剑客
关注科技互联网

爱范儿也会造自动驾驶汽车?

flea-market-970946_1280

爱范儿也懂造无人驾驶汽车?

无人驾驶汽车的原理,某程度上并不太么复杂,就找一台车子来改装一下(电动车比较好改一点),加几个传感器,再塞一套开源的自动驾驶计算平台,好,这就搞定了。

好吧,其实我们都是在忽悠大家。老实说:即你有勇气试坐,但我没这个胆子啊。

但有一个天才,敢造,也敢坐。他叫做 George Hotz,人称 Geohot。

Geohot 的“励志”故事

连 Facebook 和 Google 都争相罗致的美国著名天才黑客 Geohot(下图),在破解 iPhone 和 Playstation 后,这回看上了汽车:他只是用了区区 3 万美元,在车库里把自己的 Acura ILX 改装成自动驾驶汽车,并因而上了各大媒体的头条,惹来各界关注。

后来 Geohot 创立了自己的无人驾驶汽车公司 Comma.ai,在 Techcrunch 的 Disrupt SF 2016 大会里,横挑强邻,剑指同样在研发无人驾驶的特斯拉 (Teala) 和 Google,并宣布推出首款自家制自动驾驶产品: Comma One。

_____2015-12-17___4-26-39

但这个“励志”故事的结局,是早前爱范儿报道:NHTSA(美国国家公路和交通安全管理局)要求 Geohot 必须先证明 Comma One 的安全性,但 Geohot 最后没有正面回应 NHTSA,反而决定要停掉 Comma One 项目。他在 Twitter 里抱怨:与其把时间花在与立法机关与律师扯皮,不如去做更好的科技项目。他更补充说:

NHTSA 从来也没向我们要求试驾。

人人都造“自动驾驶汽车”

事实上,除了 Geohot 之外,目前也有很多公司在埋首研发自动驾驶汽车。

传统汽车厂如奔驰 (Mercedes-Benz)、宝马 (BMW)、奥迪 (Audi)、福特 (Ford) 等等,新兴科技公司如 Google、苹果、特斯拉,人人要造自动驾驶汽车,而且也争相承诺在要在 5- 10 年内推出。

就连国内做搜索引擎的、造互联网电视的,也要参与自动驾驶汽车,国内那些期望“弯道超车”的汽车厂商怎能不跟上?。

4-pic_hd-1

无论是天才 Geohot 也好、或是国内互联网公司也好,人人都在赶热点,个个会懂造自动驾驶汽车了。

不过,自动驾驶汽车的技术,“原理上”并不是什么黑科技。要知道目前自动驾驶汽车所用的什么超声波传感、GPS 之类的玩意,从来都不是最前沿的新科技;而软件方面?不就是规划路径、自动避障而已?就连今天的无人机或扫机机器人,也能轻松的做到这一点,更不要说是汽车了。

因此,假设大家见到有一天爱范儿突然拿出一台自动驾驶汽车出来显摆,真的不要太惊讶,反正在国内生产电视机的,也要造自动驾驶汽车了。

关键在犯错机率

但如果造自动驾驶汽车真的这么没难度,为什么政府部门刹有介事,老是阻挠科技公司搞自动驾驶汽车?为什么我们到了今天,仍然不能享受自动驾驶汽车的方便?

虽然今天人类生活已大量使用人工智能,但扫地机器人撞到障碍物,可以退后再找路径(下图)。Google 的图像辨识技术错了?不要紧,再辨识一次就好;Siri 的语音辨识不准?再听一次吧。但自动驾驶汽车呢?你试试在时速 100 公里的速度跑到对面线去?试试误判把路上的一个障碍物误判为不存在?

躲避障碍

试错 (Trial and error) 本来就是训练人工智能的重要方法之一,但自动驾驶汽车却完全不可以试错。

汽车是一台比打扫机器人贵上太多的玩意,而且破坏力也更大:只要出了意外,轻则损失数千元,重则导致人命伤亡。所以由始至于,自动驾驶汽车的关键绝非“能否做到”,而是“能否做好”;目前所用的各种黑科技,大部份都是用来减低犯错机率。

数量大了,困难就来了

问题是:当人类避免不了犯错,更何况是一言不合就挂了的电子设备?事实上,无论是 Geohot 或是 Google 的自动驾驶,也曾犯过若干的小错。Geohot 表示 Comma One v2 已有 50 万公里的行驶样本,而根据 Google 最近的资料,他们的 58 辆无人驾驶汽车合计跑了 338 万公里。

Google 无人驾驶汽车

几百万公里才犯点小错,看起来自动驾驶汽车的犯错机会也不太大吧。然而,每年全球汽车的行驶里数,远比我们想像的要高。

举例说,丰田 Corolla 在 2015 年销量逾 120 万台,假设每台车子在 2015 年最少跑 1000 公里,即去年 Corolla 在全球就跑了约 1.2 兆亿公里!我们假设自动驾驶汽车,每跑 300 万公里就会发生小错,那每年 1 兆亿公里的话,就是一年之内犯了 30 万次错误。

换言之:巨大的现实交通流量,会把本来很低的犯错机率,无限量的扩大。

数量大了,环境复杂了

当然,30 万次错误可能都是小错误,没什么大不了。但当行车里数的进一步增加到 1.2 兆亿公里,所遇上的路况可能与 300 万公里所遇上的,远远更为复杂。

Google 的 300 万公里行车里程,都是在美国本土进行;但丰田 Corolla 的 1 兆亿公里里程,就包括全球各个地区。当中有马路犹如战场的北京、人口密度不高的渥太华、高温多雨的新加坡、或是弯急路窄的四川。当自动驾驶汽车覆盖到更多的地点,就需面对和以往数据完全不同,而且可能是更复杂、更恶劣的路况。

Street-car-traffic-jam_1600x1200

但更麻烦的是当数量多了,个中的变数也同样多了;例如大量的自动驾驶汽车同时行驶,可能互相干扰对方的无线信号,又或是当人类驾驶和自动驾驶两种汽车同时存在,系统如何调适两者的驾驶习惯?

除此之外,由于自动驾驶的车子多了,针对自动驾驶的恶意行为也增加;例如会否人为了贪玩而作出混淆自动驾驶汽车的突发行为?又或是会否出现更多针对自动驾驶汽车的黑客或病毒?

关键是测试数据

故此,在人工智能的世界里,技术、算法虽然重要;但在自动驾驶汽车里,测试数据可能比我们想像中更重要。你没有足够的测试里程,就没有足够的数据;没有足够的数据,即使你请来奥巴马试坐,也不能让人安心。

所以,尽管 Geohot 很不屑地指责 NHTSA 连试驾都不愿,即使 Google 老是说政策如何阻挠自动驾驶;但自动驾驶其中一个主力提倡者、特斯拉的 Elon Musk 也在推特里承认:

没有 10 亿英里(注:约 16 亿公里)的数据,就不能称有足够的数据。而且,10 亿英里的数据只是“需要条件” (necessarily),而非“充份条件” (sufficient)。

uber-testing-driverless-taxis-pittsburgh_dezeen_ban

如果说 Geohot 的 50 万公里不足为道,那 Google 的 300 万公里又如何?一样远远的不足够。Bloomberg 就狠批 Google 的自动驾驶计划,指他们早就输了。他们转引了摩根士丹利分析师的说法,指 Uber (上图)的自动驾驶汽车计划,能轻松的把 Google 甩出一个世代:

Uber 在 24 分钟内,就能取得 Google 自动驾驶汽车目前所能累积的数据。当然,它们的数据没有一英里是由完全的自动驾驶所取得,但我们需要理解这个规格的经验能有助人工智能的发展,有助自动驾驶学习和建立地图。

再见 Google,特斯拉你好

无疑,Google 是最早一批力推自动驾驶的科技巨头,但爱范儿就曾指出,传统车厂与不认同 Google 的想法,逼使 Google 只能靠自己单干,导致使它们的数据累积速度严重落后。

后来,爱范儿也报道过 Google 自动驾驶汽车包括 Google X 创始人 Sebastian Thrun(下图) 在内的重要成员,也分别陆续离职。接着, Google 自动驾驶项目突然从 Google X 里独立出来。随着 Google 自动驾驶的光环愈来愈淡,这故事愈来愈像先前爱范儿提过的“波士顿动力”出走记。

thrun

作为自动驾驶的先驱, Google 在近几年不但被人冷待,原有的光环也开始失色。除了是因为 Uber 能轻松的在数据上辗压 Google 之外,更要命的特斯拉的自动驾驶汽车大量现身,夺去大众和媒体的集点,成为目前自动驾驶汽车领军人物。

为什么特斯拉能成为目前自动驾驶的焦点所在?也是因为 Musk 表示在 6 个月内,取得 Google 远远追不上的 10 亿英里数据。而个中的关键,是目前特斯拉每年出货量 5 万台以上,每辆合计几万公里的行驶里程,短时间就能完成这个庞大的数据收集任务。

虚拟驾驶与实际数据

为什么特斯拉或 Uber 的数据能快速累积?除了是因为特斯拉或 Uber 有大量汽车在外面行走,更重要的是:他们都在用实际的行车环境,来进行虚拟的人工智能训练。

正如刚才引用摩根士丹利的分析师所说:“它们的数据没有一英里是由完全的自动驾驶所取得。”这种说法可能有点夸张,但无疑在 Uber 或特斯拉的各种传感器,会在真人驾驶汽车时时进行收集,而自动驾驶系统就会根据实际的行车状况,进行“模拟自动驾驶”,而不是真正的“自动驾驶”测试。

civil-maps-perception-system

事实上截至本年 10 月,特斯拉的“真实自动驾驶”里数只有 1.3 亿英里(约 2.1 亿公里),远远不如 Musk 早前夸口的 10 亿美里。故此,特斯拉的“自动驾驶”测试,仍然惹来巨大的争议。

不过,特斯拉取得的数据虽然并非“自动驾驶”的数据,但仍然是“真实世界“的数据,车子的确能透过这些“真实世界”来训练视觉辨识,也能学习人类的实际驾驶习惯。这些实际数据,绝非在实验室模拟所能相提并论。

那为什么特斯拉的“虚拟数据”仍然会带来争议?就是因为“实际世界”的环境,可能远超我们的“虚构”的景像。

当虚拟化为现实?

虽然媒体把特斯拉的自动驾驶汽车吹嘘得天花乱坠,但实际上在早前《消费者报告》最新的汽车可靠性报告里,特斯拉却几乎垫底。即使我们信得过人工智能,但特斯拉的产品真的可靠性吗?

在本年 6 月,特斯拉自动驾驶汽车发生了首次的致命交通意外:由于肇事车子的摄像镜头,无法分辨与天空混在一起的白色货车,使车子直接撞上这台货车而酿成致命意外。

在人类驾驶汽车时所收集“模拟自动驾驶”数据,真的有比较安全吗?

尽管特斯拉强调这是个别例子,但这个例子却能突显了:人类能分辨到、但机器不能分辨的障碍,很可能都变都没有被汽车数据化,全部变成了“灯下黑”。事实上,爱范儿早前就报道过,特斯拉最后在也为自动硬件进行升级,那就等于间接承认目前的自动驾驶仍然不够可靠,需要再加入新的硬件作为安全性的冗余。

tesla-autopilot

特斯拉发生第一次致命交通意外后,特斯拉官方博客除了向遇难者致哀之外,仍然为自动驾驶汽车辩护:全球汽车的致命意外是每 6000 万英里一次,而在美国是每 9400 万公里一次,而特斯拉的自动驾驶?是 1.3 亿英里。从这数据看,即使特斯拉的自动驾驶汽车发生严重事故,貌似还是比人类驾驶汽车更安全。

然而,不幸地在本年 10 月,特斯拉再次发生致交通意外。

当意外化为意外数字

由于第二次意外发生在特斯拉自动驾驶的 2.22 亿英里后,所以在这次意外后,特斯拉的自动驾驶致命率,降至为每 1.11 亿英里一次,仅比美国汽车致命率稍低一点。不过,由于资料显示这次意外涉及偷车罪行,故此能否算是交通意外,仍然甚有争议。

但关键是这种数据争议有意义吗?根据调查机构 RAND 的数据,全美汽车行驶里数约 3 兆亿英里,而特斯拉的自动驾驶里数,连全美的 0.001% 也不到。由于“取样比例”远远偏低,“特斯拉自动驾驶汽车”的低致命意外机会率神话,其实在统计学上毫无意义。

更何况全美、或是全球的汽车意外率,当中各种我们能想像、或不能想像的客观环境:当中可能有保养不良的旧车;也可能有想自杀轻生的司机、或是跑危险路段的职业司机。但特斯拉的自动驾驶呢?所有能跑自动驾驶的特斯拉,就算再不可靠、状态再坏,都是近年出厂的新车;其机件出现严重故障的可能性,理应低于全球汽车水平。

30TESLA-master768

而且,自动驾驶才刚登场不久,不少车主对它仍不太放心;他们未必会在危险路段使用、未必会在繁忙的高速路段上使用、也未必会在雨雪天气上使用;即使车主敢于尝鲜,也可能乖乖的把手放好在方向盘上,避免了意外,也降低了意外率。

简言之,如果大家真的要对特斯拉自动驾驶的意外率认真起来?事实上,目前的特斯拉自动驾驶的意外率,极有可能被严重低估,细思极恐啊。

“自动驾驶”真的比“人类驾驶”更安全?

让我们回到主题:造一台自动驾驶汽车一点也不难,难的是让自动驾驶汽车不犯错。

屏幕快照-2016-08-17-下午4.45.14

当我们老是把人类的司机描绘为交通意外的“幕后黑手”,用来证明“自动驾驶汽车”的优越性的时候,关键是我们手上的测试数据其实远远的叫不上足够,所以,我们根本就不知道:

在“现有的科技”下,自动驾驶是否真的比人类驾驶更安全?

爱范儿早前就曾分析过,法规发展永远不可能追上科技发展。也许对于一个热爱科技、拥抱未来的极客来说,政府和法规的确在阻挠着科技的发展;但从另一个角度看,我们真的把人类的未来,押注在科技的不确定上?

  • 在人工智能的范畴,算法很重要;
  • 在人工智能的范畴,计算能力也很重要;
  • 但没有足够测试数据的人工智能,都是耍流氓。
分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址