我一直觉得，自动驾驶，尤其是像特斯拉这种，把自动两个字挂嘴上，其实就像一场弹弓梦。你得知道，弹弓还能打中目标，关键还得看用的人怎么用。就我在研发线摸爬滚打这么多年，自动驾驶的视觉识别，技术词叫感知系统，实际上跟我们日常用眼睛认东西差不多。你说一辆车在公路上跑，天晴天，晴空万里，视线没问题，但一碰到阴天阴影，或者路面有点脏，识别就会出错。更别说那些路面上贴点黑色塑料袋，或是夜里黑掉的警示柱，机器的感知差得太多。好比你晚上开车，看见远远一个模糊的影子，你会不会觉得是个树？还是个坑？这就是系统识别的盲区。很多时候，不只是技术差的问题，还得看人怎么用。
我有朋友，是特斯拉的售后工程师。有次聊天，他说：特斯拉的感知算法其实比几年前要强不少，但还不是真能识别所有障碍。这句话放在耳朵里，其实我心里就一紧。你能说，市面上的自动驾驶系统从技术上能做到百分百安全吗？我不敢，也不太相信。因为，技术就像我们喝的牛奶，不可能百分之百纯净无瑕。更别提那些黑色物体，其实很多只是低反差反光或阴影，传感器还没办法完美识别出来，尤其是在复杂环境下。
这次那个横跨美国的挑战，结果就是个典型例子。就那两天，刚出发没多久，本来还挺期待，结果竟然在93公里就折了。你想，他俩一直以为车能完全自主，甚至睡着了。结果碰到一块黑色物体，系统没识别出来，差点儿撞到路边那堆黑色塑料包裹。你说，这事不能怪车吗？也不能完全怪人，因为谁会一直盯着屏幕？但重点在：这个盲区，正是目前自动驾驶的死角。
我刚才翻了下笔记，有个疑问：是不是现在的感知算法，主要还是靠视觉识别这套东西？某些低对比度、非标准形状的障碍，确实挺难瞬间反应过来。开发者们一直在吹：识别率提升了xx%，但实际上，哪怕提升一点点，面对实际复杂路况，还是捉襟见肘。为了让事情说得明白点儿，我想说：就像你家的宠物，可能识别你面前的球，但看见一个黑色的胶囊，可能就傻眼了。
此时，我不得不质疑一个问题，用户的认知是不是也出了偏差。很多人，给自动驾驶贴标签，一听全自动就觉得车能自己跑，完全不需要操心。结果，真正全自动的情况下，是要有人全程盯着的。不然出现突发状况，谁承担责任？正如那次我朋友的例子，人在电话里说：我只看了会手机，车自己跑？——这就像开车但不看路，等出现事故时再怪车不好。
特斯拉宣传里的Full Self-Driving，这名字挺唬人。从营销角度讲，太好骗了。广告片里鼓吹自己出去玩，车辆自动导览，很多用户就误会了，觉得干嘛还要我操心。责任还得归驾驶员。美国那边，已经出了不少报告，讲系统识别失误后，事故频繁发生。特斯拉也说过：使用不当不归我们责任，但你觉得，用户看到的，觉得差不多挺安全的是不是误导？
我对这事儿有点偏激，可能脑补多了：如果汽车用感知像人一样，那么日出日落、天冷天热甚至下雪，都得比人更聪明才行。否则，技术都还在试验阶段，就别说安全了。尤其，你想想，自动驾驶最关键的是感知和决策，像那次撞车，可能就是感知慢一拍的问题。自我更正：我之前说感知技术已到瓶颈，只能说在某些特殊场景还不够成熟。技术毕竟在不停迭代，不能一下子变天。
说到这里，我突然想到，自动驾驶行业其实也像我们上世纪刚萌芽的互联网，但还没到普及阶段。用户的接受问题，怎么教育，让大家明白自动不是意味着随时松手才是关键。否则，碰到山路蜿蜒，老司机都要盯着路，一心不能分心。
这次事故真是个提醒：要想行业走得远，靠的不仅仅是黑科技，更是用户心里的认知调整。我在想：真的有那么一天，连侧边让路的AI都能感知到你的突然变动吗？——这其实挺悬的。
（这段先按下不表）你觉得，这种盲点是技术的问题多些，还是用户认知的偏差多一些？我其实挺迷糊的。
只真心希望自动驾驶能快点成熟，不然，要不要考虑是不是得由人来保证安全？毕竟，小心驶得万年船，才是最实际的事。
本作品为作者原创创作，内容由人工完成，部分内容在创作过程中借助了人工智能（AI）工具辅助生成。AI在资料整理、语言润色、表达优化或灵感拓展方面提供支持，核心观点与主要内容均由作者独立完成。
本文旨在信息与观点的交流分享，不含任何不良导向或违规内容。若需引用或转载，请注明出处与作者。
全部评论 （0）