智驾代码是我写的，但我坚决不上车

一、一条生命的价格是20万美元

多花11美元，改装一下汽车，就可以挽救几百人的生命，可他们为什么没有这么做？

上世纪70年代，福特出产新型小汽车Pinto，广受欢迎。但7年当中，有将近50场有关车尾被撞爆炸事件的官司。原因是位于后座的油箱，极容易因为碰撞产生爆炸。

早在产品推出前，福特公司就很清楚这个缺陷，但他们没有进行改装，源于以下的“成本收益分析”：

如果改装，增加一部Pinto安全性的花费是11美元，1250万辆Pinto的改装费是1.37亿美元。

如果不改装，180个死亡案例，每个死亡赔偿20万美元；180个受伤案例，每个受伤赔偿6.7万美元；2000辆车的维修费，每辆700美元。那么，不改装的赔偿费用预计是0.495亿美元。

两相对比，改装需要花1.37亿，不改装只需要赔0.495亿。而资本向来只逐利，而不会考虑生命的价值，经过综合考虑后，福特最终选择了不改装。

解决这个问题的方法很简单，将赔偿金额提高2倍以上后，福特便会就范。因此此时赔偿费比改装费更高。

但这可能会引起其他问题，美国汽车产业因赔偿费高昂，导致资本都流向其他行业，导致美国汽车被苏联德国日本超越。进而导致美国汽车产业用工需求减少，失业率高企。

二、改不完的BUG

大概是两年前，庶直还在光鲜亮丽的写字楼，参与智能驾驶算法的开发时，也遇到类似的问题。

每当测试给研发送来测试报告，有多少测试用例无法通过，其中有多少是致命问题。

研发组根本无暇理会，主要原因是，研发组的考核指标是开发了多少新功能。

如果考核指标是修复了多少问题，那制度上就存在漏洞。

研发在开发的时候，故意在代码中留下一些漏洞，经测试发现后，再修复，就可人为控制考核指标的完成度。因此考核指不能参考修复了多少问题。

其次，产品迭代极快，这一版本存在的问题，到下一个版本就自动消失了，根本无需刻意排查修复。

比如说，因为激光雷达在强光下误识别，会有一定概率触发紧急停车。经过排查，通过智驾算法识别出激光雷达的误识别，确实可以修复此问题。

但也可能在三个月后，激光雷达厂商推出了新版本的产品，解决了强光误识别问题。这时，根本就不需要智驾算法对此作任何处理，该问题也会被解决。

有许多测试用例未通过，是因为识别算法精度不够。如果精度从99.6%提升到99.9999996%，这些测试案例就通过了。

那么，做智驾算法的同学，只需要等做识别的同事努力就行了。

而负责识别算法的同学，需要等更多的实际路测数据，更强的算力服务器，以便调试出更鲁棒更健壮、足够多9的识别算法。

而这些实际路测数据哪来的呢？一个个鲜活的生命，用肉身去跑出来的。

三、生命究竟值多少钱？

6个弹孔的左轮手枪里只有一颗子弹，让你对着自己的脑袋开一枪，就可以获得100万美元，你干吗？

大部分人都不会同意。但这个弹孔有30万个呢，3个亿呢？理智的人，一般都不愿意冒这个险。

别说是识别算法，就算是人，也不可能做到100%的识别准确度。智驾算法也不可能百分百安全。

相信随着技术的进步，智能驾驶算法必然会比人类驾驶更安全。

就算某一天，有统计结果称，智能驾驶算法已经比人安全，我还是坚决不上车。Becuase I'm God，unless smart driver is smarter than God, I wolln't trust it.

所谓无利不早起，第一个做这种统计的研究团体，大概率受到了某些利益集团的赞助，比如说推广智能驾驶算法的汽车厂家。

那么在统计时，必然会选择有利于赞助方的样本数据。

举个例子，假设随着科技进步，人类驾驶的事故率逐渐下降，近10年事故率远低于过去50年前。那么为了让智驾算法看起来不亚于人类，那就拿人类过去50年的数据进行比较。

通过微调统计的样本，不同时间、地域，职业，年龄等，便可以改变最终的统计结果。

无论如何统计，都无法剔除人类样本中，那些我未曾观察到，或者无法理解的疯狂样本，比如说每年因酒驾入刑的30万人。