任何非常先进的技术，初看都与魔法无异？
20世纪最有影响力的科幻小说家、经典巨著《2001太空漫游》的作者亚瑟克拉克爵士提出过一个很有意思的“克拉克三定律”，其中第三条就是：任何非常先进的技术，初看都与魔法无异。
自动驾驶车也是如此，在它还未出市场前就有人将其奉为神物。但这个“魔法”也会引来杀身之祸：当地时间星期日晚，10 时许，美国亚利桑那州坦佩市发生史上第一起轰动全球的“自动驾驶汽车”。
美国亚利桑那州坦佩市警方在周三公布了Uber自动驾驶汽车发生致命事故的车载视频，视频放大了人们对目前在全国范围内正在进行自动驾驶测试的现状和总体技术的质疑。
但实际上，并不只是Uber一家，风头正盛的特斯拉也出过事故：2016年1月20日，特斯拉追尾撞上了一辆道路清扫车，导致特斯拉损毁严重，司机死亡。事故的主要责任方是厂家特斯拉。之后，特斯拉中文官网将“Autopilot自动驾驶”更正为了“自动辅助驾驶”并且推出新功能：当检测不到司机双手施加在方向盘上的力度时，便会向驾驶者发出警示。
一直致力于无人驾驶汽车研发的谷歌也陷入过“撞车门”。安全行驶220多万公里后，其纪录被终结——谷歌无人驾驶汽车在加州撞上一辆公交车，当时是为了躲避路边下水道入口处的沙袋，先停下、再启动，偏向了内侧车道。这是首次由无人驾驶汽车引发的事故。
但刚刚发生的Uber的事故似乎并未影响到中国自动驾驶技术的推进——百度在一份声明中称，百度获得了北京相关部门颁发的这允许在33条公路上测试自动驾驶车辆的许可证，当然这种路测需要再人口稀少的郊区进行。目前，该公司的自动驾驶路测范围是105公里(65英里)。这也是第一家在北京进行公开道路测试的公司。
自动驾驶杀了人究竟谁该来坐牢？
摩根士丹利知名分析师亚当·乔纳斯（Adam Jonas）表示，自动驾驶汽车发展所面临的最大挑战不是金钱或技术，而是法律和伦理问题。
这里不得不得到一个经典的“电车难题”——电车难题最早是由哲学家Philippa Foot提出的，用来批判伦理哲学中的主要理论，特别是功利主义，其内容是：
五个无辜的人被绑在电车轨道上。一辆失控的电车朝他们驶来，并且片刻后就要碾压到他们。幸运的是，你可以拉一个拉杆，让电车开到另一条轨道上。但是在那另一条轨道上也绑了一个人。你有两个选择：1. 不拉杆，五人死于你手下。2. 拉杆，一人死亡。你会怎么做呢？
此处，如果将电车化为一辆自动驾驶汽车呢？由于大部分道德决策都是根据“为最多的人提供最大的利益”的原则作出的，那这辆自动驾驶汽车毫无疑问会选择放弃一个人而拯救五个人。但如果这单独的一个人是我们的至亲、挚友呢？
如果未来的有人驾驶完全被无人驾驶取代，那我们就必须接受这种刻板的社会道德准则。让你眼睁睁地看着与你有直接关系的人的生死掌握在自动驾驶汽车的手中，你愿意接受吗？
还有一个自从自动驾驶出现在公众视野时大家就开始讨论的问题，在行人担主责的情况下车主或者厂家需要赔偿吗？在车辆本身担主责的情况下是司机承担责任还是厂家承担责任？如果厂家承担责任，那么又该去追究谁？法人、工程师还是质检？如果车辆自动驾驶状态下违规，那么是谁的责任？如果事故的受害人是司机以及乘客，那么谁又来担负这个责任？
有观点认为，有这样或那样的麻烦并不意味着我们应该禁止无人驾驶汽车上路，而是意味着我们应该为可能发生的情况早做准备。有时候，无人驾驶汽车可能会面临两难的选择，这就给开发者带来了潜在的困难和挑战。
为了减少这种风险，行业应该在设置用户期望和社会影响上做更多的工作，它们应该让公众明白无人驾驶汽车的能力和限制，这就意味着算法透明，而不是让我们无法理解计算机程序掌控我们的生命。
而算法透明对生产商和服务提供商来说也是好事，当事故发生的时候，他们也能更好地面对法律和道德上的责难。
没有任何技术是完美的，事故还将继续发生。对待可能发生的问题，我们要保持开放和对话，就像斯坦福大学的“针对自动驾驶汽车的编程伦理学问题”做的那样。因为无人驾驶是一件重要的造福大众的事业，我们只有在确定可能存在的问题之后才能为之确定可能的解决方案。
但是很可惜，目前还没有相应的法律法规出台。在一些已经发生的自动驾驶事故中我们使用的还是之前的法规来判定。在自动驾驶将成为未来的主流情况下，在这一过渡时期的悲剧不仅敦促着技术本身的优化，同时也显示出了对于相关法律法规、政策引导以及行业自律的迫切需求。
尽管国内在百度等大公司的推动下，国家的政策已经有了一定的放松，立法趋势也日益明显。但是软件提升的同时，硬件的提升同样必不可少，从监测系统、道路等等的硬件开始都将逐渐开启一场变革。
相信技术，但是也不能无条件的相信技术
事实上，近些年来自动驾驶事故接连发生的一个很大原因，就是宣传方及驾驶员本身对于自动驾驶以及无人驾驶的一个误读。
以谷歌母公司Alphabet旗下自动驾驶部门不久前发布的一段广告片来看，这几乎是人们对现阶段技术的最大误读。
人们坐在自动驾驶的汽车上，有人刷手机、有人呵欠连天甚至还有人打了个盹。放任汽车自主行驶往目的地。
传播角度看，这是一个很好的展示自动驾驶技术安全便捷的途径。然而就是这种宣传才造成了最大的不安全，因为目前为止的自动驾驶还远远未能达到可以脱离人类操控独立运行的水平。
国内自动驾驶一词的来源是由英文单词AutoPilot翻译而来，特斯拉在事故发生前最早的宣传点就是“Autopilot自动驾驶”后来才变成了“自动辅助驾驶”。
但是事实上，Autopilot并不能完全直译为自动驾驶，更准确一点的说法应该是辅助驾驶系统。它最早指的是飞机上辅助机长驾驶的飞行辅助系统，一般情况下这一套系统可以进行自动化准确的运行，但是这并不意味着系统就可以取代机长的存在。自动驾驶更不等同于无人驾驶。
在公路上的汽车驾驶也是如此，如果在现阶段仅仅依靠自动驾驶系统来穿越人海，绕过车流，这不仅是对技术的不理解，同时也是对生命的不尊重。
关于自动驾驶技术的人工干预度，目前业界有一个相对认可的方法，就是由国际汽车工程师协会制定的SAE分级方式。这套分级方式将技术分成了六个阶段：分别从L0到L5等级越高，人类的参与度就越低:Level 0（No Automation），Level 1（Driver Assistance），Level 2（Partial Automation），Level 3（Conditional Automation），Level 4（High Automation），Level 5（Full Automation）。
可以发现，从L3到L4是一个技术跨越的分水岭，对于环境的观察以及激烈驾驶状况的应对究竟是由人来完成还是系统来完成这是一个质的飞跃。这其中对于系统的架构、底层设计以及鲁棒性的要求具有很高的要求以应对急速刹车、转弯、加速、减速等应急措施。但是可以看到就算是到了L4等级也依旧无法完全脱离人工的干预。而现如今的技术也还未曾达到L5的标准。
另外，现实场景相对实验场景来说总是会多出许多不可测因素来，除了正常的车流、人流，还有突然的追尾、加塞、翻越护栏的行人，突然受惊的小动物，意外滚落的山石……对于这些，都是机器一时之间所无法解决的问题。所以本着对生命负责的态度，我们相信技术，但是也不能无条件的相信技术。
读芯君开扒
自动驾驶的底层技术——计算机视觉与图像识别
从技术角度来讲，Uber以及大部分从事这一领域研发的公司，其基础的模式都是依靠于计算机视觉来实现。这是人工智能领域里除了机器学习以外另一大主流方向。
通过大量感测器捕捉外界的信息进行3D成像，利用基于神经网络的计算机视觉，通过一些规则的搭建，逻辑的运行以及大量的统计结果与对人类信息处理的模拟，来对外界信息进行一套复杂的运算进而做出相应的操作。这一套操作尽管目前还不够完善，但是却绝对不会因为饮酒、疲劳、注意力分散、夜视等等原因而出现问题。
作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者数据中获取信息的人工智能系统。这里所 指的信息指Shannon定义的，可以用来帮助做一个决定的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或数据中感知的科学。
这一科学在自动驾驶中的应用主要可以总结为两点，其一是障碍物检测，其二是自动导航。
对于障碍物的检测一般用于应对一些突发状况。常用算法分为三种一种为基于障碍物特征的，一种是基于光流场的，最后一种则是基于立体式觉的。其中最后一种的应用更为广泛一些。
自动导航则是自动驾驶最基础的功能，无论是导航，路线、速度的制定，还是对汽车自身情况例如所处位置、速度、角度的评估，都是是自动驾驶的必要条件。但是由于实际情况的复杂多变目前还没有一个相对统一的算法。
留言 点赞 发个朋友圈
我们一起探讨AI落地的最后一公里
作者：王俞羽
参考文献链接：
http://www.sohu.com/a/225962192_100083734
http://www.sohu.com/a/225939686_99970711
https://zj.zjol.com.cn/news/898366.html
https://baijiahao.baidu.com/s?id=1593882665402342294&wfr=spider&for=pc
如需转载，请后台留言，遵守转载规范
