自动驾驶“人格障碍”

机器不了解如何与人类驾驶的车辆互动，而车厂将涉及自动驾驶事故的责任归咎于人类，道路安全并没有改善。
为什么公共道路上的自动驾驶如此难破解？为什么要花这么长时间？以及为什么NHTSA对通用Cruise在旧金山运营的robotaxi进行了调查？

让我们从四个关键领域看一看，这些领域能让我们了解为什么robotaxi和robotruck的发展会陷入困境。

预测（Prediction）

我们可以用两个熟悉的例子来证明预测在现实世界中的挑战。

第一种是抛硬币，结果为正或反的几率完全相等，这就是为什么人们常用这种方法来解决各种问题。

那掷骰子呢？如果我们拿6个六面的骰子来掷，结果会是什么？我们不知道，因为结果是不确定的。我们知道会有一个结果，我们可以估计每个结果的概率，但我们不能精确地预测结果。这就是不确定性的影响。

现在回答以下问题。

预测抛硬币所需的传感器套件和计算处理的数量是多少？它与掷骰子相比如何？如果一个模拟器被设计成每秒进行一万亿次抛硬币或掷骰子，那么建立必要的数据集和训练机器来预测没有不确定性的结果需要多长时间？

作为人类，我们知道，每一次抛掷和滚动都是独立的。过去并不能预测未来，无论这个过程重复多少次。如果你怀疑这一点，可以带着全身家当到拉斯维加斯测试一下。

抛硬币和掷骰子是暴露自动驾驶开发面临的基本挑战的简单例子。对一个系统中每个因素的完美了解并不能完美地预测该系统的结果。

感知（Perception）

人类婴儿出生时就能识别母亲的声音。这告诉我们，人类在子宫里就开始发展感知能力。视觉、听觉、嗅觉、味觉和触觉……本体感觉，有时被描述为第六感，是对自我运动、力量和身体位置的感觉，而热感知是对温度的感知。

我们的感官和知觉有许多重要的作用，包括对威胁和风险进行分类。相对速度、质量、密度和接近程度都会提醒我们注意身体风险。嗅觉可以提醒我们有毒气体或火灾的威胁，识别腐烂或未煮熟的的味道。

人类利用感官和感觉，以及基于知识的推理来感知情况。如果人们在大马路上看到一只一米八的公鸡带着一只一米高的小鸡，我们能猜想到可能是父母和孩子去参加化妆舞会。在繁忙的城市街道上，看起来是80mph的速度标识实际上可能是一个30mph的标识，这可能是某个捣蛋鬼在使坏。

这些例子突出了自动驾驶开发面临的另一个挑战。感知不仅仅是看到和感觉到。它还需要背景、判断和推理。

路径规划（Path planning）

人类在哪里学习路径规划？在拥挤的地方。你可以观察一下任何繁忙的购物中心或人行道、CES的展厅、或歌手演唱会结束十分钟后的体育场外。那密密麻麻的人群只是非常和平的互相擦肩而过。

在父母和老师的指导下，我们在儿童时期就形成了“社会契约”，学习良好的社会成员应有的行为规范。我们知道要优先照顾老年人、母婴、残障人士。

人类先是作为行人学习基本的道路和交通意识技能，比如说通过学习过马路，后来又学习骑自行车。当我们成年后，许多人通过了驾照考试，能够独立地将驾驶技能和经验用于公共道路的路径规划。

有些人在驾驶方面比其他人更有天赋，但所有的人都表现出基本的熟练程度，这点以驾照的形式得到了认可。

在道路和公共场所，人类将预测和感知与路径规划结合起来，自然地运行，大多不会发生事故，甚至也没什么有意识地思考。这些运动大多是可预测的，但并不完全如此。人们利用基于知识的推理来克服这种模糊性，在不确定的情况下表现出判断力。

但对我们来说，那些日常判断、推理和不确定性，会让机器感到困惑。正如Cruise的自动驾驶汽车，robotaxi既不能预测、感知，也不能足够准确地规划人类的意图，以便与人类共享道路。

对于那些小型低速的自动驾驶车辆，如送货机器人，精确的路径规划是一个不太重要的安全问题。然而，对于在公共道路上行驶的robotaxi，以及在高速公路行驶的robotruck来说，有缺陷的路径规划会给人类道路使用者带来生命的威胁。

虽然自动驾驶车辆可以在基本驾驶技能和规则遵守方面表现出色，但它们显然缺乏必要的知识和专长，无法成功地与人类和人类驾驶的车辆互动。这对计划在公共道路上开展商业运营的robotaxi和robotruck公司来说是个致命问题。

相变（Phase transitions）

是什么让公共道路对机器如此具有挑战性？

Neil Johnson在<Simply Complexity>一书中指出：“复杂性可以用‘两人作伴，三人成团’这句话来概括。换句话说，复杂性科学可以被看作是研究从一组相互作用的物体中产生的现象。”

Johnson继续说：“大多数现实世界中的复杂性例子的核心，是一组物体在竞争某种有限的资源的情况。”

因此，复杂性科学准确地描述了机动车、摩托车、行人、自行车和公共道路上其他使用者之间的相互关系。

复杂系统可以进一步被描述为具有可变需求的开放网络。复杂系统没有中央控制器或“指导之手”，表现出突发特性，导致从有序到无序再到有序的相变。这都是自发的，不需要输入。

感到困惑吗？只要想想每天发生在道路上的混乱，似乎不知从何而来，没有明显的原因，然后就消失得无影无踪了。这就是复杂性，由有能力的人类驾驶者使用基于知识的推理进行导航。大多数时候，关键的必要技能不过是耐心，因为人类的感知也理解无常的概念。

与道路上的复杂性相比，一个复杂的封闭系统是可预测的，并且可以以完美的可重复性进行建模或模拟。一个特定的输入会产生一个可预测的输出。

一个经典例子是瑞士手表。虽然令人难以置信的复杂，但每个齿轮的运动都是已知的、精确的和可预测的。例如，Patek Philippe的Calibre 89由1728个零件组成。

运输系统通常涉及高速移动的非常重的物体，而且这些物体要么载人，要么在接近人类的地方快速移动。由于具有封闭性和可预测性，闭环的运输模式在本质上要比复杂的城市道路更安全。

我们可以将各种运输方式的例子按照闭环的运输方式和复杂的运输方式归纳如下。

闭环的：农业、采矿、仓储物流、港口物流、航空、铁路和私人（封闭）公路

复杂的：公共道路

诸如Aurora、Cruise、Embark、Gatik、Motional、TuSimple、Waymo和Zoox等自动驾驶公司都将其业务集中在公共道路，这很复杂。

同时，自动驾驶开发在哪些方面已经取得了商业成功？两个例子是农业和采矿业，这两个行业虽然都复杂，但都是闭环的。

仿真和暴力训练不能解决公共道路上常见的模糊、不确定或不可预测的现实场景，现有的AI和机器学习技术太脆弱，无法驾驭复杂系统中固有的阶段过渡。

因此，自动驾驶开发的商业成功在很大程度上取决于对复杂系统和闭环系统之间差异的理解。在未来几年里，robotaxi和robotruck的投资者似乎注定要以艰难的方式了解这一真理。

人格障碍？

过去多年，我们已经听到了太多自动驾驶行业宣传机器是如何比人类司机更强大的言论。是的，机器不会超速、不会酒驾、不会分心或疲倦。他们永远不会生病，并始终保持意识清醒。

但机器缺乏的是在公共道路上与人类互动的必要能力。这是意料之中的事，因为机器缺乏人类的特质，如同情心、同理心和感觉，也缺乏任何责任感。

机器的预测、感知和路径规划与人类完全不同，会做出自己特有的相应的移动和停止。这对于在田间耕作的拖拉机、在矿井中作业的卡车或在自动化仓库中运货的叉车来说都不是问题。

但对于在公共道路，即需要与人类安全互动，同时胜任复杂系统中固有的不确定性和不可预测性，越来越多的证据表明机器表现得很糟糕。

人格障碍通常被定义为一个人的思维、感觉、行为和与他人的关系与普通人非常不同。

不要指望NHTSA对旧金山的Cruise问题的调查会得出如此明确的结论。公共道路上的机器的问题很容易被解释为一种从未见过的情况。让我们将其定义为自动驾驶人格障碍如何？