2018年3月18日，美國亞利桑那州，一輛配備了安全駕駛員的Uber自動駕駛汽車，撞倒了一位違規橫穿馬路的行人，后者被送往醫院，最終不治身亡。

一年后，就在大眾輿論快要忘卻這樁悲劇的時候，它有了***判決結果，當地檢察官在一封信中稱，Uber在事故中負有刑事責任的指控“沒有依據”，事故視頻可能并未準確地描述車禍過程，當時車上的安全駕駛員則需進一步調查。

你可以理解為：這起全球首例無人車致死事故，無人車，無罪。

在post-truth時代，任何公共事件都能成為劃分敵我的分野工具。這次也不例外，判決一出，圍攏在不同利益集團和觀念陣地的旗幟下，人們迅速開始站隊。

有人欣喜于“技術的勝利”。畢竟，是“愚蠢”的人類違規橫穿馬路在先，技術又有什么錯呢?另外，“愚蠢”的還有安全駕駛員，警方表示，Uber的自動駕駛系統在出事前就發現了受害者，但因計算機系統的設置問題，計算機控制模式下車輛無法自動啟用緊急剎車，剎車的責任交給了安全駕駛員，但安全駕駛員在事故當晚看了大約42分鐘的“美國好聲音”，她反復低頭，無心關注路面，就在她一次抬頭的半秒鐘后，事故發生。 

不過，盡管看起來無人車是“無辜”的，但對于判決結果，也有人感到“不舒服”。畢竟，是人類對機器的信賴，造成了這樁悲劇。這也是為什么，盡管檢方目前判Uber無罪，但美國國家運輸安全委員會仍在對事故進行調查，Uber也仍有可能遭到挑戰。

面臨挑戰的不只是Uber一家公司，事實上，這樁事故也猶如一記悶棍，再次逼迫所有人思考：人類信任機器的邊界在哪里?

L5可能是個夢

截至目前，全球幾乎沒有太多完善的保險條例和法律權限來規定無人車的責任，美國40多個州在無人車法規的制定上莫衷一是，已經足以折射出自動駕駛的現實痛點。

首先是技術，最近大眾商用車負責人在接受媒體采訪時表示，實現L5自動駕駛，堪比火星探測。

我覺得他仍然低估了L5的難度。關于自動駕駛的未來，業內一種最極端的說法是：L5或許是一個夢。為什么?因為AI處理不了意外。

數十年前，AI概念誕生初期，當時的研究者心高氣傲，并不滿足于將機器僅用于計算，他們試圖讓AI完整拷貝人腦的思考過程，讓機器“知其然，也知其所以然”。

但眾所周知，多年以來，人類意識之謎沒有任何實質進展，研究者開始收縮野心，重回對“計算”的追尋。如今的機器學習就是一條試圖彎道超車的捷徑，將現實世界以數據作為顆粒度呈現，再通過神經網絡消化數據，更好地認清這個世界。

以自動駕駛為例，它最基礎的原理就是將人類司機目力所及的一切物體，路人，建筑，其他車……都構建成三維模型，關心它們之間的移動趨勢，估算速度，預測路線，有沖突就剎車或繞路。 

但從邏輯上，這也幾乎意味著，無人車做不到所謂“絕對”的準確性，因為真實的交通是一個復雜生態系統，隨機分布著各種意外。

據說谷歌自動駕駛就遇到過一些意外：比如，幾個小孩在高速路上玩青蛙;一個殘疾人坐著電動輪椅，在路上追一只鴨子，鴨子繞圈跑，他也繞圈追……面對如此荒誕場景，你很難苛求機器能***預測這些人的軌跡。要知道近些年人工智能領域的一切進步，都可歸為相似的框架：“輸入數據，生成回應”——換句話說，由過去推導未來，機器沒法預測完全不在它經驗范圍內的意外。

當然，像小孩玩青蛙，殘疾人追鴨，這種意外想必大多數人也沒見過，但與機器的“沒見過”不同，因為人類“理解”他們在干嘛，就足以導向正確決策。

這也是現階段安全駕駛員的作用，可惜這次人類自己也失職了。

臨時不想死怎么辦?

除了技術所限，人類將方向盤徹底交給機器，還面臨道德問題。

學者萬維剛在“精英日課”專欄里舉了一個例子：你正以高速開車，突然發現前方有一群小學生在馬路上打鬧，避讓他們，就只能撞到路邊的建筑物墻上，這意味著你有生命危險，請問在這種情況下，你是選擇撞墻還是撞向小學生? 

我相信有許多人會選擇撞墻，人性光輝，為你點贊——但問題來了，假如自動駕駛系統的初始設置，就是在這種情況下“先確保行人安全”，你作何感想?

可能會覺得“不舒服”，就像萬維剛老師所言：“我犧牲我自己，是我自己的決定。我不能讓汽車替我做決定!萬一我臨時不想死怎么辦?萬一汽車判斷錯了怎么辦?我不想開一輛在某種情況下會犧牲我的車。現在有很多公司正在研究自動駕駛的道德規范，Google 甚至還專門聘請了哲學家，但是沒有研究出來什么令人滿意的方案。”

面對人類如此矛盾的物種，也許令人滿意的方案根本就不存在。事實上，只要是出于所謂的自由意志(盡管神經科學已基本拋棄了它的存在)，人類無論自己做出什么決策，其他人都會感到“事態可控”，但若同一決策出自AI之手，許多人就會感到巨大的不適。

所以，在危機時刻將決策權交給人類自己，或許是最討巧的選擇——如果時間來得及的話。

人類沒有回頭路

關于自動駕駛，前面潑了兩盆冷水，***灌一碗雞湯。

依我之見，哪怕L5或許是一場幻夢，但自動駕駛本身，委實是一種確定性趨勢。

為什么這么說?原因至少有兩個。

其一當然老生常談，在概率層面，機器犯錯更少，美國交通部長趙小蘭幾乎在每次關于自動駕駛的演講中都要提及：美國持續增長的交通事故中，有94%是因駕駛員的失誤造成。而全球范圍內，每行駛20萬英里，人類駕駛員就會出現一次非致命性碰撞;每行駛100萬英里，就會有一名司機喪命。

我重點談一下原因之二，那就是：回溯人類技術演變史，一旦新事物破繭而出，往往就沒有了回頭路，你只能去迭代它，不能消滅它。

舉個最近很熱的例子，大概公元400多年，人類開始使用煙草，而一旦香煙誕生，你覺得它還會從世界上徹底消失嗎?永遠不會。哪怕進入現代，人類若想減少香煙帶給整個社會的負外部性，也只能通過技術而非禁止——比如發明電子煙。

事實上，縱觀人類文明史，解決技術帶來的問題的方式永遠都是通過更好的技術，忘了是凱文·凱利還是誰說過：“即使新的科技發明帶來的49%是問題，但它同時也帶來了51%的好處，差別就在于這2%，2%很少，但人類需要這2%，通過一年年積累產生強大影響力。所以，即便新發明帶來的好處只比問題多一點，這一點就是人類進步的動力。”

自動駕駛更是如此，Uber的事故只是放緩了他們自己的研發速度，并未阻礙全球自動駕駛產業猛踩油門，這個世界上但凡有能力的國家和企業，都已全部聚齊在自動駕駛的漫長賽道上，并且都試圖率先達成技術迭代，用戶習慣，輿論環境，基礎設施等諸多方面的動態均衡。

所以你說，今天自動駕駛撞死了一個人，被判無罪，那么未來的AI世界會好嗎?

我的回答是：除了選擇相信“會”，還能怎么樣呢?

命運自有時間表。一百多年前，人類一旦發明汽車，馬車所代表的田園牧歌，就只能成為一曲挽歌;一百多年后亦是如此，從汽車與信息文明相遇的那一瞬間，一切悲喜就已不可避免。