【觀點】從無人駕駛看人工智慧發展到什麼程度

作者：@留德華叫獸 ：系美國克萊姆森大學運籌學碩士，Ph.D. Candidate，師從整數規劃大師W. Adams，後跳槽至歐盟瑪麗居里博士項目，期間前往義大利IBM Cplex實習半年，巴黎綜合理工學術訪問一季，現任德國海德堡大學交叉學科計算中心、組合優化實驗室研究員，師從組合優化大師G. Reinelt，主攻計算機視覺、（醫學）圖像處理。

『運籌OR帷幄』責任編輯： @文雨之：東北大學系統工程博士生， @愛牛氓的帆爺：東北大學系統工程碩士生 。

本篇文章是由作者在知乎上的優秀回答，通過兩位責任編輯整理修改而成。

歡迎原鏈接轉發，付費轉載請前往 @留德華叫獸 的主頁獲取信息，盜版必究。

敬請關注和擴散本專欄及同名公眾號，會邀請全球知名學者陸續發布運籌學、人工智慧中優化理論等相關乾貨、知乎Live及行業動態：『運籌OR帷幄』大數據人工智慧時代的運籌學

本文首發於微信公眾號【運籌OR帷幄】：【觀點】從無人駕駛看人工智慧發展到什麼程度

前言：留德華叫獸：人工智慧達到了什麼程度？隨著Alphago擊敗柯潔，人工智慧已經深入到人類生活的各個角落，再也沒有人能否認自己的生活和人工智慧無關，如果還有人不太了解人工智慧，可以參考這篇文章（騰訊 AILab 張潼主任帶你輕鬆get AI 新知識）詳細地介紹了什麼是AI，AI的研究方向和應用場景，以及AI的未來發展趨勢。了解AI之後，接下來本文主要從個人的角度來談無人駕駛這個領域。

1 無人駕駛簡介

美國國家公路交通安全管理局已提出正式的無人駕駛分類系統:

· L0：即無自動。駕駛隨時掌握著車輛的所有機械、物理功能，僅配備警報裝置等等無關主動駕駛的功能也算在內。

· L1：駕駛人操作車輛，但個別的裝置有時能發揮作用，如電子穩定程式（ESP）或防鎖死剎車系統（ABS）可以幫助行車安全。

· L2：駕駛人主要控制車輛，但系統階調地自動化，使之明顯減輕操作負擔，例如主動式巡航定速（ACC）結合自動跟車和車道偏離警示，而自動緊急煞停系統（AEB）透過盲點偵測和汽車防撞系統的部分技術結合。

· L3：駕駛人需隨時準備控制車輛，自動駕駛輔助控制期間，如在跟車時雖然可以暫時免於操作，但當汽車偵測到需要駕駛人的情形時，會立即回歸讓駕駛人接管其後續控制，駕駛必須接手因應系統無力處理的狀況。

· L4：駕駛人可在條件允許下讓車輛完整自駕，啟動自動駕駛後，一般不必介入控制，此車可以按照設定之道路通則（如高速公路中，平順的車流與標準化的路標、明顯的提示線），自己執行包含轉彎、換車道與加速等工作，除了嚴苛氣候或道路模糊不清、意外，或是自動駕駛的路段已經結束等等，系統並提供駕駛人「足夠寬裕之轉換時間」，駕駛應監看車輛運作，但可包括有旁觀下的無人停車功能。（有方向盤自動車）

· L5：駕駛人不必在車內，任何時刻都不會控制到車輛。此類車輛能自行啟動駕駛裝置，全程也不須開在設計好的路況，就可以執行所有與安全有關之重要功能，包括沒有人在車上時的情形，完全不需受駕駛意志所控，可以自行決策。（無需方向盤自動車）

2 L5是否遙不可及--無人駕駛未來應用展望

個人認為（柏林創業公司CEO也這麼認為），自動駕駛到達非常成熟的L5技術，仍需至少5年。技術成熟後，需要和政府溝通，讓單輛車自動駕駛上路，這裡每輛車還是自私的，規劃自己的最短路徑以及用AI躲避行人自動駕駛，這個或許再考察個過2-3年，也許到了無人駕駛真正全面普及的那天，車子本身不需要裝那麼多雷達和攝像頭，路燈和紅綠燈將會被集成各種感應器的樁所替代，收集道路情況，然後數據發送給計算中心，統一調度。單輛車自動駕駛成熟後，再次需要政府批文，在某個城市試點全自動駕駛車輛，沒有一輛人類駕駛汽車，這個時候便是這個城市的納什均衡，每輛車的路徑都由運籌學演算法生成，不存在「自私」的開車行為，這個保守估計10年後。

上面這條規劃所有汽車的路徑問題，不是一次性的，而是實時的。這時候便需要5G高速通訊技術，華為今年的國際某大會上，一些演算法被列入5G通訊標準了，可喜可賀，可以看看那條廣告，裡面有講到所謂的車聯網，以及物聯網，例如紅綠燈，都可以與汽車實時通訊。關於大數據的計算問題，需要雲計算，雲端有一個大的CPU和GPU集群，車輛收集到的數據實時傳送到雲端計算，然後傳送回來，這時便需要5G超高速傳輸，或者說移動邊緣計算配合5G技術也是一項不錯的選擇。當然車內應搭載小型處理器，處理一些基本的運算。

假設以上都實現了，評論中提到很多例如出事故誰負責，以及行駛優先權的問題。大數據時代，誰擁有數據，誰就是最後的贏家。例如安桌系統，他開源全免費，Google靠什麼賺錢？答案就是所有使用案桌系統用戶產生的數據。

同樣如此，今年百度開源了自動駕駛的開發平台（阿波羅計劃），免費提供給車場以及其他研發自動駕駛技術的公司使用，目的就是想掌握所有汽車的信息。關於事故誰負責？出事故了，可以把事故視頻調出來，A車避免碰撞演算法由a研發，B車由b研發，如果是A車的責任，那麼理應由a公司承擔，而百度是不承擔責任的。關於優先權。在我設計的這套未來自動駕駛的概念里，百度擁有所有汽車的信息和數據，因此只有百度有這個能力可以做所有車輛「納什均衡」的路徑規劃，那麼它也可以賣「優先權」。政府這時也必須插入，百度勢力太大也不好。例如美國總統訪華了，總統車輛得搞個優先權吧？如果百度和阿里各share 50%車輛的信息，那麼做多車路徑規劃的時候，就做不到整個社會的「納什均衡」了。當然有競爭比一家壟斷有其他方面的好處，不展開。網路安全到那時候會顯得格外重要。黑客入侵了百度，那麼整個城市都將是車禍。

本人研究運籌學和計算機視覺的，在無人駕駛領域，場景分割必不可少，目前也是深度學習非常火的應用領域，它為最終的實時決策提供預處理，把實時採集到的圖片信息做分割和分類，大大降低決策數據的維度。

同樣在無人駕駛領域，運籌學的用武之地在於多輛車的路徑規劃和調度問題，以及收集到海量數據後最終的決策問題。而計算機視覺，特別是深度學習，更是"智能"駕駛的核心--通過對安裝在車輛上的攝像頭產生的圖片進行實時處理，識別前方道路以及車輛、行人，然後再用運籌學這個決策科學，做出加速、減速、拐彎等最終決策。

從這個意義上講，以前你住城市郊區，每個人「自私」地開車、超車、搶道，導致堵車經常發生，你也需要一個半小時開到公司。而現在，有了無人駕駛，和運籌學的智能路徑規劃和決策，你可以花同樣的房租住無錫的別墅，並且開車堵車這個老大難問題，因為無人駕駛可以從此達到整個社會車輛的納什均衡。路徑和開車時的所有決策完全由運籌學和計算機視覺演算法生成，從此不再堵車，不僅節省了所有人的駕駛時間，還省了能源，所謂多贏。

根據上個月在德國柏林運籌學年會上一個自動駕駛的學術報告所述（演講者為柏林一家自動駕駛創業公司CEO兼CTO，最近被TomTom收購），目前谷歌等自動駕駛龍頭企業已宣稱到達L4級技術(總共L1-L5級，5級即為完全自動駕駛)。

OR2017 Berlin | International Conference on Operations Research – Annual Conference of the German Operations Research Society

那麼，那一天，或許真的五年後就要來臨了。當然了，大數據時代，擁有數據的公司則擁有一切。這個時候，用戶多花錢，或許可以購買自動駕駛路徑規劃的「優先權」，更短的時間到達目的地。或者，某位國家領導人造訪，給其車輛設置最高級的優先權。（當然需要政府為其埋單）現在萬事俱備，只差各國政府的一個章了。

未來無人駕駛終究是要普及的，讓我們拭目以待。而你，準備好用上海80平換無錫300平的太湖湖景別墅了么？

3 道德風險和人身安全的開放性探討

人工智慧的長遠發展必然會涉及到一個問題就是對原有的道德層面產生一定的影響，無人駕駛也不例外。例如在大人物的車發生突發情況，影響納什均衡時，如何處理才能保障其餘人的人身安全？無人駕駛也存在緊急避險問題，如何讓無人駕駛系統做出正確的避險行為，以及避險行為後續導致的事故責任由誰來承擔。人身安全的數據掌握在大公司手裡，有沒有衡量過將會產生的道德風險？機器和演算法會模糊設計者的責任邊界，現實情況中出了車禍，如何進行責任的劃分。據最新消息稱，作為美國其中一個自駕車開發前沿地區，亞利桑納州已經批准自駕車能在州內獨立行駛，不需要再有司機在汽車裡。緊接著加州也宣布允許沒有司機在車內的自駕車在路上行駛，但是仍然要求自駕車有遠程操作員和特別的准許證照。亞利桑納州州長聲明，隨著科技的發展，法律和優先考量都需要與時並進，以維持經濟競爭力。無人駕駛技術的普及也會引發人類對道德，哲學和法律問題的思考和完善。這裡僅僅作為一個開放性探討，拋出上面這些問題。

如果你是運籌學/人工智慧碩博或在讀，請在下圖的公眾號後台留言：「加微信群」。系統會自動辨認你的關鍵字，並提示您進一步的加群要求和步驟，邀請您進全球運籌或AI學者群（群內學界、業界大佬雲集）。

同時我們有：【運籌學|優化愛好者】【供應鏈|物流】【人工智慧】【數據科學|分析】千人QQ群，想入群的小夥伴可以關注下方公眾號點擊「加入社區」按鈕，獲得入群傳送門。

學術界|工業界招聘、徵稿等信息免費發布，請見下圖：