基础设施不改，态度不改，无人驾驶汽车永远也进入不了我们的生活(无人驾驶汽车可以改造吗)

吴恩达，华裔美国人，斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。2014年5月加盟百度，任首席科学家，全面负责百度研究院。百度研究院下辖三大实验室，分别为：硅谷人工智能实验室、北京深度学习实验室(原深度学习研究院)和北京大数据实验室。

林元庆，清华大学光学工程硕士，宾夕法尼亚大学电气工程博士，曾任NEC Labs America媒体分析部门负责人，主攻基于移动云的大规模细粒度图像识别，和自动驾驶3D视觉感知。2015年11月，加入百度并担任深度学习实验室高级总监。

无人驾驶汽车将比人们预测的更快上路。在百度，我们计划2018年推出商用无人驾驶汽车。不过，保障无人驾驶汽车安全的，并不是让它们可以像有人驾驶的汽车一样行驶——事实上，如今的技术限制下，无人驾驶汽车像有人驾驶一样也是不可行的。相反，我们应该对基础设施进行适当的改变，让这些无人驾驶汽车的动作尽可能地可预测，并教导公众与之互动的新方法。

这些改变应能适应无人驾驶汽车的弱点——比如无法识别施工人员的手势，还应发挥它们的长处：没有盲点，全程警醒。而且，无人驾驶汽车上路时间越早越好：每年因车祸丧生的人数高达130万。安全的无人驾驶汽车将能拯救很多人的生命，还能让交通变得更加便利和经济。但无论是汽车厂商，还是科技公司，单靠自身是无法实现这一愿景的。推动无人驾驶汽车真正上路，需要整个社区的力量。

人类历史上也出现过几次交通方式的大转变。19世纪铁路的兴起，让民众有了比马车更快更安全的出行方式，深刻改变了社会形态。但那时的人们也需要学会正确对待火车。今天我们会为跑到铁轨上被轧死的小狗悲伤叹息，但我们不会归咎到火车身上，因为我们知道，这机器本来就是要在铁轨上行驶的。我们转而发展了其他新的方法来适应火车，比如不要站在铁轨上，在道口设置特别的灯和响铃提醒人们注意等等。

时至今日，火车出行已经远比马背颠簸安全得多。在未来，计算机驾驶的汽车将比人类驾驶汽车安全得多。但是，就像火车与马匹不同，我们也应该认识到，计算机驾驶的汽车与人类驾驶汽车存在诸多差异，需要找到新的方式安全地将它们融入到我们的生活中。

主要不同点

当前的无人驾驶汽车主要在以下几个方面不如人类驾驶员：

• 如果施工人员用手势告诉车辆该走还是该停，今天的无人驾驶汽车是无法做出正确判断的。

• 当太阳正好位于交通信号灯背后时，大多数摄像头都无法在一片眩光中识别出信号灯颜色。

• 当我们看到大车车身标有“转弯借道”标志，我们知道该怎样在行驶路线上做出相应的调整。看到有小孩子被驶过街道的冰淇淋车吸引，我们会减速，因为我们知道小孩子很可能会突然跑向冰淇淋车。但今天的计算机尚不具备像人类一样理解这些复杂情况的能力。

无人驾驶汽车的优势在于：

• 无盲区，能一直保持360度无死角观察范围。

• 不会酒驾，也不会在驾驶过程中分心。除了维护保养，一刻不停地奔驰在路上也可以。

• 反应时间比人类短得多。

因为计算机看待和理解这个世界的方式与人类不同，它们驾驶车辆的方法也与人类相异。人工智能如今正不断取得巨大的进步，但近期内，期待计算机像人类一样驾驶车辆是不现实的。

路测照片

对基础设施的适度调整

我们的道路系统是依照人类驾驶员的驾驶方式建造的。幸运的是，只需要进行适度的调整，当前道路系统就能支持计算机驾驶和人类驾驶两种驾驶方式的汽车。

我们可以为无人驾驶汽车设置无线信标或App，通过电子信号告诉它们该怎么做，而不用让施工人员站在路上用手势引导交通。施工计划可以提前上报，让无人驾驶汽车的操作员有时间为这些复杂情况做准备。紧急服务车辆也需要新的明晰沟通的方式，因为它们的警笛和闪灯都是为人类驾驶员设计的。

无人驾驶汽车应该是独特而可辨认的。就像挂了“教练车”标志的汽车一样——告诉别人对它们应另眼相待。

我们还应在问题十字路口设置多个交通信号，以便至少总有一个信号是摄像头能清楚看到的——无论太阳当时处于何种位置角度。或者，开发更敏感的摄像头。一个由汽车制造商、科技公司和公共机构共同参与测试解决方案的公私合营伙伴关系，将是确保我们共同设计出安全有效的交通系统的最佳方式。

可预测性

在避障上，火车表现非常糟糕，但火车的安全性很好，因为它们以一种可预测的方式运行。无人驾驶汽车不会顺着轨道行驶，但我们仍应力求让它们的行动具备可预测性。举个例子，应避免容易造成追尾事故的急刹车。

不过，无人驾驶汽车依然会表现得与有人驾驶略有差异。这也是为什么它们应该能被一眼就分辨出来的原因——有助于别人做好心理准备。在百度，我们不选最漂亮的设计，而选了我们认为最容易从视觉上分辨的造型：上白下红。这就像在车身上画了大大的“教练车”标志一样——告诉他人应对它们另眼相待。

美国国家公路交通安全管理局发现，黄色转向灯比红色安全得多，因为与刹车灯有明显区别，更容易被驾驶员识别。周围驾驶员在认知上几分之一秒的迟疑，可能就是一场碰撞和安全转向的差别。对无人驾驶汽车而言，因为它们的行为可能有异于人类驾驶员，向周围车辆清楚明确地传达出动作意图就显得更为重要。我们呼吁在额外的标准化信号灯或其他引导标示上进行更多研究。

养护良好的道路同样对可预测性起着关键作用。清晰的车道标线可以让人类和计算机都安全地行驶在划定的车道上。养护不好的道路，问题不仅仅存在于更难以驾驭，而在于人类和计算机都无法预测其他人的走向，也就降低了可预测性。

培训地带策略（Train Terrain Strategy）

总之，安全无人驾驶汽车想上路，基础设施需要进行适度调整，设计上要易于辨识和可预测，行人和人类驾驶员也要理解计算机驾驶汽车的行为方式。该技术还需要有清晰的立法架构来处理合法性和责任问题。需要做的工作还很多，但好消息是，我们没必要一次性在所有地方大动筋骨。

我们主张先从几个有限的地区开始，将它们划定为“无人驾驶汽车上路区”，然后再扩展开来。我们将这种策略称之为“无人驾驶培训地带策略”。比如说，我们可以先从一些穿梭路线开始，然后扩展到整个城市。该方法可以让必要的基础设施改进变得更容易些。行人和人类驾驶员也可以有时间来理解计算机驾驶的方式，逐渐适应它们。

我们认为这是实现安全无人驾驶汽车的最快方式。

我们的道义责任

每天都有3千人死于车祸。无人驾驶汽车将有效减少这残酷的死亡人数。我们感觉到一种必须尽快让无人驾驶汽车开花结果的道义责任。每一天的延迟都意味着3千人的死亡，3千个家庭要接到那令人心痛的电话。

让无人驾驶汽车成为现实，不是任何单个企业能做到的事。公私共营合作伙伴关系的建立，立法者、研究人员、工程师、科技公司和汽车制造商共同组成的社区，都是必不可少的。所有人携手，我们才能共同迎来一个光明的时代，那时，地球上数十亿人都能享受更廉价更安全的交通。（翻译：nana，编辑：picar）