特斯拉汽车频出事 自动驾驶前路几何？

近日，上海车展维权、广州一辆特斯拉撞到水泥隔离墙后致一人死亡等事件，一时间将特斯拉推向舆论的风口浪尖。27日，“江苏一特斯拉冲进包子店”的话题又冲上微博热搜。无独有偶，最近在美国，也发生了一起特斯拉汽车撞车事故，造成两人死亡的悲剧。

无论原因如何，沉痛之余，几起事件都引发了人们对当今自动驾驶技术的质疑和争论：它的安全性如何，需要驾驶员多大的关注？未来还能买自动驾驶汽车吗？

澳大利亚《对话》杂志近日发表的文章认为，尽管实现更高水平自动化所需的技术正在迅速发展，但生产一辆无需驾驶员投入关注就能安全、合法地行驶整个旅途的汽车，仍然是一个巨大挑战。在它们能够安全地进入市场之前，必须克服3个关键障碍：技术、法规和公众接受度。

如何理解“自动驾驶”技术

首先，要了解什么是“自动驾驶”技术。自动驾驶汽车的技术有6个级别，从0级“无自动化”，即没有自动驾驶功能的传统车辆，到5级“完全自动化”，即能够独立完成人类驾驶员所能完成的任何事情的车辆。

目前市场上的大多数自动驾驶汽车操作都需要人工干预。例如1级车辆“驾驶员辅助”，保持车辆在车道上或控制其速度，或2级车辆“部分自动化”，驾驶员必须随时进行转向和控制速度。

3级车辆拥有更多的自主性，汽车可自行作出一些决定。但如果系统无法驾驶，司机仍必须保持警惕并进行车辆控制。

4级和5级的车辆自动化级别更高，人类驾驶员不一定会参与驾驶任务。这两个级别的车辆能够转向、制动、加速、监控车辆和道路以及响应事件，确定何时变道和转弯。

但4级车辆行驶地点和时间有限。5级则代表了真正意义上的自动驾驶汽车，它可以在任何时间、任何地点行驶，类似于人类驾驶。然而，从第4级到第5级的过渡比其他级别之间的过渡困难更大，可能需要数年才能实现。

机器应大量“学习”实际驾驶场景

自动驾驶软件是高度自动化车辆区别于其他车辆的关键特征。该软件基于机器学习算法和深度学习神经网络，其中包括数百万个模拟人类大脑的虚拟神经元。

神经网络需要接受训练，通过使用来自实际驾驶条件的数百万个视频和图像的例子，学习对物体进行识别和分类。数据越多样化、越有代表性，神经网络就越能更好地识别和应对不同的情况。训练神经网络有点像在过马路时牵着孩子的手，教他们通过不断经历、反复训练来耐心学习。

尽管这些算法可以非常精确地检测和分类对象，但是神经网络仍然无法模仿实际驾驶的复杂性。自动驾驶汽车不仅需要检测并识别人和其他物体，还必须与这些物体的行为进行交互，理解并作出反应。它们还需要知道在陌生的路况下该怎么做。如果没有针对所有可能的驾驶场景的大量实例，那么应对突发事件的深度学习和训练相对来说就会变得更困难。

车辆上路前应接受严格评估

世界各地的政策制定者和监管机构都在努力跟上自动驾驶汽车技术发展的脚步。如今，该行业在很大程度上仍处于自律状态，特别是在确定该技术是否足够安全、是否适用于开放道路方面。《对话》杂志文章称，监管机构在很大程度上未能提供这些方面的标准。

在现实条件下，测试自动驾驶软件的性能是有必要的，首先应该做的是对其全面的安全测试和评估。监管机构应该制定一套标准测试方案，让企业在其车辆获准上路之前，根据标准数据集对其算法进行基准测试。

在澳大利亚，现行法律不支持自动驾驶车辆的安全商业部署和运营。澳大利亚国家运输委员会正牵头开展一项全国性改革，支持自动驾驶技术的创新和安全，让澳大利亚人能够享受到这项技术的好处。

文章认为，在自动驾驶技术的规章制度方面，需要一种渐进的认证方法。这种方法应要求首先在模拟中评估自动驾驶系统，然后在受控的实际环境中对其进行评估。只有车辆通过了特定的基准测试，监管机构才能允许它们在开放的道路上行驶。

公众接受度是技术信任的关键

对于自动驾驶车辆的部署和采用决策，公众也需要参与其中。如果不对自动驾驶技术进行监管以确保公共安全，那么公众信任就会被破坏，这才是真正的风险。缺乏信任不仅会影响那些想要购买自动驾驶汽车的人，还会影响与这些人共享同一道路的人。

最后，近期的几起事件应该成为促使监管机构和行业建立强有力安全文化，指导自动驾驶技术创新的催化剂，否则自动驾驶汽车可能前途坎坷，难以走远。