你對未來的生活有怎樣的期許？

是否想象過道路上滿是自動駕駛汽車的場景？

隨著越來越多的自動駕駛汽車開始路測，

科幻小說中“無人駕駛的交通系統(tǒng)”的場景

好像也指日可待了！

其實，在這一天真正來臨之前，我們仍有許多工作要做。最近，PBS（美國公共電視臺）的《Nova（中譯：新星，一檔科學節(jié)目）》播出了一期主題為《看看誰在開車》的內容，其中有專家提醒道，人們仍將會面臨許多艱巨的挑戰(zhàn)——尤其是如何訓練人工智能（AI），以提高其在生死攸關時刻做出和人類一樣決策的能力。這期節(jié)目重點闡釋了這些問題：我們離大規(guī)模部署自動駕駛汽車還有多久？我們真的能放心地把生命托付給AI嗎？

01

一些早期研究證明了自動駕駛汽車的安全優(yōu)勢

車輛安全保障功能和相關基礎設施仍處于開發(fā)進程，然而在人類真正在方向盤上解放雙手之前，應該充分做好“道路準備（road-ready）”——所謂“道路準備”，就是需要將駕駛員、乘客和行人的危險系數(shù)降至最低。盡管第一起自動駕駛汽車撞死行人的事故已經(jīng)發(fā)生并引起廣泛關注，但到目前為止，通過自動駕駛汽車的有限應用，我們能夠證明自動駕駛還是安全的。從統(tǒng)計數(shù)據(jù)來看，自動駕駛比人類司機表現(xiàn)得還好——根據(jù)美國交通部“死亡分析報告系統(tǒng)”的報告，每10萬人中有11.2人死于交通事故，每行駛1億英里（注：1英里=1.609344km）就造成1.13人死亡。自動駕駛汽車通常被認為是更安全的選擇。美國蘭德公司（RAND Corporation）的一項研究發(fā)現(xiàn)，超過90%的撞車事故是人為失誤造成的。研究人員最近還預測，如果自動駕駛汽車可以減少哪怕10%的交通死亡意外，那么它們將在50年內挽救大約110萬人的生命。

自動駕駛汽車的安全性一直是人們最為關心的因素。高級駕駛輔助系統(tǒng)（ADAS）通過提醒駕駛員潛在的問題和碰撞風險，實現(xiàn)安全自動化并增強車輛的安全性。雖然ADAS目前正在推出和普及，但ADAS功能只是汽車實現(xiàn)完全自動駕駛的一個組件。要想讓AI來控制汽車，我們需要整個行業(yè)和研究機構共同開發(fā)算法和傳感器，以便讓車輛能夠不斷感知、識別其周圍環(huán)境，并在必要時做出實時反應。此外，自動駕駛汽車自身也有一系列問題需要解決，例如惡意軟件攻擊、硬件故障或軟件故障。

長期以來，依托為汽車設計專家提供高可靠的內存和存儲，美光也為自動駕駛未來發(fā)展做出了貢獻。通過與客戶和合作伙伴生態(tài)緊密協(xié)作，美光的高性能、低功耗存儲解決方案專為他們設計，并為他們提供研究所需要的功能。

02

下一重點：AI中的技術因素

自動駕駛借助AI來解決傳統(tǒng)算法無法解決的問題，且在需要高精度目標檢測和分類的情況下尤甚。對于汽車開發(fā)人員來說，AI可以說是一個全新的領域，這是因為傳統(tǒng)的確定性系統(tǒng)（deterministic system）和基于AI的系統(tǒng)之間存在根本的差異，所以大部分的經(jīng)驗（包括那些“吃一塹，長一智”）無法一直奏效。任何AI系統(tǒng)都可能受到不同觸發(fā)器的影響，而且會嚴重依賴以下因素。

■ AI模型的準確性：哪種模型最擅長根據(jù)輸入數(shù)據(jù)來識別數(shù)據(jù)集中變量之間的關系和模式？該模型決定自動駕駛汽車如何對異常路障做出反應。AI訓練階段所使用的測量受到幾個參數(shù)的影響，如算法本身、模型的復雜性、層數(shù)、可變寬度、訓練期間的樣本數(shù)、傳感器的分辨率等。

■ 硬件的復雜性：高精度的AI推理需要從易失性存儲器中獲得極高的帶寬。通常需要每秒幾百GB以上。然而，汽車系統(tǒng)也有低功率的需求。

■ 非確定性算法(nondeterministic algorithms):經(jīng)過訓練的AI系統(tǒng)必須對新情況（即系統(tǒng)從未見過的情況）做出反應，并且這些系統(tǒng)必須學會在訓練過程中發(fā)現(xiàn)新對象。

■ 傳感器的準確性和可靠性：像攝像頭、激光雷達和雷達這樣的傳感器，相當于是AI系統(tǒng)的眼睛。但是，并非在一定半徑內的每個物體、甚至每個移動的物體都需要讓車輛對其做出反應。未能提供準確的信息可能會導致誤報、誤檢物體以及其他不可預測的車輛反應。因此，我們通常需要一套不同的傳感器來檢測所有照明和天氣狀況。

■ 內存：易失性和/或非易失性存儲器可能由于物理缺陷和/或軟錯誤而引入錯誤。在汽車中，易失性存儲器在實時AI操作中起著重要作用，因為它用來存儲AI層緩沖區(qū)以及AI推理過程中使用的經(jīng)過系數(shù)訓練的數(shù)據(jù)。在易失性存儲器中無法檢測到的錯誤可能會導致車輛出現(xiàn)異常狀況。因此，在設計系統(tǒng)時，始終要考慮到可能出現(xiàn)的內存故障。

硬件的穩(wěn)定可靠至關重要。ADAS子系統(tǒng)就是要求最佳的性能，并且也要符合ISO 26262標準規(guī)范。

03

重要的后續(xù)步驟

自動駕駛所采用的新AI技術也為安全性提出挑戰(zhàn)，因為早期自動駕駛汽車的設計和驗證只能從一個小知識庫中借鑒訓練的算法。我們必須為AI建立一個更大的知識庫，以便模擬內存在自動駕駛系統(tǒng)中扮演的角色。這將有助于加速訓練AI在汽車安全方面的決策功能。

此外，針對自動駕駛汽車的安全要求，目前行業(yè)還沒有出臺完善的規(guī)定。雖然ISO 26262已經(jīng)啟動了關于道路車輛風險分析和危險分類的描述，但也沒有任何監(jiān)管機構確定“安全”的含義。隨著參數(shù)變得更加清晰，指導方針將從自愿化轉向規(guī)范化，各個地區(qū)和國家也會將其整合進政策中。

美光相信，為未來的自動駕駛汽車設計AI的專業(yè)人士將會不斷地創(chuàng)新工具和基礎設施，帶領我們抵達想去的地方。