自動駕駛面臨很多道德難題

當在谷歌Trends中搜索關鍵詞“自動駕駛汽車”時，這個關鍵詞的搜尋量在過去五年中翻了3倍，這表明越來越多的群體開始關注自動駕駛汽車。除了一些與技術相關的話題外，很多搜尋量也指向“道德悖論”類的詞條。這意味著人們不僅關注技術發展，同時也關注自動駕駛汽車帶來的社會和倫理問題。2018年3月，美國亞利桑那州發生首起自動駕駛汽車事故。然而，由於這起事故的發生，關鍵詞“自動駕駛汽車”的搜尋量達到了近5年的頂峰。Space X和特斯拉(Tesla)的創始人埃隆·馬斯克(Elon Musk)說，如果你想要推動文明，你必須解決限制因素。因此，倫理問題可能會是影響未來無人駕駛汽車發展的重要問題之一。

下面，答主以一個著名的倫理實驗為切入點，探討一下自動駕駛車輛的倫理問題。

自動駕駛演算法和電車難題

根據谷歌報告，自動駕駛車輛的事故比手動駕駛車輛少。然而，對於自動駕駛汽車來說，事故是不可避免的。自動駕駛汽車的演算法需要針對這些危險情況做出決策。

因此近年來，媒體和科學文獻圍繞自動駕駛系統的倫理決策展開廣泛討論。而這些討論大多是基於一個著名的哲學思想實驗——電車難題。電車難題透過描述一個場景來展現道德困境，即一輛移動的電車衝向5個被綁在軌道上的人。一個手握操縱桿的人可以選擇將電車轉向一條側軌，使其撞死一個被綁者；或者不進行任何操作，讓電車撞死5個人。這種經典的兩難境地現在已經逐漸擴充套件到了自動駕駛的軟體決策邏輯上。

（原諒我的垃圾草圖）

首先，我們要搞清楚自動駕駛的演算法。基本上，自動駕駛汽車使用多種感測器技術來檢測不同型別的資訊。該軟體將根據檢測到的資訊、資料庫和編寫的演算法做出決策。雖然車對車的通訊、智慧城市、智慧交通系統等功能執行良好，但在一定情況下，由於機動能力有限(高速度、重自重)，自動駕駛車輛無法緊急停車或者避讓。這種情況下，自動駕駛汽車必將面臨多選一的決策時刻，或者說，每一種決策都必將帶來傷害的情況。這就是自動駕駛汽車的決策演算法與電車問題的相似之處。

但是，在自動駕駛的語境下，電車難題已經演變成了不同的樣子。以下是一些最常見的場景：當無法剎車時，自動駕駛汽車系統需要在傷害乘客和傷害行人之間做出選擇。又或者，自動駕駛汽車在僅存的兩種情況下做出選擇：一種是撞上正常行駛在左側車道上的摩托車，另一種是撞上沒有戴頭盔的右側車道上的摩托車。諸如此類的種種。透過以上這些常見的場景，電車難題被廣泛引入到自動駕駛汽車的討論中，因為它展示了兩種清晰而不同的選擇。

儘管它提供了兩種清晰的道德選擇，可電車難題在自動駕駛領域仍然略顯片面。一些學者認為，人類和計算機在感知、思考和行動的反饋迴路上存在差異。此外，實際駕駛環境有更多影響因素和更多不確定的後果。

道德倫理問題難以計算

因此，大部分學者認為自動駕駛背後的道德問題是複雜而龐大的。由此延伸的各類法律問題，也在自動駕駛的實踐中不斷顯現。比如以“中國無人駕駛第一案”為代表的商業侵權和專利糾紛訴訟案件。儘管我們的技術在不斷完善，但是倫理層面和意識層面遠遠沒有做好大面積迎接自動駕駛的準備。自動駕駛的全面普及，還有一段路程要走。

自動駕駛，首先我要說其實離我們很近。各大科技公司如：谷歌，百度，特斯拉等等對這項科技的研發已經開始了好幾年，特別是特斯拉，它的model S其實已經具備自動駕駛功能，很多人已經在公路上使用過特斯拉Model S的自動駕駛功能，已經能完全做到你放開雙手。

但是我又要說自動駕駛離我們普通老百姓還很遙遠，就上面說的特斯拉的自動駕駛，雖然他已經能實現雙手離開方向盤，但是其實還遠遠未達到非常安全的標準，特斯拉自動駕駛已經出過好幾次的事故了，每次的事故最終的結局都非常慘烈。其他科技公司的自動駕駛基本上程序最快的也只是在路試階段，真正裡商用還有很長一段距離。

所以自動駕駛理我們是很近了，還是很遙遠，就要看你怎麼去看待它了。

從18885年卡爾本茨製成了世界上第一輛三輪汽車後，其策劃行業一直充滿著天馬行空的想象力和創造力。1925年發明家Francis Houdina在曼哈頓街道遙控一輛無線電遙控汽車穿過街道，沒有人去控制方向盤，在當時引起了觀眾的好奇心，導致了第五大道和百老匯交通堵塞——這就是自動駕駛的起源！

我們先簡單瞭解一下自動駕駛技術。自動駕駛駕駛技術分別有六個級別，是有國際汽車工程師學會（SAEinternational）簡稱SAE在2014年釋出的。分別為0級、1級、2級、3級、4級、5級6級。如今世界上絕大多數的自動駕駛集團給、公司、或者研究人員都把SAE作為通用標準。如今自動駕駛在應急情況下的反應到底能達到什麼程度我們一起來了解一下。圖一：前方突然有車闖入圖二：前方發生車禍圖三：變道應急圖四：前方忽然有動物闖入極限應急圖五：加速應急圖六：前方忽然有動物闖入極限應急如今無人駕駛技術在國外已經達到了L4級別是雷諾EZ-ULTIMOl。在中國2013年百度就已經開始研發無人駕駛技術。2015年百度在中關村軟體園國際會議中心正式宣佈成立自動駕駛事業部，並且捅死宣佈和寶馬合作，希望在5年內實現量產。2016年騰訊才正式開始自動駕駛專案的最近主要解決在高速半封閉環境下的L3解決方案，同時也會針對L4/5核心技術，在進行演算法研究和資料上的積累。雷諾EZ-ULTIMOl如今自動駕駛技術面臨的問題主要有1、技術難題。比如說感測裝置（攝像頭、鐳射雷達、雷達，各種各樣的感測器）2、成本問題。如今的自動駕駛技術還是非常高階的，為了安全性多系統的冗餘設計必不可少，還有各種各樣的硬體陳本問題對於消費者而言還是太高。3、社會規章制度、法律以及物理層面的問題。比如自動駕駛需要什麼證件達到什麼樣的要求，以及法律和規章制度的誕生等等。物理問題就比如自動駕駛汽車所需要的駕駛環境，無限網路等等。

未來的世界會怎麼樣，讓我們一起去見證一起去期待吧

自動駕駛離我們越來越近了。

就在今年的CES 2019上，Mobileye狠狠刷了一波存在感。其聯合創始人兼執行長Amnon Shashua不僅在演講中公佈了與北京公共交通集團和北京貝泰科技兩家中國企業的合作（雙方將利用Mobileye提供的技術，改善中國的商業公共交通服務）。同時，他還透露了與英國國家測繪機構Ordnance Survey的合作，表示Mobileye將透過技術賦能幫助Ordnance Survey實現高精度位置資料商業化。

除此之外，Mobileye還透露了另一個重要資訊，即目前已經有近百萬輛汽車正在不斷將行駛資料映射回Mobileye的雲平臺。而這，也成為了Mobileye下一步推進無人駕駛的核心支撐。

自2017年3月被英特爾以153億美元收購以來，Mobileye負責資料收集和分析工作的員工數一直持續增加。兩年之前，Mobileye公司的員工總數約為780名，現如今僅僅在以色列就擁有1400名員工（其中約300名來自英特爾公司）。除此之外，Mobileye目前還在耶路撒冷建築的一座新園區，預計將容納2500名員工；同時，它還在為佩塔提克瓦的“數百名”工程師與資料科學家建造辦公室。

在主題演講之後，筆者採訪了Shashua，進一步瞭解了Mobileye在無人駕駛領域的未來佈局。

無人駕駛汽車目前要解決的是工程感測器問題

據Shashua透露，明年年初Mobileye公司將與大眾汽車以及以色列汽車進口商冠軍汽車公司合作，共同推出以色列的首個無人駕駛服務。冠軍汽車公司將負責車隊運營與控制中心的管理工作，大眾汽車公司負責汽車供應，並由以色列政府共享基礎設施與交通資料，Mobileye公司提供無人駕駛系統方案。

屆時，無人駕駛版本的大眾汽車將在特拉維夫的預選路線上為乘客提供交通服務，運營區域面積約為11平方公里。而這，只是計劃的第一階段。Mobileye公司希望到2020年實現在公共道路上部署“數十輛”無人駕駛汽車，這些車輛將在目的地之間不受限制地自由行駛。而到2023年，這項服務將延伸到以色列的所有地區。

與此同時，在未來四年當中（如果一切按計劃順利進行），無人駕駛測試也將透過與合作伙伴的合作在美國與中國全面鋪開。目前，Mobileye公司已經與寶馬、沃爾沃以及現代等多家汽車廠商達成協議，將無人駕駛技術應用於各廠商的商用汽車。

Shashua強調，這些無人駕駛汽車將“真正”達到L4級水平，意味著其能夠在僅需有限的人為輸入及監督之下應對一切特殊狀況。到目前為止，L5級汽車——也就是能夠在任何道路上行駛且在一切情況下皆可實現無人操控的汽仍沒有出現。對於其中的原因，Shashua解釋稱，即使是當今市場上最為強大的系統，有時候也會難以應付暴雨、暴雪等極端惡劣天氣的挑戰，Mobileye公司自然也不例外。他同時補充稱，“正因為如此，目前的部署場景一般都選在天氣良好的區域，例如美國鳳凰城。”

當然，並不是說L5級無人駕駛汽車無法實現。在Shashua看來，藉助目前的機器學習技術，完全有可能將其轉化為現實。他表示，其中的要點在於工程感測器問題，也就是說要找到一種能夠以可靠方式處理雪花、雨滴、霧以及其它干擾性降水條件的感測解決方案。而這也是現有攝像頭所面臨的難題之一。

同時，Shashua還預測，隨著低成本雷達與高保真鐳射雷達的出現，目前的一系列無人加強挑戰將在未來五到十年當中得以解決。比如，以AEye為代表的多家企業已經推出將鐳射雷達與攝像機資料進行合併的系統；Luminar等初創企業也正在著手設計遠端鐳射雷達感測器。這些感測器的出現，將大大改善目前困擾整體系統發展的難題。

繪製高精度道路位置地圖

當然，單純改善感知能力本身並不足以真正解鎖完全無人駕駛系統的全部潛能。正因為如此，Mobileye才與Ordnance Survey等機構開展合作，在英國、以色列以及其它地方建立高精度道路位置資料庫。

從2019年到2020年，Mobileye、大眾以及冠軍汽車三方計劃將從以色列特拉維夫33公里的道路之上收集資料。而在此後的兩年之內，資料收集範圍還將進一步擴大至總長度為111公里的道路。

Shashua指出：“任何商用汽車都可以配備一臺目前價值僅數百美元的前置攝像機，並以每輛車每年一美元的成本持續建立高解析度繪圖資料。這將解決道路繪製可擴充套件性的重大難題。”

高精確度地圖能夠為車輛以及車隊運營商提供新的收入來源。透過從無人駕駛以及普通汽車處收集到的資料，公共事業企業將能夠更準確地追蹤井蓋、電線杆以及燈柱等市政資產，電信供應商則可以憑藉這些指示性資訊規劃新的無線與地下網路。Shashua補充道：“利用這些地圖改善商業與市政等領域的運營能力，將幫助我們在智慧城市的建設與道路安全水平提升等層面更進一步。”

基礎設施建設可能帶來高昂成本

除了Mobileye之外，百度在CES 2019上也宣佈對其V2X阿波羅智慧汽車基礎設施協作系統平臺進行了開源，並表示將在道路基礎設施所嵌入的感測器方面進行投入，從而幫助改善無人駕駛汽車的導航能力。

但Shashua認為這一發展思路似乎並不可行。其中的問題並不在於車輛到周遭環境（簡稱V2X）互動系統本身的功能水平，而在於這套系統的實際部署將帶來極為高昂的成本。根據美國國家公路交通安全管理局（National Highway Traffic Safety Administration）公佈的資料，預計到2020年，單是車輛與車輛元件本身帶來的平均支出就將達到341美元到350美元。

一個“攝像機”解決複雜路況的操作任務

無人駕駛場景的實現，要求配備Mobileye系統的汽車能夠更好地在各類具有挑戰性的道路條件下完成操作任務。現在，該系統已經能夠處理無保護左轉彎狀況（無人駕駛汽車在這方面一直表現得很差），在嚴重擁堵路況進行車道變換，並且識別側通道、窄車道以及減速帶。

值得一提是，以上提到的全部任務操作都是在只依靠攝像機的前提下完成的。目前有相當一部分無人駕駛汽車系統（包括Waymo以及優步的相關解決方案）都會啟用鐳射雷達，透過用鐳射照射物體並測量反射脈衝的方式實現感測器的物體測距能力。除了雷達之外，加速度測量計與其它資料採集感測器也被新增進來。

對於這個問題，俄勒岡州的Flir等供應商建議在車輛中嵌入有機器學習演算法的熱感應攝像機，而源自麻省理工學院國防部林肯實驗室的波士頓初創企業WaveSense則認為在感測器堆疊當中新增地面穿透雷達（簡稱GPR）才是最合理的改進方向。

但Mobileye公司仍然堅持，透過攝像機就能解決這個問題。為此，其EyeQ系列採用了最新的定製加速器處理器晶片，利用專項影象處理演算法實現感知能力提升。Shashua解釋稱，最新的7納米制程的EyeQ5處理器將能夠與完全無人駕駛汽車的感測器進行融合，從而提供360度全方位覆蓋的攝像機與超聲波探測結合型解決方案。

早在2016年CES展會上，Mobileye就推出了稱為“道路體驗管理”（簡稱REM）的後端系統，這套系統能夠以低頻寬的方式提取路標與道路資訊（行駛每公里只產生10 KB資料），從而為本地以及高畫質車道資料建立實時的眾包支援。這些細分資料最終都將被整合至Mobileye的雲端全球地圖中。如今，資料量還在不斷攀升。截至2017年年底，EyeQ已經覆蓋超過1500萬輛汽車，遠高於2016年年中的1000萬輛。

當然，這並不意味著Mobileye公司就固執地反對整合更多額外的感測器。恰恰相反，EyeQ5也支援普通雷達與鐳射雷達。Shashua強調稱，雖然Mobileye一直將研究重點放在視覺資訊處理層面，但其也將努力在今年上半年構建起帶有普通雷達與鐳射雷達的支援系統。他表示，“我們只是希望將攝像機的處理能力推向極致。”

Mobileye公司計劃到2020年年中開始向合作伙伴提供白盒“子系統”——例如環繞計算機視覺套件。這是一套由12個攝像機組成的360度視覺系統，觀察半徑能夠達到300碼；此外，其還將推出一套多晶片交鑰匙解決方案，即AV Kit，其中融合有多種其它感測器、決策制定驅動策略以及地圖繪製功能。

迴歸安全問題

回到最初的問題。如果無法在公眾當中得到信任，那麼無人駕駛系統的技術飛躍將毫無意義。

根據去年的三項獨立研究（分別來自布魯金斯學會、智囊機構HNTB以及公路與汽車安全倡議）發現，大多數人都對無人駕駛汽車的安全性表示懷疑。超過六成的受訪者表示他們“不傾向於”使用無人駕駛汽車，近七成受訪者亦“擔心”與無人駕駛汽車一同行駛在道路之上。有59%的受訪者預計無人駕駛汽車在安全性方面“至少不會好於人類”。

這樣的擔心不無道理。2018年3月，優步公司的一輛無人駕駛汽車在亞利桑那州坦佩市致使一名行人死亡，這也直接導致其放棄對無人駕駛沃爾沃XC90車隊做出進一步測試。此外，特斯拉公司的無人駕駛輔助系統也飽受詬病，不少車主表示由此引發的小規模刮蹭導致汽車擋泥板損壞，甚至出現了某輛特斯拉Model S在卡爾弗城與停放在路邊的消防車相撞的事故。（特斯拉公司於2018年10月初宣佈，停止在部分新車型上提供「完全無人駕駛功能」。）

要如何說服抱有懷疑態度的公眾？在Shashua看來，答案源自數學模型，即責任敏感型安全（簡稱RSS）。

Mobileye公司於2017年10月在南韓首爾舉辦的世界知識論壇上正式提出了RSS這一概念，直白地說，這像是一種“常識性”方法，可幫助無人駕駛系統在道路上進行決策並培養良好的習慣，例如保持安全的跟車距離併為其它車輛提供優行透過權等。

事實上，能夠從RSS當中受益的不僅只有無人駕駛汽車的乘客。在本週釋出的博文當中，Shashua詳細介紹了一種增強型自動緊急制動機制——即自動預防性制動（簡稱APB）。其利用公式來確定汽車何時可能進入危險狀態，基本思路是在有潛在危險性因素進入視野時降低車輛速度，並逐漸停車以防止可能出現的碰撞。

Shashua認為，如果能夠在每一輛汽車上安裝APB並配備一部前置攝像機，那麼就有望消除因粗心駕駛導致的車輛碰撞事故。他甚至稱，包含環繞攝像機感應與位置感知功能的APB系統能夠消除“幾乎所有”可能導致後擋泥板刮蹭的輕微事故。

而為了激勵汽車原始裝置製造商採用RSS以及APB等決策模型，Shashua建議NHTSA等監管機構採用新的評級標準以要求車輛使用這些增強型安全系統。他總結說：“這一舉措的終極目標，在於保證汽車以符合人類操縱習慣的方式執行。我們需要為此建立起合作聯盟。”