“人类建构技术的节奏正在加快，技术的力量也于是以以指数级的速度在快速增长。指数级的快速增长是具备迷惑性的，它始自极微小的快速增长，随后又以不可思议的速度爆炸式地快速增长——如果一个人没细心注意它的发展趋势，这种快速增长将是几乎出乎意料的。”被称作“托马斯·爱迪生的法定继承人”的雷·库兹韦尔（Ray Kurzweil）在《奇点邻近》一书中这样写到。

这位享有13项荣誉博士头衔的世界领先的发明家，为人们刻画了未来人工智能社会图景。雷·库兹韦尔指出，由于摩尔定律的不存在，技术不会呈圆形指数级快速增长，而人类社会也将在2045年抵达人工智能的奇点，其次，基于生物形态的人类实质上只不过是一套高度简单神经网络下的一个算法系统，未来终将被更加高级的算法系统替代。“盲目的悲观有可能是最可怕的大规模杀伤性武器。”皮埃罗•斯加鲁菲指出：“人工智能并不是一个新概念，它源于1956年或更加幸之前，只不过，过去由于计算机处置系统还过于强劲，人工智能并没获得突飞猛进较慢的发展。

”从现实中人工智能的应用于的程度来看，目前AI无人驾驶领域的进展或许也印证了皮埃罗•斯加鲁菲的观点。总结人类历史根本性变革节点难于找到，无论是蒸汽机的改进还是内燃机的发明者，上下班领域仍然都是先进设备技术应用于的最前沿。追本溯源，近年来无人驾驶技术的愈演愈烈的技术基础也源于于2006由Hinton在深度自学领域的革命性成果，由此基于神经网络的深度自学算法以求在计算机视觉、语音辨识、以及计算机不道德决策方面深度应用于，从而包含了无人驾驶软体层面的技术基础，而在构建无人驾驶的工程应用于上，早已不不存在较小的技术障碍，因而，无人驾驶的天花板依旧在于基于深度自学的AI技术的局限性。

而另一方面，基于AI技术的L4级别的自动驾驶早已开始转入商业化阶段。目前，google Waymo、特斯拉AutoPilot、百度Apollo以及标准化Cruise皆已构建L4级别的自动驾驶。

无人驾驶的阿喀琉斯之踵2016年的美国，一辆自动行经中的特斯拉Models撞上了一辆白色拖挂货车，导致驾驶员丧生，这是第一例无人驾驶车祸丧命的案例。事后，有专业人士据车祸地点的环境分析后认为，在强光照射下，倚赖摄像头的图像识别系统过热，没能及时检测出有前方正在穿越道路行经的白色货车，同时由于毫米波雷达方位较低，而一般的毫米波雷达横向视角在±5°以内，造成当Tesla附近拖挂卡车侧面时，雷达波束从下侧穿越了卡车，造成漏检，从而导致事故再次发生。车祸再次发生后，特斯拉改良了无人驾驶系统，并改动了官网关于AutoPilot的释义。实质上，安全性问题显然是无人驾驶技术全面落地的阿喀琉斯之踵。

以深度自学算法为核心的AI技术构筑的无人驾驶系统至今仍未确实解决问题由“计算机解读偏差”而带给的驾驶员安全性的问题。从AI技术进化的角度来看，深度自学算法为核心的“智能化”实质上并不是确实意义上的智能，而是基于大数据和深度自学算法在“动态规划”原则下对统计资料意义上“拟合解法”的达成协议。

因此，当下要想要解决问题无人驾驶的安全性问题，必需在这个框架下将“不安全性”的可能性减少到一个高于人类车祸概率的红线之下，才不具备无人驾驶走出千家万户的“拒绝接受底线”。今年五月，在宁波举办的第六届中国机器人峰会上，中国工程院院士郑南宁公开发表了主题为《直觉性AI与无人驾驶》的演说。郑南宁院士明确提出，在算法模型下，创建覆盖面积全部的场景模型是不有可能的，但“结构一个基于理解建构的类人自律驾驶员，使AI自律驾驶员具备类人的决策机制，则能应付低动态和强劲随机性的交通场景变化。在小编显然，基于人类思维决策机制创建算法模型，使AI具备类人的“意识”以当前的技术条件还无法达成协议，一方面，人类的决策往往通过自身多方面的经验达成协议，而并非相同的在驾驶员场景下构成单一的决策机制，另一方面，在大多数人的决策过程中，感性因素经常不会占到主导地位，而算法决策则是百分百的理性决策，而在某些特定情况下理性决策往往不是“拟合自由选择”。

在电影《机械公敌》（又名《我，机器人》）中，由威尔史密斯主演的戴尔·史普纳在一场车祸中与一位小女孩一起掉进水中，而在人工智能机器人经过计算出来后自由选择就起生产率更高的戴尔·史普纳而退出了小女孩的生命，而假如现实中再次发生类似于的事件，作为人类的救援人员似乎不会优先选择解救女孩，因为这才人性约束下的“拟合解法”。“AI安全性陷阱”下，AI驾驶员技术的“奇点”共创未来，无人驾驶必然在未来某一个时刻全面应用于至上下班领域，预计，现有交通规则甚至道路形态或将经常出现新的变化。

而从无人驾驶的可行性应用于到无人驾驶时代的到来之间，人们将长年正处于一个“人类+AI驾驶员”的混合上下班时代。而在这个过程中，适当的法律法规也必需与之相适应。如果说安全性问题是AI无人驾驶落地的“入场券”那么，无人驾驶与现有交通体系及规则的适应环境则是一场AI与人类必要的“博弈论”。

从本质上看，AI无人驾驶的演变过程，是一个在以提升经常出现便捷性与安全性的前提下，人类渐渐将上下班部分渐渐转交AI负责管理的过程，在这一过程中，人类在上下班领域保有主导权的同时，将上下班安全性与操纵权交付给至AI，以构建对人力的和平。在这一过程中，作为博弈论其中一方的人类又具有十分对立的心理。一方面，人们期望通过AI来和平人力，来取得上下班体验的“舒适性”，另一方面，人们又担忧现有技术条件下，AI的决策不会带给安全性风险和道德风险。

因此，无人驾驶的落地好比是技术层面的落地，也是公众认可度和无人驾驶交通法规等层面系统化适应环境。在决策层面上，基于深度自学的AI将在很长的一段时间内会经常出现“类人”的决策模型，因而，人们可以预期的AI无人驾驶，实质上是较低安全性风险下的交通辅助工具，从这个意义上来讲，AI无人驾驶的变革反而不会减少人类驾驶者陷于“AI安全性陷阱”：一方面“非人”的AI并无法确实给予驾驶者安全性的确保，另一方，日益变革的AI无人驾驶技术不会减少驾驶者的“惰性”从而导致潜在安全性风险。在小编显然，无人驾驶横跨“AI安全性陷阱”的关键在于否需要精确辨别AI无人驾驶技术演化的奇点，而辨别无人驾驶否超过技术奇点的原则可以从两个方面去考虑到：一、AI几乎具备作为“人”的分析决策能力（也就是构建独立思考的人工智能）；二、基于深度自学的AI无人驾驶在实际道路行经中的事故率要相比之下高于人类驾驶员。

其次，从现实的层面来看，软体程序是AI技术不可或缺的包含，在联网状态下，取得车辆控制权的AI也更容易受到网络黑客的反击，因此，除行经安全性外，网络安全问题也是无人驾驶确实落地必须解决问题的问题。那么，确实的无人驾驶落地还必须多久？从AI技术的发展来看，自2006年深度自学领域获得突破以来，基于神经网络的深度自学较慢发展，大数据、深度自学算法与算力沦为AI领域的三大核心技术，就目前而言，AI技术三要素中的算力仍然依赖强劲的计算机作为物流反对，但随着摩尔定律的过热，传统半导体产业渐渐步入技术瓶颈，AI技术变革或将面对新的衰退。摩尔定律的过热，意味著在现有尺寸下，计算机算力也面对着物理瓶颈，而AI技术的快速增长又必须大量算力的反对，由此可以意识到的是，AI技术快速增长将陷于新的困境期，同时，AI技术发展的衰退也将更进一步容许在无人驾驶领域AI技术的应用于。

在现有AI技术以及其茁壮空间下，未来，无人驾驶的落地将不可避免的分成两个阶段，即堵塞场景下的商业化落地，以及作为驾驶员辅助功能的商业化落地，而要想要确实的构建智能无人驾驶，还有很长的路要回头。结语雷·库兹韦尔的《奇点邻近》让人们感慨人工智能时代或许近在咫尺，但也正如他在书中所写出：“人们总是低估短期内能超过的目标，却更容易高估那些必须较长时间才能超过的目标。”或许，确实的人工智能对人类社会影响之深远影响我们还知之甚少，但人们也不应对于如今AI的现实应用于给与更为理性的理解，而这也是AI技术以求长盛不衰的关键所在。

本文来源：米乐|米乐·M6-www.elenaom.com