特斯拉事故曝隐患，如何让机器更安全地为人类服务？

　　一起车祸给特斯拉带来了大麻烦。

　　7月1日，特斯拉发表博客叙述了NHTSA(美国国家公路交通安全管理局)正在着手调查第一起特斯拉自动驾驶致死的车祸。今年5月份，美国佛罗里达州一位40岁大叔开着一辆处于自动驾驶模式行驶的特斯拉Model S在高速公路上行驶，因障碍物检测系统的“漏检”，导致其全速撞到一辆正在垂直横穿高速的白色拖挂卡车，司机死亡。

　　 自动驾驶技术已经在传统汽车厂商的部分产品中得到应用，仅这一次事故未必能说明什么。真正值得关注的问题是，如何让机器更加安全地为人类服务，甚至比人自己操作的安全性更高？

　　 特斯拉对这次事件的解释是，在强烈的日照条件下，驾驶员和自动驾驶都没能注意到挂车的白色车身，发生了漏检，因此未能及时启动刹车系统。

　　 当初，特斯拉的MobileEye利用单目摄像头进行障碍物检测，已经是自动驾驶领域一个亮眼的应用成就。但无论如何，自动驾驶目前来看毕竟只是一项辅助功能。特斯拉的自动驾驶系统要求驾驶员双手始终握住方向盘准备随时接管，而且会时刻检查以确保驾驶员双手不离方向盘。如果系统感应到驾驶员双手已离开方向盘，车辆则会显示警示图标或发出声音提醒，并逐步降低车速，直至感应到双手在方向盘上。而根据被撞的卡车司机描述，当时特斯拉司机正在玩游戏，把驾驶完全交给了特斯拉的自动驾驶系统。

　　 正如特斯拉官方所说，自动驾驶技术现在并不是完美的。况且，单目障碍物检测算法都很难对大面积的白色物体障碍物提取特征点，这也是学术界和科技企业们一直在攻克的难题。

　　 所以从这个角度来看，这锅不能完全由自动驾驶技术来背。人们想要享受自动驾驶带来的便利，就得忍受这个方案的“不完美”。

　　 那么，目前是否有安全系数更高的解决方案呢？单从障碍物检测这一点来说，特斯拉和传统汽车厂商的自动驾驶技术，主要采用的是摄像头或者毫米波雷达，而Google和百度等正在研发无人驾驶技术的互联网公司采用的则是激光雷达，摄像头和毫米波雷达主要起辅助作用。激光雷达安全性和障碍物检测高于摄像头，能实现比摄像头检测更少的漏检，但问题在于成本较高，这也是无人驾驶汽车目前尚未普及的原因之一。

　　 从整个机器驾驶的现状来看，百度高级副总裁王劲的曾将无人驾驶技术分为四个等级：自动跟车系统(可以跟前车保持安全距离，这是最低级的自动驾驶)；车道保持系统(特斯拉做到了)；在高速路面上完全的自动驾驶(目前特斯拉尚不能处理逆向行驶的车辆的压线问题)；以及在任何车道、任何路况进行的完全自动驾驶。

　　 在实现自动驾驶的路径上，百度和Google等走在无人驾驶技术前沿的互联网公司选择的是直接着手进行完全自动驾驶技术的研发，而一般汽车厂商(宝马、奥迪、奔驰等)则希望从这四个等级的最低级逐级做起。包括特斯拉也是传统车企的思路。

　　 这是两条路线之争。了解了传统车企和特斯拉的路径之后，再来看看百度和Google的另一条路线。

　　 Google的无人驾驶汽车技术，需要事先输入路线和路况信息，在所进行的所有路测中，路线也都得提前规划好，包括这一段路的红绿灯都在哪里、车道数量、车流情况以及规定限速等等。Google充分利用了其地图大数据的优势，为自己的无人驾驶汽车指引方向，如果在已输入的路线中，突然新增了一个红绿灯或有临时施工，那么Google的无人驾驶汽车需要依靠车载传感器来识别，并及时停车或规避。因此，这这对于车载传感器和算法系统是个很大的挑战。

　　 再来看百度。百度也采用了地图大数据的规划优势、传感器的主动识别技术，背后的核心是百度引以为傲的人工智能。与特斯拉这种使用单功能传感器(每个传感器负责一项任务)不同的是，百度的无人驾驶汽车可以看作一台移动的人工智能系统，整个汽车的传感器由统一的人工智能计算和掉配，从而做出更加智能和统一的决策，能够提高整体的驾驶安全性。另外，百度无人驾驶目前还拥有自主研发的基于摄像头的自动驾驶环境感知技术，包括车辆检测、跟踪、距离和速度估计、路面分割、车道线检测等多项技术，在高精度定位技术上，百度无人车技术已经实现厘米级的定位精度，相比于GPS定位精度提升了两个数量级。

　　 其实从数据和理想化状态来看，百度和Google的无人驾驶是能够做到更精准和更安全的。得益于人工智能技术和更丰富的传感器，完全自动驾驶技术要比人工驾驶+辅助自动驾驶得到更安全和功能更丰富的驾驶体验。

　　 Google和百度的无人驾驶技术以及背后的人工智能＋大数据驾驶会是驾驶的未来吗？未来真的可以将驾驶交给机器吗？现在还不好作出判断。但随着人工智能技术开始在日常生活中得到越来越多的应用，机器正在让人类从繁琐的重复性工作中解脱出来，而且机器也证明了其准确性和安全性比人类自身更好。

　　 所以，如何让机器保持平稳工作的状态，在带来便利的同时保证人的安全，进而通过高安全性让人类信任机器作出的决策，将会是所有高科技企业未来关注的重点。比如，目前的达芬奇机器人已经在口腔手术中实现了一段时间的临床应用，沃森电脑也已经可以帮助医生作出病情诊断，它们都在有限的范围内作出了尝试，推进了整个进程。这些都值得我们庆幸。

　　 另一方面来自成本的考量。如前文所说，激光雷达的成本比摄像头高很多，一定程度上阻碍了它的普及。对于这一点，今年3月王劲在接受媒体采访时表示，2015年百度无人车使用的激光雷达设备的价格目前已经下降了20万元人民币。百度有信心进一步降低无人车硬件成本，激光雷达的造价在未来几年将会降至2万元以下。业内普遍认为，传感器成本大幅下降将会加速推进无人车商业化量产进程。

　　 当然，最大的成本来自人工智能和背后一系列技术的投入，这是传统车企无法短期超越Google和百度等互联网巨头的地方，也是后者最大的竞争力。虽然目前完全无人驾驶的汽车还没法与自动驾驶那样大规模普及，但当技术成熟、成本下降之后，它的潜力无疑更大。

　　 特斯拉的这起事故也给人们敲响了警钟，让人们更加详细地了解不同技术路线和背后的实现原理，从而从理性上作出判断孰优孰劣，而不再“谈机器色变”。这已经是一种进步了。

免责声明:本文仅代表作者个人观点,与浙江都市网无关.其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或者承诺，请读者仅作参考，并请自行核实相关内容。