近日，上海車展維權、廣州一輛特斯拉撞到水泥隔離墻后致一人死亡等事件，一時間將特斯拉推向輿論的風口浪尖。27日，“江蘇一特斯拉沖進包子店”的話題又沖上微博熱搜。無獨有偶，最近在美國，也發(fā)生了一起特斯拉汽車撞車事故，造成兩人死亡的悲劇。

無論原因如何，沉痛之余，幾起事件都引發(fā)了人們對當今自動駕駛技術的質疑和爭論：它的安全性如何，需要駕駛員多大的關注?未來還能買自動駕駛汽車嗎?

澳大利亞《對話》雜志近日發(fā)表的文章認為，盡管實現更高水平自動化所需的技術正在迅速發(fā)展，但生產一輛無需駕駛員投入關注就能安全、合法地行駛整個旅途的汽車，仍然是一個巨大挑戰(zhàn)。在它們能夠安全地進入市場之前，必須克服3個關鍵障礙：技術、法規(guī)和公眾接受度。

如何理解“自動駕駛”技術

首先，要了解什么是“自動駕駛”技術。自動駕駛汽車的技術有6個級別，從0級“無自動化”，即沒有自動駕駛功能的傳統車輛，到5級“完全自動化”，即能夠獨立完成人類駕駛員所能完成的任何事情的車輛。

目前市場上的大多數自動駕駛汽車操作都需要人工干預。例如1級車輛“駕駛員輔助”，保持車輛在車道上或控制其速度，或2級車輛“部分自動化”，駕駛員必須隨時進行轉向和控制速度。

3級車輛擁有更多的自主性，汽車可自行作出一些決定。但如果系統無法駕駛，司機仍必須保持警惕并進行車輛控制。

4級和5級的車輛自動化級別更高，人類駕駛員不一定會參與駕駛任務。這兩個級別的車輛能夠轉向、制動、加速、監(jiān)控車輛和道路以及響應事件，確定何時變道和轉彎。

但4級車輛行駛地點和時間有限。5級則代表了真正意義上的自動駕駛汽車，它可以在任何時間、任何地點行駛，類似于人類駕駛。然而，從第4級到第5級的過渡比其他級別之間的過渡困難更大，可能需要數年才能實現。

機器應大量“學習”實際駕駛場景

自動駕駛軟件是高度自動化車輛區(qū)別于其他車輛的關鍵特征。該軟件基于機器學習算法和深度學習神經網絡，其中包括數百萬個模擬人類大腦的虛擬神經元。

神經網絡需要接受訓練，通過使用來自實際駕駛條件的數百萬個視頻和圖像的例子，學習對物體進行識別和分類。數據越多樣化、越有代表性，神經網絡就越能更好地識別和應對不同的情況。訓練神經網絡有點像在過馬路時牽著孩子的手，教他們通過不斷經歷、反復訓練來耐心學習。

盡管這些算法可以非常精確地檢測和分類對象，但是神經網絡仍然無法模仿實際駕駛的復雜性。自動駕駛汽車不僅需要檢測并識別人和其他物體，還必須與這些物體的行為進行交互，理解并作出反應。它們還需要知道在陌生的路況下該怎么做。如果沒有針對所有可能的駕駛場景的大量實例，那么應對突發(fā)事件的深度學習和訓練相對來說就會變得更困難。

車輛上路前應接受嚴格評估

世界各地的政策制定者和監(jiān)管機構都在努力跟上自動駕駛汽車技術發(fā)展的腳步。如今，該行業(yè)在很大程度上仍處于自律狀態(tài)，特別是在確定該技術是否足夠安全、是否適用于開放道路方面?！秾υ挕冯s志文章稱，監(jiān)管機構在很大程度上未能提供這些方面的標準。

在現實條件下，測試自動駕駛軟件的性能是有必要的，首先應該做的是對其全面的安全測試和評估。監(jiān)管機構應該制定一套標準測試方案，讓企業(yè)在其車輛獲準上路之前，根據標準數據集對其算法進行基準測試。

在澳大利亞，現行法律不支持自動駕駛車輛的安全商業(yè)部署和運營。澳大利亞國家運輸委員會正牽頭開展一項全國性改革，支持自動駕駛技術的創(chuàng)新和安全，讓澳大利亞人能夠享受到這項技術的好處。

文章認為，在自動駕駛技術的規(guī)章制度方面，需要一種漸進的認證方法。這種方法應要求首先在模擬中評估自動駕駛系統，然后在受控的實際環(huán)境中對其進行評估。只有車輛通過了特定的基準測試，監(jiān)管機構才能允許它們在開放的道路上行駛。

公眾接受度是技術信任的關鍵

對于自動駕駛車輛的部署和采用決策，公眾也需要參與其中。如果不對自動駕駛技術進行監(jiān)管以確保公共安全，那么公眾信任就會被破壞，這才是真正的風險。缺乏信任不僅會影響那些想要購買自動駕駛汽車的人，還會影響與這些人共享同一道路的人。

最后，近期的幾起事件應該成為促使監(jiān)管機構和行業(yè)建立強有力安全文化，指導自動駕駛技術創(chuàng)新的催化劑，否則自動駕駛汽車可能前途坎坷，難以走遠。