參考消息網10月14日報道美國《彭博商業周刊》10月10日刊登題為《盡管投入1000億美元，但自動駕駛汽車還是沒有進展》的封面文章，作者是馬克斯·查夫金。全文摘編如下：

淩晨2點，第一輛轟鳴的汽車把詹妮弗·金吵醒。她說：“那聲音聽起來就像是一艘氣墊船。”金看向窗外，那裡有一輛白色捷豹越野車從她的車道上倒出去，車頂上有一個巨大的風扇——那是一個激光傳感器——并帶有谷歌無人駕駛汽車部門“出行新方式”公司的标識。

她看到自動駕駛軟件似乎存在一個缺陷：這輛車似乎是在利用她家完成一次三點調頭。她說，如果隻倒一次沒什麼大不了的，但每天都有幾十輛谷歌汽車做着同樣的事情，而且很多次。

金曾向谷歌投訴說這些汽車讓她抓狂，但這些車還是不斷地來完成三點調頭動作。有時候，一些越野車會同時出現，排成一隊，就像一支僵屍大軍。整件事持續了數周，直到去年10月，金打電話給哥倫比亞廣播公司在當地的分支機構。

美國《彭博商業周刊》10月10日一期封面

投入巨大成果寥寥

“出行新方式”公司不承認其技術存在故障，并在一份聲明中說，這些汽車一直“遵守與普通汽車一樣的道路交通法規”。與矽谷和底特律的同行一樣，該公司也将此類事件描述為在通往無人駕駛未來的道路上的孤立事件。十多年來，谷歌、通用、福特、特斯拉和祖克斯等公司發布了炫目的演示，承諾無人駕駛汽車可以在混亂的城市場景、高速公路上和極端天氣下完成自動駕駛。這些公司表示，它們馬上就能終結交通事故、高峰時期的堵車，颠覆價值2萬億美元的全球汽車行業。

在這些企業開始推出它們所稱的自動駕駛汽車6年後，在完成首次自動駕駛演示近20年後，路上行駛的自動駕駛汽車卻寥寥無幾。它們仍然無法應對更為棘手的天氣模式。先進的機器人汽車還難以應對建築物、動物、交通錐、過街的協警以及我們大多數人所說的“左轉”。

據麥肯錫咨詢公司的一份報告，這似乎是該行業在投資者押注大約1000億美元後所給出的最好表現。雖然這個行業的大企業仍表現出樂觀情緒，但逐漸形成的共識是，機器人出租車的世界并不在下一個左轉路口——我們可能還要等上幾十年，或者是永遠。

喬治·霍茨的公司生産汽車輔助系統。他說：“這是個騙局。這些公司已經浪費了數百億美元。”2018年，分析師估計，“出行新方式”公司的市值為1750億美元，而該公司最新的估值隻有300億美元。

近年來，該行業許多最有前途的公司都遭遇了同樣的命運，包括祖克斯公司和優步的自動駕駛部門。高德納咨詢公司的分析師邁克·拉姆齊說：“長期來看，我認為我們将擁有你我都能買得起的自動駕駛汽車。但那時我們就很老了。”

無人駕駛的未來開始變得非常遙遠，甚至連一些最狂熱的信徒也變成了異教徒。其中最重要的一個人就是安東尼·萊萬多夫斯基：他可以說創建了自動駕駛研究模型，在十多年裡，他一直是該領域最耀眼的明星。現在，他經營着一家初創企業，為工業場所開發自動駕駛卡車。他說，在可預見的未來，這差不多是任何無人駕駛汽車能應付的最複雜場景。

交通事故頻率更高

所有自動駕駛汽車的演示或多或少都是一樣的。你坐在後座上，看着方向盤自己移動，屏幕上顯示的是電腦“看到了”什麼。顯示屏上，每輛汽車、自行車、亂穿馬路者、停車信号燈等都被标上了紅色或綠色的小方塊。當你在駕駛自己的汽車時，所有這些輸入信号都是潛意識的，但把它們顯示出來則給人一種壓迫感。它讓人覺得駕駛要危險得多，最好留給機器去處理。汽車企業知道這一點，這就是它們為什麼這樣做的原因。

這個行業最喜歡的一條箴言是人類都是糟糕的司機。對于在高峰時段選擇從高速公路回家的人來說，這似乎是憑直覺得出的結論，但這一點與事實完全不符。讓一個一流的機器人去解決任何困難的駕駛任務，如果它能堅持幾秒鐘不垮掉就算幸運了。

霍茨說：“人類是非常優秀的駕駛員——非常棒。”美國國家公路交通安全管理局稱，交通死亡人數很低，緻命交通事故在很大程度上是魯莽行為造成的——超速、醉酒、發短信以及開車睡覺。從整體來看，校車司機大約每5億英裡才發生一起緻命車禍。盡管自動駕駛汽車報告的大多數事故都是輕微的，但數據顯示，自動駕駛汽車比人類駕駛汽車發生交通事故的頻率更高，追尾碰撞尤其常見。拉姆齊說：“問題在于，目前還沒有測試來确定無人駕駛汽車是否安全。基本上隻有傳聞。”

市場領軍者“出行新方式”公司去年說，它在大約10年裡行駛了2000多萬英裡。這意味着，在我們可以說無人駕駛汽車造成的死亡人數少于公交車司機之前，它們的行駛總裡程還要增加25倍。

“深度學習”效果有限

就目前而言，我們所知道的是：計算機的運算速度比我們快很多，但它們仍然不知道如何處理許多常見的道路上的變數。在城市街道上開車的人發現有幾隻鴿子在隔離帶附近啄食，他們一定知道：汽車開近了鴿子就會飛走；後面的司機也知道鴿子會飛走。司機們知道不必考慮這個問題，刹車不僅沒有必要，而且是危險的，所以他們會保持速度。

而最聰明的自動駕駛汽車所“看到”的是一個小障礙。它不知道障礙物是從哪裡來，也不知道可能往哪裡去，它隻知道應該讓汽車安全地避開障礙物，所以它可能會刹車。最好的情況是發生小堵車，但突然刹車可能會導緻後面的車追尾。計算機通過重複來解決它們的缺點。這意味着，如果你給自動駕駛汽車足夠多的時間展示同樣的鴿子場景，它可能會想出如何可靠地處理這些情況。但它可能不知道如果鴿子稍有不同、飛行的方式稍有不同該如何應對。

業内人士用“深度學習”來描述這一過程，但這聽起來比實際情況更複雜。研究人工智能和自動駕駛汽車極限的紐約大學心理學教授加裡·馬庫斯說：“深度學習所做的事情類似于記憶。隻有在情形相似的情況下才會奏效。”

這些“邊緣案例”的範圍實際上是無限的。想一下：一輛不打燈穿過三條車道的汽車，或者也這麼橫穿車道的騎車人，或者在路肩漫步的鹿，或者是低空飛行的飛機、老鷹或無人機。即便是相對容易的駕駛問題也會因天氣、路況和人類行為的不同而導緻出現數量驚人的變化。馬庫斯說：“你以為一個地方和另一個地方的道路非常相似。但世界是複雜的。每一個左轉情況都略有不同。”

對2004年就做出自己第一輛自動駕駛汽車的萊萬多夫斯基來說，最先進的無人駕駛汽車公司都還在做着堪稱極其先進的演示。他很清楚，這些演示是有意誤導人的。他說：“這是一種錯覺。每一次成功的演示背後可能都會有幾十個失敗的演示。你隻需要坐在司機後面幾分鐘就能判斷這個司機會不會開車，而計算機卻不是這樣工作的。如果自動駕駛汽車成功地完成了一個路線的行駛，沒有人能保證它能完成第20次，甚至是第二次。”

來源：參考消息網

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!