自動駕駛如何到來？
這是一個很大的話題，自動駕駛是非常複雜的交叉學科，所涉及的每一領域都值得細細探討，本文淺嘗輒止，希望能給讀者一個大體的印象，並引發更多的思考。
以下為正文
自動駕駛的發展，是人工智慧在汽車和出行行業的投影，所以要回答這個問題，需要先清楚：什麼是人工智慧。
什麼是人工智慧
由於人工智慧（Artificial Intelligence）這個詞是舶來品，且最早的傳播者，被稱為人工智慧之父的約翰·麥卡錫（John McCarthy，提出者存疑）是美國人，所以我選擇去看英文的解釋：
牛津詞典的解釋如下：
能夠執行通常需要人類智能的任務的計算機理論和先進產品，如視覺，語音識別，決策和不同語言間的翻譯。
The theory and development of computer systems able to performtasks normally requiring human intelligence, such as visual perception, speechrecognition, decision-making, and translation between languages.
而韋氏詞典的解釋是：
一個在計算機上用來模擬智能行為的計算機科學分支
A branch of computer science dealing with the simulation ofintelligent behavior in computers.
所以你看，人工智慧首先是一門計算機科學；其次，它是用於模擬人類智能的。那麼問題來了，智能（intelligence）又是什麼呢？
還是牛津詞典：
獲取和使用知識和技能的能力
The ability to acquire and apply knowledge and skills.
韋氏詞典：
(1)學習，理解或處理新的或困難的處境，即理由，以及有技巧的使用理由。
the ability to learn or understand or to deal with new ortrying situations :reason;
also : the skilled use of reason
(2)應用知識來操縱某個環境的能力，或以客觀標準（如測試）評價的抽象思考。
the ability to apply knowledge to manipulate one"senvironment or to think abstractly as measured by objective criteria (such astests)
最後是新華字典：好了我什麼都沒查到……（強烈要求出在線版新華字典）
言歸正傳，很明顯智能的關鍵在於學習和應用，並且需要一定程度的抽象。那麼推而廣之，人工智慧就是具備學習，認知和應用能力的計算機。同樣自動駕駛汽車，也應當能夠學習，認知周圍的環境，並且能夠做出正確的應對。
美國交通部下屬的NHSTA（國家高速路安全管理局）和美國汽車工程學會SAE都對自動駕駛進行了分級，級到2級都是已經實現了量產的產品，統稱為「高級駕駛輔助系統」，即ADAS。網上資料很（如下圖），在此不再贅述。
無論哪一種分級方式，最終的目標都是一樣：實現任意路況下的完全自動駕駛。聽起來很容易理解，但這背後需要無比巨大的技術進步才可實現。
現在我們在哪兒呢？先看看級到2級自動駕駛汽車能做些什麼，如圖：
看上去還不錯嘛，而且2級自動駕駛汽車也確實可以在高速公路上讓駕駛員放開手腳了，但是，沒有對比就沒有傷害，如果是人類駕駛員，情況如何？
如果是一個人類駕駛員，他能做的事情則要多的多，他可以感知到周圍所有的移動和非移動障礙物，地面畫好的車道和導向箭頭，路邊的限速標識，前方的紅綠燈以及剩餘的通過時間，地上的石頭和塑料袋，後面車輛催促的喇叭聲以及旁邊超過的跑車引擎轟鳴，作為一個老司機，他還知道這條路上哪兒有坑，下個路口該往哪轉不堵車，然後在一瞬間規划出路徑，手腳並用讓車輛流暢行駛，還能一邊聽著音樂廣播一邊和副駕駛的女友吵架。更加神奇的是，他不僅僅「看」到了，還可以理解這些信息背後的含義，比如塑料袋是軟的可以不減速就碾過去，但石頭就不行。
而2級的自動駕駛汽車在此刻心中是崩潰的，它還是一個孩子，它不認識很多東西，也不理解這些東西有什麼含義，更沒有強壯的身體（執行機構）。
按照慣常的思維，我們會理所當然的認為孩子會長大，馬上將要實現的是3級自動駕駛，然而事情在此發生了變化，出現了一個詞，叫做「特定路況」，這是一個很模糊的描述，而且是工程師們自己畫出來的圈圈。有一個很強大的燈廠叫奧迪，他在高速公路上的某個擁堵路段畫了一個圈圈，然後把自家的孩子放在裡面，很開心的告訴所有人，我們家的娃三年級了（3級自動駕駛）！它的名字叫TJP（Traffic Jam Pilot）。
這個孩子比二年級的強很多，他可以「看到」更多的東西（識別更多的目標），也可以做出更靈活的動作（更強的執行機構），但它還是個熊孩子，還需要有老師在旁邊盯著，這個老師的名字叫駕駛員，一旦孩子開始調皮，老師就要去糾正它的行為，但熊孩子終究是熊孩子，99%的時間它可能都很乖，但是1%的時候它突然就不乖了，哪個老師會時時刻刻盯著學生，特別是一個成績還不錯的？就是班主任也做不到，所以這就很危險。海的那邊有家姓特斯拉的，家裡的孩子已經鬧出幾次人命了，就是因為家長心急，明明只有二年級的小身板，偏要送到三年級，還告訴老師們不用管……
扯遠了。最讓人不能接受的是，這個熊孩子總是屢教不改，只要是犯過的錯誤，它會永遠的犯下去，無論老師們糾正多少次。為什麼呢？因為自動駕駛汽車沒有學習能力，無論是學習認識新的物體，新的規則，還是新的應對策略，而人是會學習並吸取教訓的。唯一能解決這個問題的方法，是不斷的更新軟體，由工程師爸爸們去總結，然後把新的知識教給它，這種解決方法有個名字，叫「專家系統」。
即使是3級自動駕駛，依然是一個孩子，讓孩子上高速公路上去玩，是不是有點嚇人？而且誰也不知道孩子什麼時候會長大成4級自動駕駛，這要看專家系統強大到什麼程度，作為一個工程師我實在沒有信心拍胸脯保證這一點，也許一夜長大，也許一夜腐朽，嗯……畫風錯了。
另外，專家系統自身並不具備成長性，它本質上依然是人類知識的歸納總結，即使是4級自動駕駛，在目前的規劃中，我們也沒有看到「學習能力」的規劃和應用，所以，如果真的這樣繼續發展，它和現在的自動駕駛並沒有本質上的區別，至少，從人工智慧的角度來看是這樣。
那麼，還有什麼辦法呢？別忘了畫圈圈的是工程師，雖然我沒有能力改變整個世界，但是我可以把圈圈畫小一點啊。所有當過爸媽的人都知道，孩子還小的時候，家裡的危險品一定要收起來，然後才可以放心讓它自己玩。
所以另一個解決方案，就是嚴格劃分「特定路況」，這個特定路況可以是公共道路，也可以是非公共道路，還可以是某個非露天的場景。說起來雖然簡單，但其實並不容易，車主有自己的需求，如果限定的場景過小，或者過於罕見，即使可以實現，對車主來說也毫無價值。
讓我們再溫習一下人工智慧的解釋：
能夠執行通常需要人類智能的任務的計算機理論和先進產品，如視覺，語音識別，決策和不同語言間的翻譯。
視覺，這是一個非常重要的，也許是最重要的感知手段，所獲取的信息量巨大，是其他手段無法比肩的。自動駕駛汽車之所以如此受到關注，其引爆點正是圖像識別技術的大發展。基於深度學習的圖像識別技術，為自動駕駛提供了強大的感知能力，目標識別能力如果和目標屬性結合起來，將會為決策提供更多的有效信息。視覺感知技術的發展，對自動駕駛乃至人工智慧的進步，起到決定性的作用。
決策，取決於場景閱讀的能力，這是最複雜和難以攻克的部分，即使對於人類來說，理解能力也是最重要的能力之一，如何通過圖像去搭建場景，並用計算機可以理解的方式傳遞這些信息，是一個非常有意思的課題，以後會單獨討論這個問題。
學習能力，現在的計算機都還不具備，機器學習也僅僅是「用數據或以往的經驗，以此優化計算機程序的性能標準。」並不具備聯想能力，一旦這個課題被攻克，那專家系統就將正式壽終正寢，成為資料庫的一部分。
P.S:看到這兒，是不是明白了為什麼所有的互聯網巨頭都那麼瘋狂的收集數據？你踩過的坑，總有一天會變成別人家孩子的養分。
當然現在的自動駕駛專家系統還遠遠沒有達到它的極限，其所需要的感測器和執行器成本也沒有降低到大規模應用的水平，隨著應用的推廣，高級駕駛輔助功能，將是大多數人很快就能看到並享受到的便利。
至於執行機構，現在並沒有什麼技術上不可攻破的理論難點，更多是現有架構的約束，以及成本的限制。想像一下諾基亞吧，再好的軟體，也不可能在諾基亞上得到很好的體驗，推倒重來是一個辦法，汽車行業的壁壘更高，推起來更難，但是別忘了，只需要一家蘋果，一個喬布斯，所有的傳統手機廠家就基本上都死了，現在大家都在爭著做汽車行業的蘋果，所以李書福說有危機感，那是一點都不假。
最後用一張圖來總結髮展路徑。
隨著技術的進步，更多的應用場景會像汽水中的氣泡一樣不斷的冒出來，但彼此之間可能會不那麼連貫。機器自學習出現後，通用型的平台將很快實現所有場景，如果說之前都是量變，那麼這就是質變。
歡迎參與討論和指正。
TAG:果殼機動 |