真正的无人驾驶汽车的梦想，为何正在慢慢破灭？

Tristan Greene ☉ 文来源：AI前线
2021-06-21 @ 哈希力量文库

文库划重点：2014年，在包括Ian Goodfellow在内的众多计算机科学家的努力下，深度学习出现了爆炸性的普及。他在开发和定义生成对抗网络（Generative Adversarial Networks，GAN，一种通过充当生成器和判别器来帮助人工智能产生输出的神经网络）方面的工作，使人们觉得，几乎任何自主性的壮举，都可以通过算法和神经网络来完成。

美国汽车工程师学会（SAE）关于自动驾驶分级标准的定义已经成为定义自动驾驶车辆的全球行业参照标准，用以评定自动驾驶技术。其中，L5级是完全自动化，由无人驾驶系统完成所有的驾驶操作。一些专家认为这将需要十年甚至更长的时间，而另一些专家则认为L5级的自动驾驶永远不会实现。

曾经有人告诉我们，到2018年，自动驾驶汽车将会在世界范围内大行其道。但这件事并没有发生，我们就被告知，这件事将会在2020年底发生。假如这一切还是都没发生，我们会再次被告知它们就在不远处。

如今，专家们似乎正在采取一种更加务实的方法。据《华尔街日报》最近的一篇报道，许多计算机科学专家认为，我们距离完全无人驾驶汽车还有至少十年的路要走，而有些人认为，无人驾驶汽车可能永远不会出现。

最大的问题

无人驾驶汽车技术是一项难以解决的挑战。

就像伊隆・马斯克（Elon Musk）所说的那样：

要实现现实世界的人工智能，就必须解决一个关键问题：即如何实现无监督、广义的全自动驾驶汽车，因为整个道路系统都是为带有光学成像器的生物神经网络设计的。

尽管有这样的评价，但马斯克仍然坚持这一毫无根据的想法：认为特斯拉的全自动驾驶功能即将把公司的汽车变成全自动汽车。

全自动驾驶是一项强大的驾驶辅助功能，但无论我们如何接近它，都没有迹象表明特斯拉比其他任何一家公司更接近实现真正的全自动驾驶。

为什么老专家们会错得这么离谱？

2014年，在包括Ian Goodfellow在内的众多计算机科学家的努力下，深度学习出现了爆炸性的普及。他在开发和定义生成对抗网络（Generative Adversarial Networks，GAN，一种通过充当生成器和判别器来帮助人工智能产生输出的神经网络）方面的工作，使人们觉得，几乎任何自主性的壮举，都可以通过算法和神经网络来完成。

现代人工智能可以完成的类人壮举有很多，包括DeepFake，This Person Does Not Exist（此人不存在），以及许多其他系统，都是由生成对抗网络实现的。

现代深度学习的兴起掀起了人工智能研究领域的一股热潮，并使谷歌、亚马逊和微软几乎在一夜之间成为人工智能先行的公司。

目前，根据专家们的说法，到2028年，人工智能的价值预计将接近万亿美元。

但这些成果并没有转化成Ray Kurzweil等专家所预言的技术魔法水平。当今世界运行良好的人工智能几乎都是非常狭窄的，也就是说，它只是被设计成做一件非常特定的事情，而不是做其它的事情。

如果你想象一个人类驾驶员要做的一切事情——从关注周围环境到导航，再到驾驶汽车本身——那将很快成为一个问题，要么设计出几十个（或几百个）协同工作的狭义人工智能系统，要么找出创建通用人工智能的方法。

未来会是怎样

通用人工智能的发明和发展也许是解决无人驾驶汽车的主要催化剂，但精灵许的三个愿望也是如此。

因为通用人工智能只是另一种说法，即“可以完成人类可以完成的任何相关任务的人工智能”。此外，迄今为止，通用人工智能的出现仍然是遥远的未来技术。

我们可以期望在不远的将来会发生更多的事情。驾驶员辅助技术继续以良好的速度发展，明天的汽车肯定会比今天更安全、更先进。但是，我们没有理由认为它们将很快实现野外自动驾驶。

在未来几年，我们可能会看到世界各地的主要城市划出特定区域，整条高速公路将被指定用于无人驾驶汽车技术。但是，这并不意味着无人驾驶汽车时代已经来临。

没有任何迹象表明（除了前面提到的特斯拉的战略之外），任何一家汽车制造商都有望在5年内开发出一款能够实现全自动驾驶的消费型汽车。

从这个迹象可以看出，我们至少还要再过十年或更长的时间，才能看到个人买家能够买到的消费型汽车，不再需要方向盘和手动控制装置。