都在造自动驾驶汽车，那爱范儿也造一个看看？
爱范儿也懂造无人驾驶汽车？
无人驾驶汽车的原理，某程度上并不太复杂，就找一台车子来改装一下（电动车比较好改一点），加几个传感器，再塞一套开源的自动驾驶计算平台，好，这就搞定了。
好吧，其实我们都是在忽悠大家。老实说：即你有勇气试坐，但我没这个胆子啊。
但有一个天才，敢造，也敢坐。他叫做 George Hotz，人称 Geohot。
Geohot 的 “励志” 故事
连 Facebook 和 Google 都争相罗致的美国著名天才黑客 Geohot（下图），在破解 iPhone 和 Playstation 后，这回看上了汽车：他只是用了区区 3 万美元，在车库里把自己的 Acura ILX 改装成自动驾驶汽车，并因此上了各大媒体的头条，引来各界关注。
后来 Geohot 创立了自己的无人驾驶汽车公司 Comma.ai，在 Techcrunch 的 Disrupt SF 2016 大会里，横挑强邻，剑指同样在研发无人驾驶的特斯拉 (Teala) 和 Google，并宣布推出首款自家制自动驾驶产品： Comma One。
但这个 “励志” 故事的结局，是早前爱范儿报道：NHTSA（美国国家公路和交通安全管理局）要求 Geohot 必须先证明 Comma One 的安全性，但 Geohot 最后没有正面回应 NHTSA，反而决定要停掉 Comma One 项目。他在 Twitter 里抱怨：与其把时间花在与立法机关与律师扯皮，不如去做更好的科技项目。他更补充说：
NHTSA 从来也没向我们要求试驾。
人人都造 “自动驾驶汽车”
事实上，除了 Geohot 之外，目前也有很多公司在埋首研发自动驾驶汽车。
传统汽车厂如奔驰 (Mercedes-Benz)、宝马 (BMW)、奥迪 (Audi)、福特 (Ford) 等等，新兴科技公司如 Google、苹果、特斯拉，真是人人要造自动驾驶汽车的大跃进，而且他们也争相承诺在要在 5- 10 年内推出。
就连国内做搜索引擎的、造互联网电视的，也要参与自动驾驶汽车，国内那些期望 “弯道超车” 的汽车厂商怎能不跟上？。
无论是天才 Geohot 也好、或是国内互联网公司也好，人人都在赶热点，个个会懂造自动驾驶汽车了。
不过，自动驾驶汽车的技术，“原理上” 并不是什么黑科技。要知道目前自动驾驶汽车所用的什么超声波传感、GPS 之类的玩意，从来都不是最前沿的新科技；而软件方面？不就是规划路径、自动避障而已？就连今天的无人机或扫地机器人，也能轻松地做到这一点，更不要说是汽车了。
因此，假设大家见到有一天爱范儿突然拿出一台自动驾驶汽车出来显摆，真的不要太惊讶，反正在国内生产电视机的，也要造自动驾驶汽车了。
关键在犯错机率
但如果造自动驾驶汽车真的这么没难度，为什么政府部门煞有介事，老是阻挠科技公司搞自动驾驶汽车？为什么我们到了今天，仍然不能享受自动驾驶汽车的方便？
虽然今天人类生活已大量使用人工智能，但扫地机器人撞到障碍物，可以退后再找路径（下图）。Google 的图像辨识技术错了？不要紧，再辨识一次就好；Siri 的语音辨识不准？再听一次吧。但自动驾驶汽车呢？你试试在时速 100 公里的速度跑到对面线去？试试把路上的一个障碍物误判为不存在？
试错 (Trial and error) 本来就是训练人工智能的重要方法之一，但自动驾驶汽车却完全不可以试错。
汽车是一台比打扫地器人贵上太多的玩意，而且破坏力也更大：只要出了意外，轻则损失数千元，重则导致人命伤亡。所以由始至终，自动驾驶汽车的关键绝非 “能否做到”，而是 “能否做好”；目前所用的各种黑科技，大部份都是用来减低犯错机率。
数量大了，困难就来了
问题是：当人类避免不了犯错，更何况是一言不合就挂了的电子设备？事实上，无论是 Geohot 或是 Google 的自动驾驶，也曾犯过若干的小错。Geohot 表示 Comma One v2 已有 50 万英里的行驶样本，而根据 Google 最近的资料，他们的 58 辆无人驾驶汽车合计跑了 223 万英里（约 338 万公里）。
几百万英里才犯点小错，看起来自动驾驶汽车的犯错机会也不太大吧。然而，每年全球汽车的行驶里数，远比我们想像的要高。
根据调查机构 RAND 的数据，全美汽车行驶里数约 3 兆亿英里（约 4.83 兆亿公里），我们假设自动驾驶汽车，每跑 223 万英里就会发生小错，那每年 3 兆亿英里的话，就是一年之内犯了超过 160 万次错误。
换言之：巨大的现实交通流量，会把本来很低的犯错机率，无限量的扩大。
数量大了，环境复杂了
当然，160 万次错误可能都是小错误，没什么大不了。但当行车里数的进一步增加到 3 兆亿英里，所遇上的路况可能与 223 万英里所遇上的，远远更为复杂。
Google 的 223 万英里行车里程，都是在美国本土进行；但全球各个地区有不同的路况，当中有马路犹如战场的北京、人口密度不高的渥太华、高温多雨的新加坡、或是弯急路窄的四川。当自动驾驶汽车覆盖到更多的地点，就需面对和以往数据完全不同，而且可能是更复杂、更恶劣的路况。
但更麻烦的是当数量多了，个中的变数也同样多了。例如大量的自动驾驶汽车同时行驶，可能互相干扰对方的无线信号，又或是当人类驾驶和自动驾驶两种汽车同时存在，系统如何调适两者的驾驶习惯？
除此之外，由于自动驾驶的车子多了，针对自动驾驶的恶意行为也增加；例如会否人为了贪玩而作出混淆自动驾驶汽车的突发行为？又或是会否出现更多针对自动驾驶汽车的黑客或病毒？
关键是测试数据
故此，在人工智能的世界里，技术、算法虽然重要；但在自动驾驶汽车里，测试数据可能比我们想像中更重要。你没有足够的测试里程，就没有足够的数据；没有足够的数据，即使你请来奥巴马试坐，也不能让人安心。
所以，尽管 Geohot 很不屑地指责 NHTSA 连试驾都不愿，即使 Google 老是说政策如何阻挠自动驾驶，但自动驾驶其中一个主力提倡者，特斯拉的 Elon Musk 也在推特里承认：
没有 10 亿英里（注：约 16 亿公里）的数据，就不能称有足够的数据。而且，10 亿英里的数据只是 “需要条件” (necessarily)，而非 “充份条件” (sufficient)。
如果说 Geohot 的 50 万英里不足为道，那 Google 的 223 万英里又如何？一样远远的不足够。Bloomberg 就狠批 Google 的自动驾驶计划，指他们早就输了。他们转引了摩根士丹利分析师的说法，指 Uber（上图）的自动驾驶汽车计划，能轻松地把 Google 甩出一个世代：
Uber 在 24 分钟内，就能取得 Google 自动驾驶汽车目前所能累积的数据。当然，它们的数据没有一英里是由完全的自动驾驶所取得，但我们需要理解这个规格的经验能有助人工智能的发展，有助自动驾驶学习和建立地图。
Google 再见，特斯拉你好
无疑，Google 是最早一批力推自动驾驶的科技巨头，但爱范儿就曾指出，传统车厂并不认同 Google 的想法，逼使 Google 只能靠自己单干，导致它们的数据累积速度严重落后。
后来，爱范儿也报道过 Google 自动驾驶汽车包括 Google X 创始人 Sebastian Thrun（下图）在内的重要成员，也分别陆续离职。接着， Google 自动驾驶项目突然从 Google X 里独立出来。随着 Google 自动驾驶的光环愈来愈淡，这故事愈来愈像先前爱范儿提过的 “波士顿动力” 出走记。
作为自动驾驶的先驱， Google 在近几年不但被人冷待，原有的光环也开始失色。除了是因为 Uber 能轻松地在数据上辗压 Google 之外，更要命的特斯拉的自动驾驶汽车大量现身，夺去大众和媒体的集点，成为目前自动驾驶汽车领军人物。
为什么特斯拉能成为目前自动驾驶的焦点所在？也是因为 Musk 表示在 6 个月内，取得 Google 远远追不上的 10 亿英里数据。而个中的关键，是目前特斯拉每年出货量 5 万台以上，每辆合计几万英里的行驶里程，短时间就能完成这个庞大的数据收集任务。
虚拟驾驶与实际数据
为什么特斯拉或 Uber 的数据能快速累积？除了是因为特斯拉或 Uber 有大量汽车在外面行走，更重要的是：他们都在用实际的行车环境，来进行虚拟的人工智能训练。
正如刚才引用摩根士丹利的分析师所说：“它们的数据没有一英里是由完全的自动驾驶所取得。” 这种说法可能有点夸张，但无疑在 Uber 或特斯拉的各种传感器，会在真人驾驶汽车时时进行收集，而自动驾驶系统就会根据实际的行车状况，进行 “模拟自动驾驶”，而不是真正的 “自动驾驶” 测试。
事实上截至本年 10 月，特斯拉的 “真实自动驾驶” 里数只有 1.3 亿英里（约 2.1 亿公里），远远不如 Musk 早前夸口的 10 亿美里。故此，特斯拉的 “自动驾驶” 测试，仍然惹来巨大的争议。
不过，特斯拉取得的数据虽然并非 “自动驾驶” 的数据，但仍然是 “真实世界 “的数据，车子的确能透过这些 “真实世界” 数据来训练视觉辨识，也能学习人类的实际驾驶习惯。这些实际数据，绝非在实验室模拟所能相提并论。
那为什么特斯拉的 “虚拟数据” 仍然会带来争议？就是因为 “实际世界” 的环境，可能远超我们的 “虚构” 的景像。
当虚拟化为现实？
虽然媒体把特斯拉的自动驾驶汽车吹嘘得天花乱坠，但实际上在早前《消费者报告》最新的汽车可靠性报告里，特斯拉却几乎垫底。即使我们信得过人工智能，但特斯拉的产品真的可靠吗？
在本年 6 月，特斯拉自动驾驶汽车发生了首次的致命交通意外：由于肇事车子的摄像镜头，无法分辨与天空混在一起的白色货车，使车子直接撞上这台货车而酿成致命意外。
在人类驾驶汽车时所收集 “模拟自动驾驶” 数据，真的有比较安全吗？
尽管特斯拉强调这是个别例子，但这个例子却能突显了：人类能分辨到、但机器不能分辨的障碍，很可能都没有被数据化，全部变成了 “灯下黑”。事实上，爱范儿早前就报道过，而特斯拉最后也为自动硬件进行了升级，相当于间接承认了目前的自动驾驶仍然不够可靠，需要再加入新的硬件作为安全保障。
特斯拉发生第一次致命交通意外后，特斯拉官方博客除了向遇难者致哀之外，仍然为自动驾驶汽车辩护：全球汽车的致命意外是每 6000 万英里一次，而在美国是每 9400 万英里一次，而特斯拉的自动驾驶？是 1.3 亿英里。从这数据看，即使特斯拉的自动驾驶汽车发生严重事故，貌似还是比人类驾驶汽车更安全。
然而，不幸地在本年 10 月，特斯拉被曝出在美国再次发生致交通意外。
当意外化为意外数字
由于第二次意外发生在特斯拉自动驾驶的 2.22 亿英里后，所以在这次意外后，特斯拉的自动驾驶致命率，降至为每 1.11 亿英里一次，仅比美国汽车致命率稍低一点。不过，由于资料显示这次意外涉及偷车罪行，故此能否算是交通意外，仍然甚有争议。
但关键是这种数据争议有意义吗？根据先前引用的 RAND 的数据，全美汽车行驶里数约 3 兆亿英里，而特斯拉的自动驾驶里数，连全美的 0.001% 也不到。由于 “取样比例” 远远偏低，“特斯拉自动驾驶汽车” 的低致命意外机会率神话，其实在统计学上毫无意义。
另外据资料显示，其实在更早之前，特斯拉在中国就发生了一宗致命车祸；但特斯拉指 “无法断定邯郸那起事故发生时，自动驾驶系统是否处于激活状态”，而且，这次意外也没有在美国以至全球范围内广泛被注意。在美国范围以外，会否还发生过一些我们所不知道、或是没有被判定作 “自动驾驶” 的致命意外？
更何况全美、或是全球的汽车意外率，当中各种我们能想像、或不能想像的客观环境：当中可能有保养不良的旧车；也可能有想自杀轻生的司机、或是跑危险路段的职业司机。但特斯拉的自动驾驶呢？所有能跑自动驾驶的特斯拉，就算再不可靠、状态再坏，都是近年出厂的新车；其机件出现严重故障的可能性，理应低于全球汽车水平。
而且，自动驾驶才刚登场不久，不少车主对它仍不太放心；他们未必会在危险路段使用、未必会在繁忙的高速路段上使用、也未必会在雨雪天气上使用；即使车主敢于尝鲜，也可能乖乖的把手放好在方向盘上，避免了意外，也降低了意外率。
简言之，如果大家真的要对特斯拉自动驾驶的意外率认真起来？事实上，目前的特斯拉自动驾驶的意外率，极有可能被严重低估，细思极恐啊。
“自动驾驶” 真的比 “人类驾驶” 更安全？
让我们回到主题：造一台自动驾驶汽车一点也不难，难的是让自动驾驶汽车不犯错。
自动驾驶汽车比较安全的话语，一直建立于科技公司把人类司机描绘为交通意外的 “幕后黑手”。但爱范儿早前也说过：“我们不是过度相信人类的能力，而是单纯不信任电脑” ── 关键是其实我们手上与自动驾驶相关的测试数据，其实远远的叫不上足够。
也许，未来的自动驾驶真的比人类远为安全，但在目前的科技水平来说，我们没有足够资料去证明自动驾驶汽车的安全性，更遑论要讨论：在 “现有的科技” 下，自动驾驶是否真的比人类驾驶更安全？
爱范儿早前就曾分析过，法规发展永远不可能追上科技发展。也许对于一个热爱科技、拥抱未来的极客来说，政府和法规的确在阻挠着科技的发展；但从另一个角度看，我们真的把人类的未来，押注在科技的不确定上？
或者说，押注在爱范儿也能造自动驾驶汽车这个玩笑之上？
- 在人工智能的范畴，算法很重要；
- 在人工智能的范畴，计算能力也很重要；
- 但没有足够测试数据的人工智能，都是耍流氓。
题图来自 Pixabay
