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
