图灵汇官网

自动驾驶汽车面临AI挑战

自动驾驶汽车的发展前景似乎比以往任何时候都要光明，但一些怀疑论者认为，完全自动驾驶可能比想象中更遥远。尽管各大公司纷纷做出乐观的预测，实际发展过程中仍存在诸多挑战。

技术公司的乐观预测

2015年，特斯拉CEO埃隆·马斯克曾预测，到2018年特斯拉将推出完全自动驾驶汽车，谷歌也有类似的计划。Delphi和Mobileye的L4系统预计将于2019年推出，Nutonomy则计划在新加坡部署无人驾驶出租车。通用汽车也计划在2019年量产完全自动驾驶汽车，没有方向盘，无需驾驶员干预。这些预测背后有着巨额的投资，希望能够实现技术突破。

实际进展与挑战

Waymo已经在亚利桑那州的一些公开道路上进行了测试，特斯拉和其他公司也推出了有限的自动驾驶系统。然而，这些系统在遇到突发情况时仍需驾驶员干预。尽管一些公司声称系统正在不断改进，但仍存在致命事故。例如，特斯拉的一辆Model S在2016年撞上了一辆白色牵引式挂车，原因是挂车的高底盘和阳光反射让系统感到困惑。此外，优步的自动驾驶汽车也曾撞死一名行人，原因在于软件未能正确识别行人。

AI技术的局限性

深度学习技术在许多领域取得了巨大进展，但在自动驾驶领域的应用却遇到了瓶颈。深度学习需要大量训练数据才能可靠地处理各种场景。专家们担心，自动驾驶系统要可靠地避免事故还需要数年时间。深度学习在“泛化”方面存在缺陷，即在新情境下表现不佳。例如，系统可能将一只北极熊误认为是其他动物。这类问题使得自动驾驶汽车在处理复杂场景时显得力不从心。

行业面临的困境

特斯拉和其他自动驾驶公司面临着一个关键问题：自动驾驶汽车是否会像图像搜索、语音识别那样逐步改善，还是会遇到类似聊天机器人的泛化问题？这个问题的答案尚不清楚。专家们认为，自动驾驶不仅是一个内插问题，还需要解决泛化问题。这意味着自动驾驶汽车需要具备处理未知场景的能力，而这正是当前技术的短板。

行业应对措施

一些公司已经开始尝试替代方案，如基于规则的AI技术，这种技术允许工程师将特定行为硬编码到系统中。然而，感知任务仍然依赖深度学习技术，这使得完全解决潜在问题变得复杂。吴恩达认为，问题不在于制造完美的驾驶系统，而在于培养公众对自动驾驶行为的理解和信任。此外，政府也需要发挥作用，制定相关法规以确保道路安全。

未来的展望

尽管存在诸多挑战，但许多公司仍在努力推进自动驾驶技术的发展。Lyft的董事会成员安妮·三浦康认为，每一步微小的进步都是通往完全自动驾驶的重要里程碑。然而，如何在现有技术和实际应用之间找到平衡仍然是一个亟待解决的问题。随着技术的不断发展，未来自动驾驶汽车的应用前景依然充满希望。