总之，我对无人驾驶很悲观

这个领域，其变革已经迟到了很久了：它就是陆地运输。

在20 世纪，汽车为发达国家的人带来了巨大的“活力”，使他们不必像奴隶那样被限定在一个地方生活。 但是我们仍然得面对每日拥堵的“罗马路”。 尽管庞大的基础设施体系能承受这样的现实，但更加节约能量的运输方式必将出现。

无人车将让人类摆脱枯燥乏味的迁徙，让运输变得更加灵活和便捷，不必受到路径的限制。在此基础上，人类也许有 50%的机会出现某种安静的无人化的海陆空三线运输——尽管这种新型运输需要获得道路或空域的使用权，但却能够节省大量的基础设施，比如公路，隧道和桥梁的建造和维护费用。

可是，为应对无人车的挑战，人类还没有万全之策。

当前人类工程师具体分析和控制软件的能力极大地限制了软件的复杂性，可以说，我们已经达到了我们所知软件的复杂性的顶点。如果不寻求新的软件思想和设计途径，那么不论处理器变得有多快、多丰富、多奇特，我们也创造不出更智能的产品。

在计算机科学领域，精英们总在说， 未来的50 年内必然会出现一个技术的“奇点”。奇点出现的时候，计算机就已经聪明绝顶，威力无穷了，不要说无人车了，智能还主宰了物质和能量。它像神或者上帝那样存在，完全超越了人的概念。

无人车的进化似乎方向明确，前途光明—但事实并非如此。

因为还有一枚定时炸弹，人类目前还束手无策——这就是软件。

特斯拉Autopilot的升级历程，让我们看到了汽车自学习的能力，在“影子模式”下不断利用雷达和摄像头采集数据，传回总部进行持续的训练迭代，在安全方面在线式进化，让汽车掌握更加高超的车技。

这便是机器学习算法的魅力所在。从DARPA之后，机器学习领域里多个重要的技术分支，包括深度学习，强化学习技术相继被引入无人车。

「深度学习，是一种程序范式，部分受到了生物大脑神经元结构的启发。它很适合用来处理混乱而连续的数据，比如用在时间信息的“感知”（如无人车的目标行为预测）和空间信息的“感知”（如无人车摄像头目标识别）上。」

「强化学习，则是通过类似于心理学上条件反射式的训练，让机器理解自己的行为所引发的结果。这个算法的范式非常通用，理论上可以应用于任何模型未知环境里的“决策”任务，比如路径规划任务。」

深度学习和强化学习功能很强大，搭配在无人车上如虎添翼。某种程度上来说，人类赋予了机器思考的能力，使其参与了决策的过程。无人车被允许从自己的“训练记忆”和“运行经验”中不断优化自己的“决策能力”。

但它却有一个致命的弱点：必须使用多到吓人的数据进行训练—这就为它的安全性埋下了隐患，甚至引发了道德危机。

人类程序员为机器预设的学习模型和训练数据，其实早已经决定了无人车所做选择的倾向性。就是说，这并不是无人车真正的“自主决策”，无人车的“世界观”其实早就已经限定在了人类的认知范畴里，这种“弱智能”，当面临两难的抉择时，其实并不具备独立的自主意识（机器的自由意志）。

无人车运行时，危急时刻的千钧一发间，这个“弱智能”被“强推”到了决策者的位置，并直接决定人类的生死存亡，无疑带来了极大的道德风险。实际上，无人车不具有“真正的”自主意识。以此，它无法独立承载道德风险.

用法律来惩戒没有自主意识的无人车没有任何意义。由此，便产生了道德真空。

道德真空并非来自于机器学习领域某个具体的算法。问题在于，机器学习技术从出现以来，用到的数学工具都是“出头露面”的概率统计，而我们对于概率背后“埋头苦干”的，“深刻的”，“现代的”数学理论了解的还不够。

概率的观点意味着任何算法都缺乏“可解释性”。“不可解释”就意味着“危险”。统计概率观点下的机器学习很难兼容以条件式为基础的安全框架，安全的需求无法“可解释”地落实到最终产品当中。

——这是无人车最为深刻的危机。

就如同在刘慈欣的《朝闻道》中，霍金提出的“宇宙的目的是什么”这个问题，即便是再高等的文明都没法理解和掌握造物主创造宇宙是的全部信息，这类终极问题对我们来说永远都是“不可解释的”。

机器学习算法可以凭空创造出一大坨复杂的公式来解决我们的问题，并以极高的准确度预测和解释新的现象。但却没有人能够真正理解这些公式的意义，关于世界本质的解释被隐藏在了一堆看似无意义的数学符号里。

面对危机，人类首先就要攻克“可解释性”。这是能挖出金矿的基础性研究。

2017年，ICML的Turorial中给出了“可解释性”的权威定义：

Interpretation is the processof giving explanations to Human.

翻译过来就是“说人话！”，“说人话！”，“说人话！”。

软件工程注重敏捷性，汽车工程注重可解释性，可靠性，可追溯性，安全性。

必然要融合两个不同领域各自的优势——只有这样，我们才有信心认为，无人车不会带来恐慌和不安。

古尔德定律是说：“技术终究只是手段，而不是目的。” 的确，技术和安全是迷人的话题，但谈论亲情，谈论艺术，谈论真理与美德，谈论父母对孩子的责任和义务似乎也同样重要。

辛波斯卡说：“我偏爱喜欢人们，我偏爱那些散漫的零，胜于被编排成序列的零”。——个体的故事总是比数据更立体，有温度。

完

▲