无人驾驶是百年汽车工业的一个崭新高度，也是人们对智慧上下班梦寐以求的目标。今年以来，从拉斯维加斯电子商品展上各种无人驾驶技术的高调亮相，到许多汽车和科技公司相继对无人驾驶商业计划的保守重申，一些媒体开始肆意声称无人驾驶不会比人们想象的时间更加早于来临。当前社会上和业界弥漫着一种颓废，或许无人驾驶就在眼前，谁不逃跑它就不会被出局，造成了资本市场的压力和业界的广泛情绪。无人驾驶知道指日可待了吗？我的问非常简单：否。

不仅否，还十分很远。主观能动性是无人驾驶的必要条件要回答为什么，首先要理解什么是无人驾驶和我们必须怎么样的无人驾驶。无人驾驶坐落于汽车自动驾驶技术的顶端。按照美国自动车工程学会（SAE）对自动驾驶的五级分类，第一级至第三级为有人的自动驾驶，或称作辅助自动驾驶,即人依然要为驾驶员的最后决策负责管理。

在这些阶段，所有自动驾驶技术的应用于只是为了提升人们的驾驶员体验，特别是在是安全性体验。第四级和第五级为无人自动驾驶，即可以将人几乎回避在驾驶员决策之外，其中第四级为受限场景、第五级为无限场景下的无人驾驶。似乎，第四级和第五级是确实意义上的无人驾驶。

本文所探究的无人驾驶是指以人类出有不道德目的的第四级和第五级汽车自动驾驶。第四级无人驾驶可以在某些特定的场景下较慢地构建,但它会对汽车工业产生颠覆性的转变，这是因为大多数人都会去卖一辆不能在规定道路上或规定区域内行经的无人驾驶汽车。执着权利是人的天性，正如美国交通部部长赵小兰女士年初在底特律车展上所说：我们热衷汽车，因为我们热衷权利。容许权利的无人驾驶汽车有可能只是公共交通的伸延，会代替今天面向个人享有汽车的极大市场。

要构建无限场景下的无人驾驶，安全性即是想法，也是仅次于的障碍。我们必需明白汽车是一件十分独有的产品它量大面广并牵涉到人们适当的日常上下班，而更加最重要的是它与人的生命安全息息相关。发展无人驾驶技术的首要目的是提升其安全性。

由于汽车驾驶员过程中每个场景都会反复而且复杂多变，在高速行驶中略为有差错就有代价生命代价的有可能，所以拒绝无人驾驶必需不具备类似于人类合格驾驶员那样需要凭主观意识举一反三的主观能动性这并不是哲学意义上的主观能动性，而是指无人驾驶在遇上任何不熟知或脑溢血场景时都需要主动地作出准确的辨别和操作者，而且可以比人做到得更佳，从而获得低于人类驾驶员的安全性。在我们目前所处的交通环境中，一辆没主观能动性的无人驾驶汽车毫无疑问是极大的安全隐患，违背无人驾驶安全性第一的原则。

为了减少甚至替代无人驾驶对主观能动性的倚赖，人们想象了一种理想化的情景：厘米级别的低精地图覆盖面积所有汽车可以抵达的地方；道路上的每一辆汽车都不具备车对车、车对系统的智能网络以防止有可能再次发生的撞击；而且还不具备行人与车分离出来的客观条件。在这种情况下，无人驾驶汽车即使不几乎不具备主观能动性，也能在预计的道路上安全性地自动驾驶，有如今天智能生产工厂中广泛应用的全自动运输机（AGV）一样。目前某些相似这种条件的应用于场景正在经常出现,以期在较短的时间内构建第四级别受限场景下的无人驾驶。但是，要使所有场景符合这些条件似乎是一项牵涉到整个社会生存空间变革浩瀚而极大的工程，毕竟一家或几家企业甚至一个产业需要已完成，在可见的未来完全会沦为现实。

因此，主观能动性是无人驾驶的必要条件。没主观能动性的无人驾驶，是对科学的不认同，是对生命的轻视，是对社会的不负责任。主观能动性条件仍未成熟期如何才能构建主观能动下的无人驾驶？路径有可能有很多，但目前广为使用并寄予厚望的是人工智能技术。

什么是人工智能？非常简单地说道，就是用人造的机器（比如计算机）来构建人的感官和决策功能。人工智能技术经过半个多世纪的发展，从早期的语言文字处置到今天的图像语音辨识，早已有了突飞猛进的变革。特别是在是近年来，基于机器学习的人工智能技术有了突破性进展，为我们生活的许多方面带给了很大的便利，如医疗、家居、娱乐、生产、服务等。

然而，当前的人工智能技术依然正处于初始的阶段，还不具备承托无人驾驶所必须的主观能动性的能力。要想要理解这一点，我们不妨将人的智能分成三个层次：1）感性；2）理性：3）灵性。

感性即通过类似于条件反射那样取得的信息和科学知识，如被电炉毛巾了一次就会再行去触碰电炉；理性即通过人的逻辑思维得出结论的科学知识，如作出如果电源重开就可以清除电炉这样的逻辑辨别；而灵性则是人在一定的感性和理性思维基础之上的智慧思维，还包括人的自我理解、意识、情感以及主观能动性。例如人可以安全性地利用电炉建构出有各种美味佳肴，唤起出有无限的感觉和享用的情感。当然人类这三个智能层次深度关联，相辅相成。

灵性智慧思维是人类智能的最低层次。与人的智能分类适当，人工智能一般来说可以分成三个级别，即很弱人工智能、标准化人工智能 （也称强人工智能）和超强人工智能。很弱人工智能是指能在某个特定条件下应用于的人工智能，如图像识别和语音辨识等。

很弱人工智能可以构建人类某些明确定义下的逻辑推理。尽管它有时可以超过或多达人的能力（如对局），但只不过它并不确实享有智能。一旦规则转变，它会自律演变，即没意识，不具备主观能动性。标准化人工智能是指具备和人完全同等的智能，还包括具备心态意识、自律演变以及主观能动性。

而超强人工智能则是指将来的一种有可能，智能机器也许可以不具备打破人类智慧的智能。在后两个阶段，人工智能既可以沦为人类的朋友，也有可能沦为人类的敌人。所以，许多人工智能专家以及科技推动者早就公开信敦促人们必需警觉人工智能为人类带给的有可能灾难，并创建了以安全性利用人工智能为宗旨的联盟未来生命学院（Future Life Institute）。今天，无论媒体对人工智能刻画的多么神秘，无论IBM的深蓝(DeepBlue)以及谷歌阿法狗（AlphaGo）在和人类对局过程中如何凯歌高奏，我们都应当精神状态地认识到，目前人工智能技术还正处于很弱人工智能这个初级阶段。

也就是说，今天的人工智能技术意味着需要构建人类在十分受限条件下的逻辑推理，不能在人类事前原作的算法规律下展开自学。它对人的智慧思维比如意识、感官和情感还无能为力，还不具备主观能动性。

不具备主观能动性的弱人工智能在不牵涉到生命安全的领域中可以大有作为，如智能家具、智能娱乐、智能生产、智能服务等。对自动驾驶而言，很弱人工智能技术也需要为辅助自动驾驶级别获取普遍的应用于空间，使它确实沦为人们安全性感觉驾驶员的好帮手。

但是，对于无人驾驶来说，很弱人工智能技术能获取的应用于空间还很受限，尚能无法反对无人驾驶所适当的主观能动性的构建。数字技术的局限尽管无法证明，但我庞加莱从很弱人工智能南北标准化人工智能的主要障碍来自数字计算技术。对标准化人工智能来说，数字计算技术有可能是一种比较领先的技术。

数字计算出来本质上是布尔逻辑推理(Boolean Logic) 的产物。布尔逻辑推理中最重要的定律是排中律，即所谓的非黑即白，没中间地带。基于二进制的数字计算机最基本的计算出来单元比特只有0和1两种状态，因而在数字计算机中一切信息的传达和运算都是用0和1 来展开的。也就是说，所有信息在数字计算机中都以一种线性的数字形态不存在。

然而，自然界中的变量完全都是倒数的，人类的思维乃至生命过程堪称倒数的。当我们用数字计算出来处置信息获得简要较慢优越性的同时，代价的毕竟丧失信息连续性这一根本性代价。

在很多工程应用领域中，连续变量是可以通过线性变量的大量递归来无穷大，所以数字化处置在很多工程应用领域中大有可为。尽管如此，目前还没办法通过数字计算出来来传达和处置人的意识、自我唤醒和主观能动。至于谷歌的阿法狗在棋士博奕中之所以可以击败人类无敌手，乃是因为棋士的规律完全符合布尔数理逻辑，棋士所有的选项都可以用线性的数字模型原始地传达。

只不过，人们早于早已认识到布尔逻辑的局限性。半个世纪前明确提出的模糊不清逻辑（Fuzzy Logic）就超越了布尔逻辑零一准则的局限，明确提出一切均有可能、只是程度有所不同的倒数思维逻辑，而这种思维逻辑更加相似人的思维逻辑。事实上，布尔逻辑只是模糊不清逻辑的一个理想化特例。在模糊不清逻辑所依据的连续函数线上，布尔逻辑所处的意味着一个点。

似乎要用线性的一个点的逻辑来精确地仿真人类倒数的意识思维完全是不有可能的。所以，我坚信标准化人工智能的构建造就对数字时代的打破。机器学习的真凶与困境无人驾驶掌控决策的构建基于两个方面。首先是通过对汽车物理系统、运营机理和运营轨道的建模来构建人类可以精确叙述因果关系的控制策略。

但是，这种可以精确叙述因果关系的控制策略极为受限，足以符合无人驾驶环境的高度不确定性。因此，近年来机器学习被普遍地应用于到无人驾驶技术开发中，以期通过大量的数据自学来提升无人驾驶的感官和决策能力。业界对机器学习技术寄于很大的希望。

然而，机器学习很难担负起彰显汽车主观能动性的重任。这是因为无论机器学习的算法如何先进设备，无论它是卷积神经网络还是递归神经网络，归根到底它都是通过线性的数字来传达事物之间的关联关系而不是因果关系。机器学习最显然的目标是期望获得像人一样需要从受限的样本中提供标准化的机理来辨识无限有可能的场景。但是，因果关系未知的关联关系数字模型像一个黑箱，无法产生标准化的规律和机理。

因此，机器学习所创建的数字模型及其算法缺少外延分解功能，很难举一反三。尽管人工智能领域早已注意到了机器学习的这个局限并已进行研究，但理论上的突破有待时日。许多人工智能专家对业界过分高估机器学习的起到回应很大的忧虑，如美国纽约大学著名人工智能教授Gary Marcus博士认为：对人工智能过度地抹黑有可能造成其下一个冬天。

尽管对机器学习在无人驾驶中的应用于有很高的期望，但是目前基于机器学习的无人驾驶不能从过去习过的数字模型中找到最相似的情景来掌控操作者，无法像人类驾驶员那样凭非常丰富的经验和意识而举一反三。在这种情况下，无人驾驶有可能陷于视而不见、感而知道困境，还有有可能具备精神分裂的特征。我们还无法将生命安心地转交这样的无人驾驶。我坚信在数字技术时代，不管计算机芯片的速度如何较慢递归，也无论机器学习算法如何改良，或许不能推展很弱人工智能技术量的改良，很难取得人工智能技术质的进步。

人工智能的突破还造就对生命和物质本身的基本属性不断深入地探寻。也就是说，仅有依赖机器学习的数字算法很难孕育出无人驾驶所必须的主观能动性。无人驾驶的构建必须倚赖数字技术的突破，倚赖计算技术本身的革命。

在仿生以及量子计算出来的演变中，我们需要看见无人驾驶的曙光。商业化之路艰难而漫长即使人工智能技术有了质的进步而可以反对无人驾驶所需的主观能动性，它的工程应用于研发和商业化还必须经过一个艰难而漫长的过程。

美国麻省理工学院Max Tegmark教授在2017年出版发行的人工智能专著《生命3.0》 中认为：人工智能技术的广泛应用不应经过以下几个步骤：1、检验 (verification)，即证明产品抵达设计拒绝；2、现代科学 (validation)，即证明产品超过用户的简单拒绝；3、网络安全 (security)，即获取有效地的手段来避免天灾或人为的反击；4、风险掌控 (Control)，即获取再次发生重大事故时有效地的掌控方案。目前，无人驾驶技术的研发主要还是集中于在第一阶段，即检验无人驾驶能做到什么。第二阶段更加最重要而挑战更大，因为用户用于的场景完全是无限的。

在这个阶段，不仅要回答无人驾驶能做到什么，还要回答它无法做到什么和不应当做到什么，要对无人驾驶的安全性做到十分严苛的检验，还包括软件的可靠性，硬件的可靠性，以及系统集成的可靠性。这些检验必需严苛遵照业界所普遍认为的工程标准。但是，这些标准目前还没构成，而且在短期内还很难制订出来。所以，目前没任何无人驾驶企业需要声称早已或即将已完成无人驾驶的全部检验和现代科学工作。

从汽车构架的角度来看，无人驾驶决不是在现有的汽车上再加传感器和控制算法那么非常简单。汽车构架完全要新的设计，以符合无人驾驶情况下的安全性拒绝。比如汽车的总线布置能否胜任日益激增电器节点之间安全可靠的通讯？汽车如何需要随时理解自身的健康状况？软件的更新换代如何确保其安全可靠？网络传输否安全可靠？等等。因为在无人驾驶的状态下，汽车上任何一个小小的故障就有可能导致生命的损失。

无人驾驶从样车展出到商业实行有一个极为漫长的工程过程。意味着从路试一项来看，知名咨询公司兰德的研究报告指出，无人驾驶要做每行经2亿7千英里只有一个伤亡事故才能从统计学上证明它和有人驾驶员具备同一级别的安全性。

近来许多关于无人驾驶上路的报导，不管是公交还是租赁，无论是车主还是送菜，基本上都只是展示而已。如果缺乏踏踏实实的研究和工程研发，过多的演示会产生弊大于利的效果，还有有可能将无人驾驶落得在样板的路上。

例如，Uber 的事件早已在对社会产生了较小的负面影响。据美国汽车协会（AAA）的调查表明，Uber 事件之后人们对无人驾驶不信任的比例较去年减少了10%。

如果一旦 Waymo也经常出现像Uber那样的可怕事故，坚信一定会对社会导致更大的负面影响，造成其无人驾驶项目的衰退不是没有可能。最近福特汽车公布的无人驾驶报告就是以信任为题,以期提升人们对无人驾驶的信心。

于是以因为无人驾驶与生命息息相关，如果没经过严苛的工程检验和现代科学过程，在短期内任何顾虑发售无人驾驶商业化的产品或服务，其结果完全可以预料：如果不是实质上有人参予的无人驾驶试验，那么以解任为结局的概率十分大。将汽车辅助驾驶员展开究竟在南北无人驾驶的道路上有两条截然不同的路径。一条是以谷歌为代表的一步到位的路径。

谷歌的逻辑有它的道理：人机分享的驾驶员决策有相当大的安全隐患，不如将驾驶员全部转交汽车。另一条是以密西根大学及许多传统汽车公司为代表的循序渐进的路径，即自动驾驶的变革应当从第一级到第五级一步步地回头。这也是为什么密西根大学对自动驾驶项目称作网联自动汽车（Connected and Automated Vehicle－CAV） 而不是全然的无人驾驶汽车。

密西根大学在三年前首度创建了第一个无人驾驶专用试验场 Mcity。密西根大学的机器人学院也在大力推展各级自动驾驶技术的研究研发，并获得福特等企业的大力支持和密切合作。汽车产业在致力研发无人驾驶技术的同时，在现阶段依然应当将主要力量放到智能网联成技术在辅助自动驾驶级别的应用于上；应当拿起情绪，潜心专心地把智能网联和ADAS技术的研发与应用于展开究竟。

如前所述，尽管很弱人工智能技术还足以反对几乎的无人驾驶，但在辅助自动驾驶中却大有可为，所以智能驾驶无法只是为了无人驾驶。我坚信，传统汽车如标准化、福特、上汽、长安，以及供应商如博世等公司都在致力研发和应用于辅助自动驾驶阶段的智能技术，确实为用户带给非常丰富幸福的驾驶员体验，特别是在是安全性体验。例如，标准化在花巨资投放无人驾驶项目的同时，早在2014就布局致力研发辅助驾驶员级别的Super Cruise 项目，并于今年顺利发售，获得了较好的经济效益。脚踏实地，奋发前进正如一位智者所说，我们理解生活的真凶，我们依然热爱生活。

尽管通向无人驾驶的路上充满著了荆棘，尽管它的构建还十分很远，但我们无法停下来脚步。我们满怀希望，只是我们应当明白真凶，脚踏实地，奋发前进。在通向幸福无人驾驶的路上，汽车产业应当留意防止那种你追我赶的大跃进心态，从而做对受限资源的合理分配。

为防止在同一层次上过多的反复，汽车产业更加应当牵头一起，回头合作、突破、分享的道路。目前业界前进受限场景下的无人驾驶有其最重要的意义，因为这是南北无人驾驶的必经之路。

由于无人驾驶从受限场景到无限场景的过度还有很长的路要回头，而且其盈利模式还不明晰，资本市场应当给企业特别是在是初创企业以更好的冷静和反对。同时，在无人驾驶技术的上任何突破应当推崇其在辅助自动驾驶中的商业应用于，L4 开花 L3 结果称得上一种好的策略。如果产业及资本市场在投放巨资反对无人驾驶技术应用于研发的同时，也能大力支持人工智能的基础研究，这样将不会有助计算机技术和人工智能技术的突破，早日步入几乎无人驾驶的曙光。

本文来源：博鱼(boyu·中国)官方网站-www.okinawa-loto6.com