奥巴马赞不绝口的「驾驶技术」，自驾车大幅降低车祸率
2016年9月，美国前总统奥巴马卸任前特地投书匹兹堡邮报，论述美国政府看待自驾车辆（self-driving vehicles）的开放立场，并希望相关产业在获得政府支持的同时，也能遵循15项安全规范以保障人民安全。
未来，当技术成熟，就真如欧巴马所言：自驾车将成为一个促进产业升级、通勤安全、改善人们生活的明日之星吗？
本文以三大重点为你揭开自驾车的神秘面纱：1.千里眼与聪明脑–感测器和人工智慧。2.比人类更快、更稳、更准的铁人驾驶。3.最后一哩路？自驾车仍需克服的挑战。
创新心法：
透过感测器及人工智慧，自驾车技术逐渐成熟，使行车更加安全。却需思考给予自驾车深度学习的资料和道德判断。
根据美国国家公路交通安全管理局（NHTSA）采用的分级，未来车辆将依据自动驾驶技术介入的程度，从完全由人类驾驶、到全自动驾驶，共分为0~5级。首先，先来看看影响自动驾驶进步幅度的两大关键：感测器与人工智慧。
1.千里眼与聪明脑–感测器和人工智慧
一般而言，为了复制人类的感官，自驾车平均需要安装2、30组各种感测器（sensor）来侦测外在环境，包括摄影机、雷达、光达（LiDAR）、超音波等等。
(图片撷取：Tesla )
多样的感测器针对不同目的发挥作用，如摄影机拍摄各角度的画面、雷达侦测前车动态、光达即时建立周遭的3D全貌。和人类的感官相比，侦测的有效距离更远、死角更少。
有了敏锐的感官，还需要聪明的大脑。此时，具备学习能力的人工智慧就派上用场。
比方说，如何分辨前方的物体是小孩还是垃圾桶？行人、脚踏车、机车经过时，行车速度又该如何调整？路口能不能左转？诸如此类的问题对人类来说相对容易，而人工智慧需要大量的资料进行训练。
在数据量决定自驾车性能的前提下，许多新创公司Uber、Waymo（由Google自驾车计画独立出的子公司）早已开始由大量道路实测来收集数据，用以训练自家人工智慧，希望能够有越来越聪明的大脑。
结合了厉害的千里眼和聪明脑，自动驾驶被赋予什么样的优点呢？
2.比人类更快、更稳、更准的铁人驾驶
A更敏锐的感官
对人类驾驶来说，夜晚经过没有路灯照明的路段时，路边冲出的小动物、黑暗中行走的路人或未开大灯的汽机车都可能变成致命杀手。
配备不受光线影响的各式侦测器之后，自驾车在视线不佳的环境也能保持顺畅的行进。
人类双眼的视角大约是180度，即使加上后视镜仍然存在许多盲点。有鉴于此，遍布车身的感测器提供上下左右全方位的感知，消除盲点的存在，提升车辆行驶的安全。
(图片撷取：inhabitat )
B更快速的判断
每个人的速度变化感受不同，再加上驾驶经验的差异，都会影响人类对煞车时间点的判断。而自驾车能够持续监测周遭车辆的状态，再依据目前相对的动向、车速及车距变化来计算出最佳的煞车或闪避时机，提早预警来自四面八方的威胁并作出反应。
快速判断的优势体现在安全性，就如以下Tesla辅助驾驶（Autopilot）的行车纪录中令人惊奇的几个场景：前方快要发生撞击时提前发出警告并减速、自动闪避来自斜后方想要切换车道的鲁莽驾驶等，都是人类的能力无法做到的。
C更可靠的驾驶
根据美国国家公路交通安全管理局（NHTSA）统计，人为造成的交通意外的四个主要原因分别是：疲劳、分心、酒驾和操作失误。
表面上，自动驾驶不因手机讯息分心、经得起长时间驾驶，车内小孩的哭闹也不会让机器产生情绪起伏，是非常理想的司机人选。
但值得注意的是，人性难以预测，专注且耐操的自动驾驶虽然可以避免人为失误，不过在人类及机器驾驶并存的车道上，仍要小心来自其他鲁莽驾驶的无妄之灾。
总结而论，自驾车比起人类驾驶更敏锐、更全面也不怕疲劳。那么，在不久后的将来，我们是否就能看到载着乘客的自驾车到处跑了呢？
3.最后一哩路？自驾车仍需克服的挑战
自动驾驶技术已取得相当成果，厂商纷纷推出自家概念车。但是，在正式上路之前，技术、商业、法规等诸多层面都还有许多尚待克服的难题，读者可以一起思考：自驾车普及后，将会如何影响我们的日常生活。
A道德困境
如果有一天，你驾驶的车辆突然煞车失灵，必须在瞬间作出决定：冒着丧命的风险撞上一堵水泥墙、或是冲撞其他车辆来提高自己生存的机率。你会怎么做？
类似的选择难题在道德层面不断被提出讨论：人类驾驶有自己的一套价值取舍；然而，同样的情形套用在自驾车时，当意外发生，乘客或其他用路人的命运早已被决定在程式码逻辑之中。
扩大影响层面来看，相关的法律责任究竟该归属于车厂、工程师或乘客本身呢？保险及法规又该如何制定？这些都是自驾车上路之前需要好好深思的问题。
B极端天候
在雨天、下雪、大雾等极端天候下，车辆的感测器会受遮蔽而无法完全发挥作用，用以定义道路的标线也难以辨识。因此，为避免误判造成意外发生，自动驾驶系统在恶劣天气中仍需将控制权交还给人类驾驶。
(图片撷取：Business Insider )
为了突破天候限制，Volvo、Ford等传统车厂开始努力尝试在缺乏道路标线作为依据时，改由辨认护栏、行道树或线杆来取而代之。Google则是侦测天气状况，调整软体演算法来因应恶劣天候。
C影像辨识的精确度
根据纽约时报记者的乘坐经验，自驾车的影像辨识遇到路面阴影、坑洞、水洼或油渍时会产生困惑，需要较长时间确认是否继续前进。
(图片来源：Flickr )
除了警示障碍，影像辨识也肩负着对照街景来确认路线的重要任务。若街景更新速度跟不上实际变化，将让自驾车不知自己身在何处。
Uber的实验车在经过桥梁时，曾经因为两旁太过空旷，缺乏大楼、路牌等标的物指引而经历短暂迷航。
(图片撷取：Business Insider )
另一个关于行道树的有趣例子是：Uber在秋天时储存的街景中，行道树的叶子已经掉光；到了春天，树梢冒出的新芽却使影像辨识产生困难，困惑的自驾车只好无奈地向操作人员求救。
由以上例子得知，如何精进影像辨识能力，是打造出更聪明的自驾车不可避免的重要挑战。
D应变能力
以现今技术来说，人工智慧针对单一任务表现杰出（如下围棋的AlphaGo、挑选小黄瓜的机器学习），但处理复杂任务的能力有待加强。
(图片来源：Flickr )
在自动驾驶的领域，面对各种难以预测的人类行为，自驾车配备的人工智慧除了遵守交通规则，还需要举一反三、灵活的应变弹性。
举例来说，人类驾驶发现人行道上有小孩在玩球时，通常会提高警觉并放慢速度；但在自驾车的视野中，小孩在车道范围之外、移动速度缓慢，据此认定危险程度不高而保持正常行驶，无形中提高意外风险。
此外，在新加坡进行的自驾车道路实测记录中，多数事故并非自动驾驶系统失灵，而是好奇的民众会突然跳到车前，想看看车子是否能够自动煞停而导致。
因此，训练人工智慧将人类的不确定性纳入决策，让机器的驾驶技术可以应付多变的突发状况，是提高市场信心的下一个关键里程碑。
从种种成果看来，自动驾驶技术仍有许多改善空间。因此，现阶段将自驾车科技定位在辅助人类驾驶的角色，会是比较务实的角度。
看完文章，大家有什么想法？欢迎留言讨论。