自动驾驶到底哪里不安全？
无人驾驶做为一个全新的产业，还面临着非常多的未知数，除了司机、乘客，包括路上的行人可能都会比较担心。针对这些问题，有哪些措施可以减低人们的担忧？
（本文根据吴甘沙在混沌AI成长营的内部课程整理而成，有删节）
（驭势科技创始人，前英特尔中国研究院院长）
炙手可热的人工智能领域，催生了一批创业公司。我们可以大胆预测的是，最近5到10年，在这个领域，增值最大的产业是自动驾驶，没有之一。
为什么这么说？过去长长的100年中，这个被称为“工业之王”的产业在竞争格局上并没有大的变化，然而过去5年，四个趋势完全颠覆了这一格局：
新能源化，像特斯拉这样的电动车将零件数从3万个降到了1万个，进入者的门槛极大降低；
出行多样化，尤其共享出行改变了汽车的消费模式；
智能化和网联化改变了汽车的定义；
汽车成为移动的智能化空间，人与信息和服务产生无数的触点。
所以它将会是一个涉及三个万亿美元的市场：全球汽车市场万亿美元，出行市场万亿美元；在实际产业之外，自动驾驶为社会经济带来的额外收益也将是万亿美元。
但是，对于自动驾驶，人们最关心的还是它的安全问题，尤其是特斯拉自动驾驶事故之后，自动驾驶的安全再一次被推上风口浪尖。
辅助驾驶是最初形态
但存在较大安全隐患
特斯拉事故就事出于此
说到安全问题，我们首先得知道，什么是自动驾驶？
它有三种不同的形态，一是辅助驾驶或半自动驾驶，在一些封闭的结构化道路上可以让汽车自己去开。特斯拉的autopilot就是此类，Mobile Eye、奔驰和沃尔沃在未来也是非常重要的参与者，但这类技术有较大的局限性。
举个例子
▼
特斯拉最早做出大规模可量产、可商业化的辅助驾驶工具，Auto Pilot。
特斯拉的摄像头和雷达配置如上图所示：前面一个摄像头，比较低的位置装了一个毫米波雷达，周身还装了12个超声波雷达，形成了一个像蚕茧一样的密密麻麻的探测区域，当有前后车辆进入蚕茧区域以后，Auto Pilot 就会提醒司机保持前后车距。
视觉（摄像头）加上雷达是一个很好的方案，但它是有缺陷的。为什么？
我们怎么用视觉判断前后车辆呢？比如，前车的车屁股是方形的，车后盖有两条对称的车棱，我们通过定义特征的方法去检测前车。
这样的方法肯定有缺陷。如果你遇到一个不那么规则的前车，就有可能检测不出来。特斯拉最近的一次事故，就是因为没有检测出来前面的大拖车。
一辆拖车在这里转弯，特斯拉开过来的时候，遇到的是一个侧面，而不是传统的车屁股，再加上这是一辆白车，所以视觉上不太判断得出来。
它的毫米雷达波在很远的地方就检测到，但是因为这么大的一个拖车，有可能是道路两边的东西，有可能是广告牌，所以它必须靠近一步地去验证，但是悲剧就在于，这个大拖车的底盘太高，而特斯拉的毫米雷达波太低，所以没扫到，直接撞上了。
所以视觉加雷达波是有这样的问题，但是高度自动驾驶就可以彻底解决这些问题。
从安全性上来说，
高度自动驾驶
比辅助安全驾驶要安全得多
高度自动驾驶和辅助驾驶的区别就是，它可以从封闭的高速道路开到大街小巷，要处理路口、环岛、行人、非机动车辆这些路况。
目前，真正实现高度自动驾驶的还没有。从安全性上来说，高度自动驾驶比辅助驾驶要安全得多，为什么？
一是因为，它是基于深度学习的高级感知。
传统辅助驾驶有几样东西是必须加入数据库的，比如汽车的特征和路上的行人特征，如果在澳大利亚，还要加上袋鼠特征的数据，在中东，还得加上骆驼的特征。
但局限是，道路上会出现什么东西是不可预测的。
所以高度自动驾驶会对驾驶场景中的每一个像素都做一个分类（Label），每个像素到底是属于哪一类，做画面的语义分割，这样的是路，这样的是建筑物等等，让自动驾驶系统对世界有更全面的感知。
二是因为，它有更好的地图和定位技术。
传统的地图我们叫导航地图，它只需要了解道路的信息和一些简单的交通规则。现在的辅助驾驶地图，需要进一步提高地图的信息量，包括车道线数目、路的坡度和曲率等等。
最高级别的地图我们叫高精度地图，就是高度自动驾驶的地图，它需要对环境做更精细的建模，比如马路边的路牙子都要建模出来，这样帮助汽车更精确地行动。
什么是真正为出行者设计的汽车？
“消灭驾驶员”是终极办法
解放老人、残疾人的出行自由
未来5年，传统车厂的主要努力方向是第一类和第二类自动驾驶，但这并不是以代替驾驶员为目的，而是让驾驶员更加安全和舒适。显然这是更稳妥的渐进道路。
而一些“野蛮人”直接选择了无人驾驶作为切入点，剑指2020年。他们认为前两种自动驾驶是危险的，因为机器失效时，在突现危机的电光石火中驾驶员不一定能立刻进入状态，做出清醒的决策。
所以终极的办法是“消灭”驾驶员。这样的汽车是真正为出行者设计的，小孩、老人、宠物、残疾人都能够乘坐，出行权利得到极大释放。
这就是自动驾驶的第三种形态：全自主驾驶或无人驾驶，完全由人工智能来驾驶，可以把方向盘、油门和刹车去掉。 一些互联网公司，Google、优步，凭借着互联网高势能进入到了下一个无人驾驶的领域。
它们强调说，我不通过前面那些雷达判断的手段去做自动驾驶，因为不安全。即使你能够1000次安全驾驶，但是只要1001次的时候出了问题，就关乎人命。
特斯拉在致命车祸的抗辩中指出，autopilot已经行驶1.3亿英里，这是第一起致死事故，而世界范围内每行驶6000万英里就有一次致死事故，全美的平均数字是9400万英里，因此自动驾驶更加安全。
虽然我是自动驾驶的拥趸，但必须指出，这一论据并不充分。1.3亿英里、不到1年的上路时间、10万辆左右的数量，这是非常小的数据样本。
换言之，只要特斯拉明天再出一起致死事故，就是6500万英里出一次事故了，拿美国均值做标准都不及格了。
兰德公司做了一个真正学术上的研究，它说，如果我要证明自动驾驶真的比人驾驶安全的话，我需要接近100亿英里的数据，要完成这个里程，可能要跑几百年，世界上任何一家车厂都不可能跑那么多里程。
那么怎么办呢？我们目前能够想到一个办法就是模拟。自己检测自己，Alphago就是这么自己练出来的，自己和自己下棋，一天就超过任何一个棋手一生所能够下的棋局。
那么Google的无人驾驶目前也在使用类似的方法去检测。你设置一个虚拟的道路环境，里面有车辆和其他路况，在这样的虚拟环境下，一辆自动驾驶的汽车一天可以在里面跑300万英里。
但是，无人驾驶做为一个全新的产业，还面临着非常多的未知数，除了司机、乘客，包括路上的行人可能都会比较担心。针对这些问题，有哪些措施可以减低人们的担忧呢？
未来无人驾驶车上，每个车上面都有黑匣子，它记录了过去三十秒道路的情况，各种软件、硬件工作的情况，一旦出事了我能够确定责任在哪边。
软件方面必须保证我的软件模块是安全的。未来可能出现安全信息市场。分析师、白帽黑客会主动研究自动驾驶车辆的安全缺陷，发现漏洞以后，把安全信息反馈卖给汽车厂商，这些都是可能会出现的。
除了软件架构以外，还要建立小型化、高性能和高可靠的硬件体系。
此外，乘客在车内的时候，如何产生对机器的信任感？在信息展示方面，我们需要随时随地让乘客了解路面的情况，让乘客感到安全。
除了乘客，车还需要和路面上的行人建立信任感，行人走过的时候，车灯也需随之而动，总之在人机交互方面，我们还需要做大量的设计。
*本文根据吴甘沙在混沌AI成长营的内部课程整理而成，有删节，欢迎转发分享，转载请直接在本公众号留言获得授权，我们会及时回复。
有了无人驾驶，司机可能要失业了。《浪潮之巅》作者吴军说，在智能革命中，只有2%的人掌控世界，其余98%都可能被人工智能替代而被淘汰。如何成为那2%？吴军将在混沌研习社带来直播课程，为你解答。上课点这里。
eading
推荐阅读 (点击文章标题，直接阅读)
★ 上期必读《想要幸福，你得知道什么是足够好》
★ 深度《吴甘沙：大数据将踏破人类智能的最后防线》
600元入社，即可报名听课
点此下载混沌官方APP，海量课程视频随时看！