計算機設(shè)計自動化的頂級會議之一DATE日前在德累斯頓落下帷幕。會上的兩個關(guān)于自動駕駛的主題演講非常精彩，吸引了廣泛關(guān)注。其中一位演講者是Amnon Shashua，Mobileye（2017年被Intel以153億美元收購）的CEO兼任CTO。另一位是大眾集團電子和汽車研發(fā)部主管Thomas Form教授。兩人分別代表了當前開發(fā)自動駕駛汽車的兩大陣營：新技術(shù)公司和傳統(tǒng)汽車制造商。他們談到了許多備受業(yè)界以及公眾關(guān)注的關(guān)于自動駕駛的話題。在某些問題上他們闡述了類似的觀點，而在另一些問題上則看法大相徑庭。

其中一個主要話題就是人工智能在自動駕駛中的應(yīng)用。兩家公司都投入了大量資源進行相關(guān)研究，在取得了很多成果的同時也發(fā)現(xiàn)了不少問題。Form教授指出深度神經(jīng)網(wǎng)絡(luò)對自動駕駛是很有幫助的，不過需要提供冗余。例如可以安裝三個獨立系統(tǒng)。一個基于明確的邏輯，第二個基于模塊化人工智能，即每個相關(guān)的功能訓練一個深度神經(jīng)網(wǎng)絡(luò)。第三個基于整體的人工智能，即為所有相關(guān)功能訓練單一的巨大的深度神經(jīng)網(wǎng)絡(luò)。

Form教授展示了一些在大眾內(nèi)部測試中出現(xiàn)的人工智能無法正確識別和應(yīng)對的情況。另一個問題則是針對深度神經(jīng)網(wǎng)絡(luò)故意的物理攻擊。Form教授展示了一個案例，做了少量（刻意的）修改的STOP標識牌會被深度神經(jīng)網(wǎng)絡(luò)誤認為限速標志。

在另一個演講中，Amnon重點介紹了一個能夠在數(shù)學上保證自動駕駛決策安全的形式化方法。他也特別強調(diào)這個方法不是由數(shù)據(jù)驅(qū)動，完全不同于依靠大量數(shù)據(jù)訓練的，系統(tǒng)成熟度隨著里程提高的經(jīng)驗性方法。結(jié)合兩個演講來看，盡管人工智能在很多領(lǐng)域已經(jīng)顯示出極大的力量，在安全相關(guān)的系統(tǒng)中的運用仍有很多研究要做。這對于人工智能領(lǐng)域的學者來說并不是一個壞消息。

新技術(shù)公司和傳統(tǒng)車企在開發(fā)自動駕駛汽車上采取了完全不同的路線。新技術(shù)公司做的是革命性改變，即跳過中間階段，直接開發(fā)5級自動駕駛（指全自動駕駛，參見SAE標準）。而傳統(tǒng)車企則是漸進式的。全自動駕駛固然令人激動，同時也意味著高成本。大眾集團更希望能夠開發(fā)出所有汽車都能承擔的系統(tǒng)。究竟是在某些車上實現(xiàn)全部功能更好，還是在所有車上實現(xiàn)某些功能更好，值得進一步探討。

另一個被深入討論的話題就是自動駕駛汽車需要做到多好才足夠。顯然完美的系統(tǒng)是不存在的。Amnon講解了他的形式化方法結(jié)合一系列規(guī)則可以確保自動駕駛汽車不會由于決策問題而產(chǎn)生事故并且可以在危險情況下做出正確反應(yīng)。大眾集團也在考慮同樣的問題。一個能夠優(yōu)于大多數(shù)司機的自動駕駛系統(tǒng)足夠好嗎，還是需要超過邁克爾舒馬赫？

在自動駕駛的倫理問題方面，Amnon提出了一個基準線，即他的系統(tǒng)不會為了躲避現(xiàn)在的事故而引發(fā)新的事故。自動駕駛汽車不做價值判斷。他同時也指出，這一準則可以根據(jù)不同國家的規(guī)定而改變。Form教授提出了一個問題，在自動駕駛的世界里，如果行人不遵守交通規(guī)則怎么辦。顯然自動駕駛汽車總是需要避讓行人。他后來又補充道，你需要特別小心，如果這臺車是Uber的。

最后一點就是自動駕駛領(lǐng)域的重點研究方向。除了人工智能在識別和決策方面的應(yīng)用，傳感器顯然還有極大的進步空間。另外一點就是目前的自動駕駛系統(tǒng)開發(fā)仍主要關(guān)注于功能的實現(xiàn)。成本控制，例如如何更高效地利用車載計算和通訊資源等等，在未來毫無疑問會受到持續(xù)關(guān)注。