被车主起诉自动驾驶是“画大饼”？特斯拉回应：没有欺诈，只是还没实现
真正的自动驾驶的落地还需要多久？
在一众汽车品牌中，“特斯拉”是一个比较特殊的存在。不仅是因为其老板马斯克擅长制造话题吸引流量，也是因为汽车本身搭载的自动驾驶技术一直处于行业领先的地位。
不过，近日，特斯拉的核心竞争力之自动驾驶技术却惨遭“翻车”。国外一群特斯拉车主以“涉嫌在其自动驾驶、增强型自动驾驶和全自动驾驶能力（FSD）技术方面误导公众”为由，发起了集体诉讼。
然而，这一场官司刚起步，似乎就遇阻了，因为特斯拉的律师进行了辩护回应称，可以说特斯拉的完全自动驾驶技术可能会失败，但这并不意味着欺诈。因为完全自动驾驶是他们的一项长期目标。
这究竟是怎么一回事，我们不妨来看看。
CSDN 付费下载自视觉中国
车主：感受到了欺骗的存在！
事实上，自 2016 年以来，特斯拉便声称其生产的所有车辆都配备了所有必要的硬件，以便在未来通过软件更新就能实现自动驾驶能力。
然而，车主被一次又一次地放了“鸽子”。
更久之前，据外媒 MarketWatch 报道，马斯克曾预测在 2018 年，特斯拉汽车将能够实现从洛杉矶到纽约的自动驾驶；
2019 年，马斯克称在不久的将来，所有特斯拉都将成为功能完美的自动驾驶出租车；
甚至几个月之前，马斯克在挪威举行的一次能源会议上表示，他的目标是在 2022 年底前让特斯拉的自动驾驶技术准备就绪，并表示他希望这一技术能很快在美国甚至欧洲广泛发布，这取决于监管部门的批准。
然而，如今 2022 年时间所剩无几，据路透社 10 月报道，特斯拉的高级驾驶员辅助软件将不会在 2022 年获得监管部门的批准，而马斯克在评论中表示，这表明特斯拉尚未能够让当局满意其汽车可以在没有人驾驶的情况下驾驶。
正是这样一次又一次爽约，让不少特斯拉车主开始怀疑特斯拉究竟是否真的能够研发出自动驾驶。
在没有耐心继续等下去之际，他们便发起了集体诉讼，称感觉自己被骗了，其认为特斯拉在误导买家，因为过去六年间，特斯拉的各种营销材料包括马斯克不间断地承诺都表明了自动驾驶即将到来。
特斯拉尚未生产出完全自动驾驶的汽车。收到特斯拉 Autopilot 软件和 FSD Beta 软件最新“更新”的特斯拉车主还反馈了无数问题，如汽车难以进行常规转弯、会闯红灯、甚至会转向迎面而来的车辆造成交通事故。
现实却是，目前的道路上没有一辆特斯拉能够实现完全自动驾驶。
不仅如此，今年 8 月，马斯克还宣布，特斯拉的完全自动驾驶（FSD）功能的价格将在 9 月份上调 25%，从原来的 12000 美元上涨到 15000 美元，继续售卖这套系统。不过，虽然特斯拉 FSD 涨价，但是并没有增加新功能。
特斯拉：仅仅未能实现一个长期的、有抱负的目标，并不是欺诈
针对这一诉讼，上周，特斯拉申请驳回，其律师在辩护中表示：
"仅仅是未能实现一个长期的、有抱负的目标并不是欺诈"。
颇为现实的是，特斯拉将其对完全自动驾驶的研发进度与宣传称之为一个"长期的、有抱负的目标"，用词非常严谨。
这样的说法，也给身为原告的车主们带去重重困难。因为他们需要证明，特斯拉存在故意误导客户的行为，让车主认为自己购买的汽车将会成为自动驾驶的车辆。他们也需要证明，特斯拉无法实现自动驾驶能力。
仅是这两点，几乎很难做到。毕竟特斯拉从未承诺过实现这一目标的具体时间表。虽然过去几年间，马斯克不间断承诺，但并不影响不间断推迟这个目标。
特斯拉辩称道：
相反，起诉书中的指控表明，特斯拉一直在通过发布软件更新来不断改进其 ADAS 技术，目的是为了在未来实现更多更好的自动驾驶能力。
与此同时，特斯拉也引用了马斯克之前发表的一些声明，证实自动驾驶推向市场将存在问题：
从早期开始，特斯拉就明确表示，"在监管机构批准真正的自动驾驶之前，仍将有一个显著的时间差距，因司法管辖区而异。”
完全自动驾驶研发有多难？
其实特斯拉对外销售的 FSD 附加软件，可使车辆自动变道和停车。这补充了其标准的“自动驾驶”功能，使汽车无需驾驶员干预即可在车道内转向、加速和制动。然而，汽车仍然需要在人为监督下驾驶。
现如今，距离人人理想状态中的完全自动驾驶的汽车，仍然道阻且长，甚至不太可能实现。
对于这一点，一位开发者 Vincent Tabora 写了一篇《Why Making Cars Self-Driving Is So Difficult》，从人类学习与机器学习两个维度详解完全自动驾驶的难点。
要想实现自动驾驶真正的定义，前提条件就是不再需要驾驶员的自主水平。然而，说起来容易，做起来很难，甚至不太现实。
对于特斯拉的 FSD 软件，不少人都觉得名称具有一定的误导性，因为特斯拉的 FSD 软件应用到汽车中，自动驾驶汽车仍然需要有人类的监督存在。而真正的全自动驾驶汽车（无需驾驶员）是 SAE 5 级。目前市场中大多数具有自动驾驶功能的汽车都是 L2 或者 L3 级别的，仍然需要驾驶员干预才能正常使用。
之所以一直无法攻克自动驾驶这道难关，也是因为机器学习无法实现人类学习的认知能力。
人类学习
人类通过认知过程进行学习。我们通过感官知觉的输入获取知识，这是一个终生的过程，从出生就开始了，因为我们的脊柱是为支持神经系统而形成的。我们通过经验向周围的世界学习。我们有一个内在的机制，通过释放某些化学物质，引起 "不战而屈人之兵 "的反应，来保护我们免受危险。
我们也生活在一个有规章制度的社会中。这就是为什么在我们可以开车之前，必须从驾校学习开车的正确操作以及交通规则，只有通过驾校的考试才能拿到政府认可的驾照，这样才可以真正地开车上路。
机器学习
机器（即计算机）以一种更线性的方式执行任务。机器之所以能比人类做得更好，是因为它们没有相同的物理限制。机器可以不知疲倦地工作几个小时，适用于具有重复性的剧烈体力劳动。它可以被编程到比人类同行更有效率的地步。
训练机器没有简单的方法，这一点很容易被忽视。许多人可能有这样的想法：你可以对机器人或计算机进行编程，使其做任何事情。这是事实，但它们实际上只擅长执行可确定的任务，如包装、焊接、分拣和其他手工过程。这些系统的编程是精确和准确的，但却是针对特定任务的。
在驾驶方面，机器不具备与人类相同的能力。那是因为驾驶要复杂得多，因为它需要多任务处理。驾驶员需要具备道路意识、环境视觉、驾驶规则知识、良好的手眼协调能力以及对危险的快速反应。人类总是被教导安全第一，以便珍视生命高于一切。你如何教汽车学习或理解这一切？
训练汽车自动驾驶
机器虽然擅长执行特定任务，但在需要同时做很多事情并意识到自己在做什么时，它表现并不是最好的。驾驶是一个需要同时做很多事情的过程。机器实际上只是执行任务的计算机化程序，在这些操作背后没有任何批判性思考。另一方面，人类同时具有批判性思维和多任务处理能力，这有助于对非确定性（即概率）情况做出反应。
自动驾驶挑战在于构建一个由各个部分组成的系统，这些部分协同工作，类似于人类感知世界的方式。它在软件和硬件中实现，以模仿人类在驾驶时如何感知情况。最早的系统使用 LiDAR （用于计算机视觉）等传感器。
传感器使汽车能够感知周围环境。它有助于创建一个道路的视觉地图，让汽车“看到”前方的情况。这将通过摄像头得到加强，以创建更好甚至最好的视觉地图。也可以使用其他类型的传感器，如雷达、超声波和红外线。将各种传感器组合在一起称为传感器融合。这为自动驾驶汽车提供了眼睛或视觉系统。
如果视觉系统不能解释它所看到的，它就毫无用处。对于机器来说，来自传感器的数据只不过是像素而已。他们必须能够识别像素中的模式。然后需要将其处理成汽车可以解读的信息。此过程涉及以下内容：
图像或物体检测
特征提取
标签
识别或鉴定
控制
自动驾驶汽车背后的逻辑是通过安装在芯片上的嵌入式系统应用的软件实现的。这是软件安装和执行的地方，以便加载到汽车的内存系统中。除此之外，它还可以访问一个信息数据库。这利用了来自 ML 技术（例如深度学习）的数据，使汽车能够识别周围的事物以及遇到物体时应采取的行动。
当 LiDAR 系统检测到前方有停滞的物体时，汽车应减速并准备在距离物体的安全距离内刹车，防止碰撞。能够创建一个视觉地图并不是传感器的唯一用途。汽车的摄像头系统还必须能够使用OCR（光学字符识别）识别路标。例如，为了遵守法律，当摄像头捕捉到带有限速的路牌时，汽车必须减速且不得超过该限速。
开发者可能需要应用像 SAE 驾驶级别的认证或标准来认证自动驾驶汽车。这就像人类的驾驶执照，但如果没有全面商用的标准，这可能会带来很多问题。如果一家汽车制造商认为其功能足够安全，其他人可能会不同意。最好能有一个关于自动驾驶汽车法规的标准委员会。
了解紧急情况
除了以上一些基础能力之外，汽车的反应时间可能永远无法与人类的直觉反应相提并论。因为机器无法用真实的情感来编程。在自动驾驶汽车中，仅对它们进行编程以施加制动以停止或遵守交通规则是不够的。自动驾驶汽车在红灯右转时不会撞到过马路行人的依据是什么？如果有行人突然跑到汽车前面，即使它有先行权怎么办？
从情理角度来看，它仍然应该刹车并让行人安全通过。但如果我们从自动驾驶汽车的角度来看，它的决定应用是离开，因为它显然有先行权。在开发自动驾驶汽车的逻辑时，工程师需要制定政策，考虑到在这种情况下的许多概率结果。
也许大规模自动驾驶汽车部署需要解决的问题是基础设施的升级。随着道路、桥梁和其他基础设施（使用 V2X 协议）能够与自动驾驶汽车进行数据通信，理论上它可以使环境更加安全。它在导航方面更安全，因为自动驾驶汽车会更了解周围的环境。这使得自动驾驶汽车的事情变得更加确定。自动驾驶时，仍然取决于车内的传感器和软件。
司机也应该被排除在外。如果允许司机随时干预，那就不可能真正实现全自动驾驶。毕竟，重点是全自动驾驶汽车。
基于以上，最终，自动驾驶功能仍可能会流行，但或许不会达到 5 级。不久前，曾由福特、大众联手投资的自动驾驶公司 Argo AI 的倒闭似乎也验证了这一点。对于 Argo AI 关闭了业务，福特曾透露，其基本上完全取消了 L4 技术的优先级，转而专注于高级驾驶员辅助 (ADAS) 系统内部资源。
福特首席执行官吉姆·法利表示，“大规模实现盈利的全自动驾驶汽车还有很长的路要走，我们不一定要为自己创造这种技术。”
为此，从应用角度来看，你认为生活中需要达到 L5 级别的完全自动驾驶车辆吗？
参考资料：
https://electrek.co/2022/12/07/tesla-self-driving-claims-failure-realize-long-term-aspirational-goal-not-fraud/
https://medium.com/0xmachina/why-making-cars-self-driving-is-so-difficult-81d5b9c3fda6