自動駕駛汽車已經是大家耳熟能詳的熱門話題，很多高科技企業也看好它的未來。那麼我們距離自動駕駛汽車究竟還有多遠？自動駕駛又面臨著哪些技術挑戰？關於自動駕駛，你不知道、想知道的，都在這裡！
（左）段玉龍
北京廣播電視臺主持人
（中）李慧雲
中國科學院深圳先進技術研究院研究員
（右）李升波
清華大學車輛與運載學院長聘教授
**段玉龍：**無理性不真相，各位觀眾朋友大家好，歡迎收看理性派對，我是主持人段玉龍。本期節目將和大家聊一聊自動駕駛。
為什麼我們還沒用上無人駕駛？
**段玉龍：**眼下自動駕駛的概念非常火，但為什麼這麼多年過去了，自動駕駛汽車還沒有來到我們的身邊，僅僅只是停留在紙面上或者一些封閉的測試道路中呢？
**李慧雲：**我認為它發展得其實不慢。作為囊括方方面面的複雜系統工程技術，包括了汽車運載、道路還有通訊等等，它發展得還是挺迅速的。
事實上大家在這次疫情中可能也聽到一些新聞，說我們的無人車已經參與了物資包括防疫物資的配送，還有一些人員的運載。大家可能不知道的還有一些無人礦用卡車的執行。所以說其實在一些特定區域內，它已經逐漸地走入了我們人類的生活。
**段玉龍：**但是對於我們普通老百姓來說，什麼時候上下班、接孩子能開上無人駕駛汽車？甚至都不用開這個詞，車就能夠幫我來完成這些任務？
**李升波：**其實這是個非常複雜的問題，一般媒體談無人駕駛就是在講替代駕駛員、替代人類，這是個非常理想的目標。但就目前來看，這樣的純無人駕駛技術還有很多瓶頸和難題難以解決。從智慧的角度來看，人類這個生命體從一個單細胞開始，在大概四五十億年的時間中，歷經單細胞低等生物、多細胞低等生物、魚類、爬行類、哺乳類的進化過程，最終進化為人類的。在這個過程中，我們的智慧也在不斷地進化。人類是目前我們所知的地球上最複雜、最智慧的生命體，我們的大腦大概有800億個神經元，只有這個生命體才能去真正地駕駛。目前來看，我們自動駕駛技術所用的機器神經網路，如果按照神經元的規模大概在千萬到億這個級別。對等到一個生命體上，這大概是青蛙的水平。
**段玉龍：**您是指現在的無人駕駛技術相當於一隻青蛙在開車？
**李升波：**對。我們科學家把自動駕駛或者叫智慧汽車分為五個級別，**從L1級到L5級，級別越高，智慧性越高。**無人駕駛實際上是指L5級的自動駕駛，這是比較難以實現的。
L5級自動駕駛想象圖
L1級是駕駛員輔助系統，它能自動幫駕駛員打方向盤或是踩油門、剎車。L2級是L1級的增強版，可以同時實現打方向盤和踩油門、剎車，但是它的工況一般侷限在高速公路這種比較簡單的，沒有行人、腳踏車，只有機動車的道路場景。L3級和L4級則是在L2級的基礎上的增強版，它們進入了交通參與者較多、複雜度較高的道路場景。
L3-L4級與L1-L2級的區別在於安全事故的責任主體不一樣。按照目前的規定，如果L1-L2級出了事故，由於這是駕駛員輔助的自動駕駛，所以是由駕駛員承擔責任；如果L3-L4級出了事故，準確說是L4級，就應該由系統負責。這就變得非常複雜了。要是系統的安全性不如人類，那給它保險的話，保費就要比人類高。此外，這種系統要進行事故責任主體的認定也比較複雜。所以目前進入商業化運營的自動駕駛汽車，基本還是L1-L2級的。L2級到L3級之間是一個跨越式的分級。
**段玉龍：**我們已經實現了L1和L2兩個級別的自動駕駛這麼多年了，但為什麼到L3級的這個鴻溝就一直跨不過去？除了您剛才提到的責任認定之外，在技術方面有沒有遇到什麼挑戰？這個挑戰應該怎麼解決？
**李慧雲：**剛才李教授提到了在演算法算力上，自動駕駛目前與人類駕駛有很大區別。從自動駕駛替代人的手腳眼腦的角度來看，除了在手和腳的制動這一塊做得讓人滿意外，從感知到決策、規劃、定位，這幾大技術方面都做得不盡人意。
車載感測器示意圖
我舉兩個例子。在感知的部分，我們大家可能聽到有鐳射雷達和視覺流派之爭，當然也有說多感測融合的。但是現在發生的事故都倒在了這一關。不過，如果我們加很多的感測器，又有很多測試案例的話，能否把這塊做好其實也不一定。因為它又牽涉到後面的規劃、決策與人工智慧的發展程度，所以這是一個環環相扣的問題。
然後在定位的部分，我們正在跟香港理工大學合作，香港是個很典型的城市峽谷，不管是隧道還是高樓遮擋，它產生的多徑反射一般會導致GNSS（全球定位系統）達到幾十米的誤差，就沒有辦法來導航了。當然使用一些技術手段比如說選特定的衛星、在做標定的時候加一些先驗知識，現在最好的還是到十幾米的誤差。所以現在雖然說高精地圖已經能達到釐米級，但是如果定位還有十幾米的誤差，這顯然還是不行的。這也就能回答為什麼L3-L4級還達不到商用的水平。
**段玉龍：**接下來這個問題該怎麼解決呢？近年人工智慧、大資料、雲計算這些技術的進步，對於無人駕駛汽車技術的提升能夠起到多大的作用？
**李升波：**無人駕駛要實現功能，就得像人一樣。首先，要有眼睛觀察周圍的環境；其次，要用大腦進行判斷、決策；最後把命令輸出到手和腳，完成打方向盤、踩油門和剎車等工作。自動駕駛汽車的整個系統都是由演算法完成的，但演算法必須依賴於兩點。第一，需要有算力或是計算機去承載它，第二，需要有資料去訓練它。所以自動駕駛與人工智慧類似，演算法、資料和算力是它的三個基本支柱。目前我們的算力還不能滿足高級別演算法的要求。原因很簡單，即便在車上裝一臺伺服器，它能夠承載的神經網路也就是億級別的神經元的規模。人類的大腦大約只有八瓦到十瓦的功率，但它能夠執行800億個神經元，而且每一個神經元的效能都比機器的要好很多。所以按照這個類比，我們的算力還是不夠的。
深度神經網路（DNN）示意圖。它運作方式與人腦相似，透過互聯的神經元組成的結構層傳遞輸入的資料，然後進行處理。
接下來是演算法，目前的主流演算法是深度學習，我認為將來深度神經網路可能變成更加主流的自動駕駛演算法。目前也有很多人質疑它的可解釋性不好，安全性不一定能得到有效保障。但是人類也是神經網路構成的智慧體，人類的大腦就一定具有可解釋性嗎？它也不是每次都能夠判斷準確的。因此，只要演算法的安全程度足夠好，我們還是可以信賴它的有效性的。至於網路本身是否具有可解釋性，是否有足夠的安全保障，則需要根據效果進行判斷。
**李慧雲：**我也贊同神經網路正在快速發展，它能在自動駕駛的感知、人機共駕語音識別等多個領域大放光芒。但是我認為還有一部分是現在的深度學習缺乏的：它沒有人類的推理、歸納、演繹、類比等能力，而這些能力是青蛙和人的很大的區別。我認為如果要從青蛙過渡到人，數學、人工智慧這兩個領域還需要有很大的突破。
但我也贊同要看療效。現在我們看療效的通用方案是對產品的設計執行域（ODD）進行清晰地劃分**。**比如說在低速情況下規定好時速、道路模型，那麼就有一個選定的路線，這個路線將由乘客、運營商和資訊通訊的提供商共同確認。在這樣的區域內，按照我們的方案如果能夠完成感覺、決策、控制、執行、避障、緊急停靠等功能，我們就能夠很好地讓產品在區域內工作。
思想晚餐
已完成：70% ///////****///********
我們能夠信任自動駕駛嗎？
**段玉龍：**雖然說眼下有很多困難制約著自動駕駛汽車的商用，但我們都知道人類技術的發展速度以及某些節點的到來會超過我們的想象。假設自動駕駛汽車幾年之後來到了我們的身邊，它真的會有我們想象中的那麼香嗎？在2018年，就有一輛測試中的無人駕駛汽車撞死了一個行人。兩位老師怎麼看無人駕駛汽車在具體應用時所出現的安全性問題？
**李慧雲：**我覺得可以參考一下我們工業發展中的幾個突破。比如說對於基本能夠實現自動駕駛的飛機和地鐵，我們有一個常規的方案就是劃分好一個得到各方確認的限定的執行區域。只要沒有擅自進行更改，那麼一旦出了差錯就可以比較清晰地確定各方責任。這個思路不一定對，但是確實是需要法律界、心理界以及政府部門共同制定的。
**李升波：**你講的出了事故誰來負責的問題，是自動駕駛發展到今天面臨的一個重要難題。之前我們討論過智慧汽車的分級問題，其中L1-L2級的定位是駕駛員輔助系統，這不是說它只是輔助駕駛員，它也可以完成一定的自動駕駛功能。但是出了任何事情還是由駕駛員來負責，這是我們的工程中的一個解決手段。
自動輔助駕駛可以使車輛在車道內自動輔助轉向、加速和制動，但仍需要駕駛員進行主動監控，車輛尚未實現完全自動駕駛
**段玉龍：**某公司的車過去出過很多在自動輔助駕駛模式下的事故，所以按照您分享的知識，這種事故是要由汽車駕駛員自己負責？
李升波**：**對，因為它的定位只是駕駛員輔助系統。在它的功能設計裡面有一些要求，比如說開了自動駕駛系統之後，你的手不能脫離方向盤；另外在應用這個系統的過程中，你的眼睛的視線必須朝向前方，大腦還必須思考，這樣一旦出了緊急的事情，你才能夠接管車輛。
但是對於L3-L4別而言，難度就比較高了。L3-L4級要求，出事故時如果系統沒啟動，責任歸人；如果系統已經啟動了，責任歸系統。這個難度到底是在哪？我還是按照經濟去核算。人類駕駛每百萬公里可能有三到五次的事故，這是人類駕駛員的平均水平，不同國家有高有低。這個事故數決定了保費的多少。如果事故數高的話，保費也會高。如果想讓保費降低，就需要提高安全性。因此真正的高級別自動駕駛，核心問題就是假如人類和自動駕駛系統都能投保，系統的安全性必須比人類高，保費才能低。目前，多數學者、研究人員和工程師主要還是在解決技術這一更為關鍵的難題。但從長遠來看，它會變成一個哲學的、社會學的、法律法規的問題。
**段玉龍：**自動駕駛汽車已經出現了一些讓人警醒的問題。比如某公司的智慧汽車就出現過一起慘烈的交通事故，事故原因是車輛誤把前方貨車車身上噴塗的藍天白雲影象當成了真實的藍天白雲，徑直往前行駛，於是就釀成了事故，駕駛員當場身亡。這讓人們非常擔心和害怕，您認為人們可以克服這種恐懼嗎？
**李慧雲：**我覺得可以。我自己就非常信賴飛機和地鐵等智慧化、電腦化、共享化的公共運載工具，我相信我也能夠很快地適應智慧網聯汽車帶給我們的便利。
**李升波：**我個人的一個判斷是，自動駕駛最後能否真正被大眾接受，取決於其安全性或者說事故數。如果它的事故數能夠降到跟人類差不多的水平，我們就應該能夠認可這個系統。
**段玉龍：**未來有一天，計程車、地鐵甚至飛機都是無人駕駛的，那麼交通運輸行業的從業者如駕駛員又該何去何從？您認為該如何解決這些人的問題？
**李慧雲：****社會發展能夠提供更多的職業空間與方式。**現在我們看到的很多職業以前的人可能都無法想象，比如說直播帶貨。所以隨著社會的進步，有一些職業會消失，但是勢必又會帶來更多、更個性的職業，我還是挺樂觀的。
**李升波：**對於每一個行業的發展而言，改變與轉化不是一瞬間就能夠實現的，它是一個很長的、逐步的替代過程，可能需要三四十年甚至更長的一段時間，也可能會變成兩三代人的問題。在這個過程中，原先被替代的工種會有一些其他的出口，像剛才李老師講的，也會有一些新的工種出現，大家會湧到新的領域裡去。
**段玉龍：**那您覺得在我們的有生之年，是可以看到的全自動駕駛出現的嗎？
**李升波：**我是個樂觀派，我認為有生之年應該能有幸看到。
原題：《自動駕駛相當於一隻青蛙在開車？要讓蛙進化到人，還需付出多少努力 | 理性派對第三季》
來源：格致論道講壇
