车怎么能随时知道自己的健康状况？ 你如何保证软件的更新是安全可靠的？ 网络传输安全可靠吗？ 请等一下。 因为在无人驾驶的状态下，汽车的任何小故障都有可能导致生命损失。

无人驾驶从样品车的展示到商业实施有极其长的工程过程。 只看道路试验的一个项目，据著名咨询企业兰德的研究报告，统计学上明确了无人驾驶每行驶2亿7千英里只有一起死伤事故。

最近关于无人驾驶之旅的很多报道，无论是公共汽车、租赁、送货、做饭，基本上都只是游行。 如果缺乏踏实的研究和工程开发，示威过多的话缺点会比好处大，也有可能把无人驾驶切断成游行的道路。

比如，uber的事已经对社会产生了很大的负面影响。 根据美国汽车协会( aaa )的调查，uber事件后对无人驾驶的不信任比例比去年增加了10%。 我相信韦莫如果也发生uber这样的致命事故，会给社会带来更大的负面影响，无人驾驶项目的停滞不是不可能的。 最近福特汽车发表的无人驾驶报告以信任为主题，是提高人们对无人驾驶的信心。

无人驾驶与生命密切相关，因此几乎可以预想，即使不经过严格的工程验证和实证过程，短期内自由发售无人驾驶的商业化产品和服务，如果不是实际有人参加的无人驾驶考试，召回的概率非常高

把汽车辅助驾驶开到最后

去无人驾驶的路有两条完全不同的路径。

一是以谷歌为首的一步之路。 谷歌的逻辑是，对人机共享的驾驶决定有很大的安全隐患，有理由认为将驾驶全部交给汽车更好。

另一条是以密歇根大学和以前流传的汽车企业为代表的循序渐进的路径，自动驾驶的进步应该从一级一步一步地推进到五级。 所以密歇根大学把自动驾驶项目不仅仅称为无人驾驶车，还称为网络汽车( connectedandautomatedvehicle-CAV )。

密歇根大学三年前设立了第一个无人驾驶专用试验场mcity。 密歇根大学机器人学院也积极推进各级自动驾驶技术的研究开发，得到福特等公司的大力支持和密切合作。

汽车产业致力于无人驾驶技术的开发，此外，现阶段仍应把首要力量放在辅助智能网络技术自动驾驶水平的应用上。 应该抛开不安，专注于智能网络和adas技术的开发和应用到最后。

如上所述，弱人工智能技术不足以支持完全的无人驾驶，但在辅助自动驾驶中有很大的可能性，因此智能驾驶不仅仅是为了无人驾驶。 我相信以前传来的汽车，如通用、福特、上汽、长安、博世等供应商致力于辅助自动驾驶阶段的智能技术的开发和应用，真的给客户带来了丰富的精彩驾驶体验，特别是安全体验。

比如，通用在无人驾驶项目上投资了很多，而且致力于辅助驾驶水平的super cruise项目的开发，今年成功了，取得了很高的经济效益。

脚踏实地，踩着磨石前进

就像一位智者说的，我们知道生活的真相，我们还热爱生活。

尽管通往无人驾驶的道路充满荆棘，它的实现非常遥远，但我们不能停下来。 我们充满希望。 只是，我们应该认识到真相，脚踏实地，用砂轮前进。

在通往美丽无人驾驶的道路上，汽车产业应该观察你赶上的大跃进心，实现有限资源的合理分配。 为了在同一水平上不太重复，汽车产业应该多合作，走合作、突破和共享的道路。

现在，行业在有限的场景中推进无人驾驶具有重要的意义。 因为这是通往无人驾驶的必由之路。 无人驾驶从有限的场景到无限的场景有太长的路要走，其盈利模式还不清楚，所以资本市场应该给公司特别是最初的公司越来越多的耐心和支持。

另外，无人驾驶技术的任何突破都应该重视在自动驾驶支援中的商业应用，l4开花l3的结果是很好的战略。

在产业和资本市场大量投资支持无人驾驶技术的应用开发的情况下，如果能大力支持人工智能的基础研究，有助于突破计算机技术和人工智能技术，早日迎来完全无人驾驶的曙光。