SAE International - 国际自动机工程师学会
人工智能将有助于让自动驾驶系统（上图中系统供应商为ZF）识别路上的物体，并决定如何指挥车辆避让。（图片来源：ZF）
随着自动驾驶软件的强势来袭，汽车制造业发生了翻天覆地的变化。然而，当人工智能也加入角逐，和自动驾驶技术同场竞技后，与接下来所要面对的挑战相比，这些已有的技术飞跃就显得苍白无力。机器能够学习更能操控软件，从而引发难以计数的设计和测试方面的问题，随之而来的，更有法律及道德方面的诸多疑问。
汽车制造商和一级供应商（Tier 1s）都很期待人工智能的潜力，认为要让自动驾驶付诸现实，一系列的要素分析都是不可或缺的。福特汽车公司（Ford）为初创企业Argo AI注资10亿美元，而在未来五年，丰田汽车研究院（ToyotaResearch Institute）也将在人工智能的研发上投入10亿美元。
而早在博世人工智能研究中心（Bosch Center for ArtificialIntelligence）创立之初，其高管就曾说过，“未来十年，可能所有博世的产品构想都将离不开人工智能。”在这方面的投入是必要的，因为目前要想编出适用于完全无人驾驶的软件代码，程序员们恐怕还无能为力。
“目前，大多数先进的驾驶辅助系统都要仰仗雷达和监控摄像的帮助，因而还不能精确地探测出路上物体并进行分类——比如完全弄清这一物体是汽车、行人还是自行车，从而无法达到自动驾驶的要求。”Visteon总裁兼首席执行官SachinLawande解释道，“而为了实现自动驾驶，我们需要百分百的精确性。这就需要一种革命性的新技术，而机器的深度学习正是关键所在。”
尽管人工智能早已威名远扬，但具体部署却并不容易。技术难题还有很多，而随着自动驾驶的各项原则为人工智能所影响，这一新技术能否为人接受，很大程度上将取决于由此会带来哪些社会影响和法规方面的问题。
有评论质疑，是不是所有人都能发现这些人工智能驾驶软件所有潜在的漏洞，从而让“道路交通零事故”能够真正实现，而不再只是口号。对此，研发者表示，人工智能肯定能减少交通事故的发生，避免很多事故伤亡，但这方面的作用很难量化。
“我们还不能保证，自动驾驶不会造成任何交通事故。”IAV汽车工程（IAV AutomotiveEngineering）主管车辆系统的副总裁MartinRichter谈到，“但是我们可以保证，自动驾驶造成的伤亡肯定会比人类驾驶要少得多。企业的任务就是做好这方面的统计，根据事故发生的数量来判断研发工作是否已经到位。只有通过一定里程数的测试，这一样本下发生事故的数字才能有效反映总体水平。企业也会和监管部门一起对事故等级进行合理划分。”
自动驾驶软件的测试反应随着时间推移会发生改变，而要准确划分这些软件优劣程度，其难度则因云计算和无线网络（OTA）更新的需求被进一步放大了。在车辆的深入学习取得成效后，策略设计人员还要想方设法让这一成果在整个车队里共享。有观察者认为，在没有授权的情况下，不应擅自改变单个车辆的驾驶行为。
“当涉及与驾驶安全相关的问题时，我们不能放任驾驶软件自作主张。”大陆集团人工智能和机器人技术部门主管DemetrioAiello说，“后台在收集完每辆车的行驶信息后，我们将用这些数据来生成全新的更卓越的算法，并加以验证，然后通过无线网络更新配置到所有车辆上。因此，在车辆的使用寿命内，驾驶安全系数只会提升，不会打折。”
随着人工智能和自动驾驶的不断发展，伟世通所生产的电子架构也会出现革命性的巨变。（图片来源：伟世通）
前路未明
远程计算技术对于所有人工智能系统而言都至关重要，而在进入市场以后，自动驾驶领域也将不失时务地运用云计算技术来更好地掌控人工智能。越来越多的汽车制造商正在努力做好准备，以实现诸如通过云技术执行如语音识别这样的复杂功能。
然而，随着自动驾驶和云计算正式成为“搭档”，系统安全就成了一个设计时需要深思熟虑的问题。人工在可能除了需要做好驾驶汽车的本职工作外，还需要防止黑客入侵云端链接，控制自动驾驶中的汽车或是盗取信息。
“网络互联能使研发者不断升级自动驾驶软件，并时刻监控自动驾驶系统的运转情况。”伟世通公司负责尖端技术规划的总监UptonBowden谈到，“很明显，这些网上操作势必会对网络安全协议提出新的要求，以确保这些互联车辆不受黑客攻击。在侦测黑客恶意攻击以及教会车辆排除所受威胁方面，人工智能还将起到巨大作用。”
大陆集团（Continental）的人工智能系统将不断学习，以模仿人类的驾驶方式。（图片来源：大陆集团）
实践出真知
人工智能带来的好处显而易见，但随之而来的挑战也不可避免。对于开发者而言，自动驾驶软件的测试和验收已令他们大为头疼。而如果要弄清人工智能从长远角度究竟会对自动驾驶的可靠性产生多大影响，则更是难上加难。事实上，人工智能很有可能将成为一个测试平台，成为各种其他人工智能开发的软件在测试阶段不可或缺的一个环节。
“考虑到人工智能会主动改变自身行为，要想对其进行测试难度很大。”FEV北美区电子技术副总裁Stephan Tarnutzer说，“一旦引入了人工智能技术，就要有相应的手段，确保这套系统两年后能保持同样的效果。我们不能用传统的技术去测试高度自动驾驶的汽车。不过，人工智能方面的测试应该很快就会启动。”
要衡量新技术所带来的各种风险同样颇具难度。人工智能往往会涉及多个系统，这会给自动驾驶带来更多跨专业的，同时也更复杂的难题。专业人员必须确保人工智能在带来各种好处的同时，不对我们产生副作用。
“当前，研发人员的一项重要任务就是开发出一种新技术，把汽车业的风险评估工具植入这一复杂、多维的驾驶环境中。在这里，子系统之间可以相互作用，车辆和车辆之间可以互通信息，车辆和路上的基础设施以及云端也能进行信息传递。”伟世通北美公司首席技术官JamesSchwyn介绍说，“研发者还需要对硬件安全的最新发展保持关注。”
尽管人工智能在初见雏形的自动驾驶领域是一项新技术，但有些公司已经将其用于语音识别和高级驾驶辅助系统之中。自动导航和自动驾驶车辆的研发者很有可能对其应用进行试水，然后再投入到更多领域中去。随着激光雷达和更多感应器安装完毕，人工智能识别路上物体的精确性将大大提升。
“另一大技术难题就是提升人工智能的抗压能力。”丰田汽车研究所自动驾驶部总监JohnLeonard解释说，“在区域相对较小或路况适宜的情况下，现有的人工智能技术表现非常好，但在遇到复杂多变的行车环境时，则可能无法妥善应对。”
在将人工智能用于独立、高度可靠的环境方面，汽车制造商应该已走在了行业的前列。不过，由于还没有现成的研发工具，目前，设计团队恐怕还只能从海量的技术中东拼西凑。
“有些技术来源于高校，有些则来源于公共领域，还有一些则是免费软件和开源程序，”FEV的Tarnutzer告诉我们，“将三者合而为一可能是个不错的选择。放眼过去的大部分案例，软件整合、调试以及一系列的测试都必不可少。”
作者：Terry Costlow
联系客服
