自动驾驶，路漫漫其修远兮

人类开车就是用两个摄像头，加上生物神经网络。两只眼睛分辨率很不错，但看运动物体时也就 800 万像素左右；大脑厉害一些，但全速运转起来，功率也就 20W，不到英伟达上一代游戏显卡的 10%。

看似是十分平常的人脑，在学习能力，驾驶汽车处理各种情况的能力却是当今世上最先进的计算机都无法比拟的。

如今的自动驾驶最难的就是让计算机学会认识东西，学会认路，可以说难度堪比登天。由于计算机思维方式和人脑不同，造成了我们认为很简单就能理解的东西，让计算机学会却是一个相当复杂的过程。举一个最简单的例子，天空和马路，自然每个人都不会弄混，但是计算机就不一样，如果你让他学习了晴天下什么是天空，哪个是马路，却没有告诉他其他情况的天空和马路，换成黄昏，或者晚上他就可能分不清天空和马路。正常的斑马线他认识，蓝白相间的斑马线如果不去学习他根本就不知道是什么。他认识高的交通锥，但是不一定能分辨出矮的交通锥。计算机只会机械的通过大量图像数据积累去认识一个东西，没有发散与拓展能力。为了弥补这种致命缺陷，需要设计一套复杂的算法与收集浩如烟海的各种图像信息。

教计算机认识东西与认路，就成了自动驾驶最花时间，投入也最高昂的一部分工作。最过去十年，科技公司一边组建了昂贵的专业团队研究算法，一边雇佣或外包数千、上万人的团队。每天 24 小时，南极以外的每个大洲，都有数以万计的人坐在格子间或家中用鼠标和键盘，把一张张图片中的所有物体圈出来，标注清它们是什么、处于什么状态，教无人车认路。截至目国内外前各大自动驾驶公司已经累计投入近千亿美元。

与之巨大投入不成正比的就是目前自动驾驶目前的表现：Google的一辆测试无人出租车在路上遇到几个交通锥，就停了下来拒绝行驶。通用汽车的无人出租车因为没看懂路况、被撞。特斯拉辆月亮识别成黄灯，不能分交通锥。往往是看了 10 万遍的东西，也不能保证系统能正常反应。

自动驾驶系统相关的致死事故已经有很多例。Uber 的无人车在测试时撞死行人。全球至少有 15 个人的死亡与特斯拉的自动驾驶辅助系统有关。中国的汽车厂也有，蔚来、小鹏都出现过类似的死亡事件。

自动驾驶或者汽车公司往往将问题归咎到人身上，比如安全员不认真看路，驾驶员不应该轻信所谓的 “无人驾驶系统”。究其根本原因，还是目前的自动驾驶系统成熟度没有想象中的高，无法看明白道路上的物体，造成系统反应滞后或者无法做出正确判断。

目前自动驾驶最优的使用场景就是矿山，港口，机场等线路相对固定且路况相对对简单的场景。对于城市这种路况纷繁复杂的场景，自动驾驶还是需要安全员以保证车辆不会出现某些极端状况。

纵使现在自动驾驶公司不断的增加硬件探测设备，如激光雷达，摄像头，不断的优化软件算法，但是现在的自动驾驶技术还系统是一个蹒跚学步幼儿。距离大面积推广和应用还有很长的一段路要走。