2020年，自动驾驶没有如期而至

【家电网HEA 2月21日原创】自动驾驶汽车过去所说的未来，已经到来。英国《卫报》在2015年曾经预测，2020年“司机“将永远坐在后座，2016年《商业内幕》则说”到了2020年，将会有1000万辆无人驾驶汽车上路“。而诸如通用汽车、谷歌Waymo、丰田和本田都宣布会在2020年生产出自动驾驶汽车。埃隆·马斯克则更为乐观地预测特斯拉在2018年生产出自动驾驶汽车，在特斯拉失败后，又将期限拉到了2020年。  

如今2020年已经到来，自动驾驶汽车依然无法上路。  

尽管在诸多领先技术以及汽车厂商付出了巨大努力，但除了特殊的试验计划之外，全自动驾驶汽车依然遥不可及。现在能够购买到的自动驾驶汽车，只能协助处理普通情况，比如在发生碰撞时自动刹车，或者帮助司机保持汽车在车道上驾驶，甚至特斯拉Model S的自动驾驶仪也主要用于高速公路驾驶。  

为什么过去所承诺的未来没有到来？  

自动驾驶如何工作？  

数十年来，工程师一直在尝试自动驾驶汽车的原型。其背后的想法非常简单：在汽车上安装摄像头，该摄像头可以跟踪周围的所有物体，并在汽车要转向时做出反应。同时教车载计算机道路规则，并放宽它们以导航到目的地。   这个简单的描述消除了很多复杂性。驾驶是人类日常要做的更复杂的活动之一。遵循道路规则并不能像人一样开车，因为在驾驶时人类要做的事情包括与他人进行眼神交流，以确认谁有权通行，或者对天气情况做出反应等。  

而且，即使是简单的驾驶操作，实际上也比听起来复杂得多。以Google的旗下公司Waymo为例，后者是自动驾驶汽车行业的领导者。Waymo的汽车是其他自动驾驶汽车中相当典型的汽车，它们使用高分辨率的摄像头和激光雷达，通过反射物体的光线和声音来估计与物体之间距离。  

自动驾驶汽车的计算机将所有数据结合起来，绘制一张图片，以显示其他汽车、骑自行车的人、行人和障碍物的位置以及行进路线。对此，自动驾驶汽车需要大量的训练数据，也就是说， 汽车必须利用 Waymo收集的数百万英里的行驶数据来形成对其他物体可能如何运动的期望。 在道路上很难获得足够的训练数据，因此汽车也要根据模拟数据进行训练，但是工程师必须确保其AI系统能够正确地将模拟数据推广到现实世界。  

为什么自动驾驶汽车上路要花比预期更长的时间？  

自动驾驶汽车依靠人工智能工作。2010年到2019年这十年间，对于AI来说是伟大的十年。我们看到了翻译、语音识别与生成、计算机视觉和对象识别以及游戏玩法的巨大进步。人工智能过去很难识别图片中的某一事物，而如今，这已经成为了一件微不足道的任务。  

正是人工智能的进步推动了对自动驾驶汽车在2010年代中期的乐观预测。我们可以在他们在其他领域看到的惊人成果的基础上再接再厉。  

但是当涉及到自动驾驶汽车时，这些收益的局限性变得非常明显。即使投入了大量的时间，金钱和精力，也没有团队能够弄清楚如何让AI解决实际问题——以所需的高度可靠性在道路上行走。  

很多问题是需要大量的培训数据。训练自动驾驶汽车的理想方法是向其展示数十亿小时的真实驾驶画面，并以此来教导计算机良好的驾驶行为。当现代机器学习系统拥有大量数据时，它们的性能确实很好，而当数据很少时，它们的性能却非常差。但是为自动驾驶汽车收集数据非常昂贵。而且由于某些事件很少发生——例如，目睹前方发生车祸。这辆汽车有可能超出其深度，因为它在训练数据中很少遇到这种情况。  

汽车制造商试图以多种方式解决这个问题。他们已经行驶了更远的路程，他们已经在模拟中训练了汽车，他们有时会设计特定的情况，以便他们可以获得有关这些情况的更多培训数据。   但这是一个进展缓慢的难题。不过，Waymo的汽车确实在无人驾驶的情况下在亚利桑那州的街道上漫游。如果一切顺利，它们可能会在今年晚些时候扩展到更多城市。它们越来越近了。

(家电网® HEA.CN)