惡劣天氣嚴重影響無人駕駛。

無人駕駛備受垂青，似乎昭示了汽車行業的光明未來。然而近年無人駕駛事故頻發，也令這項新型技術不斷受到質疑。真正實現無人駕駛，除了汽車本身的硬件必須完善，人工智能（AI）的能力更是關鍵。這不僅要求無人車能夠識別物理標識與車輛，更要識別人的主觀意識，聽上去幾近「天方夜譚」。儘管無人駕駛理論上已經可行，但在實際造作上，還需交通規則、道路基建的配合。安全性是公眾能否接受無人車的決定性因素,此外，高昂的生產成本也是另外一大制約因素，從而導致無人駕駛車輛還無法量產。

撰文蘇梓

若想無人車大規模上路，除了需要研發人員深度學習各地的駕駛環境，進行大量的道路測試以積累海量的數據，還必須有明確的法律規章對事故進行責任判定。然而當前的現實是，世界各國關於無人駕駛的立法進程，仍嚴重滯後於技術的發展。

路況是對無人駕駛的重大考驗。

引發倫理爭議

因此，儘管自動駕駛技術已取得相當成果，廠商紛紛推出自家概念車，但在正式上路之前，技術、商業、法規等諸多層面仍有許多尚未克服的難題和改進空間。而關於自動駕駛車輛在緊急關頭的判斷，或可能涉及人類的倫理道德。例如當車輛的剎車突然失靈，到底是決定冒著汽車「報廢」的風險撞上一堵牆，還是衝撞其他車輛以提高保存的機率？對於這些邏輯問題，無人駕駛車輛的程式是否能夠駕馭，也確實存疑。

又如早前Tesla無人駕駛轎車的事故，便帶出這樣一個問題：類似車禍發生，責任主體誰屬？是汽車生產商、車主，抑或是無人駕駛系統提供商？以上種種，是人工智慧面對倫理判斷時的難題。

大數據存安全隱患

除了道路安全，和任何人工智能化產品一樣，無人駕駛汽車也面臨數據安全保障、數據共享壁壘以及難以推向市場化等多項挑戰。以數據共享為例，它是當前眾多汽車廠商面臨的難題。因為全球汽車廠商數量眾多，相關數據檢測方式多樣，信息模式複雜，導致數據龐雜而又缺乏統一標準，因此各廠商的數據資源缺乏互通與共享的基礎。長遠來看，這將成為汽車大數據使用的瓶頸。

中國智能交通協會理事長吳忠澤早前表示，數據類型雖然多樣，但其中可能有很多並不見得能發揮多大作用，因而利用率不高。如何透過海量的數據提升汽車資源的綜合利用效率，將汽車相關數據進行有效的聯繫、匯聚和發掘，改善汽車使用者的服務水平，是開發者面臨的主要問題；而且在數據開放的同時，需要探討如何從法律和行政法規上確保和加強數據的安全監管，提高數據資源的安全性，尊重和保護相關政府部門、汽車製造商以及個人的機密和私隱不受侵犯。

另一個挑戰是，大數據的市場化應用缺乏對應機制。吳忠澤表指出，目前汽車行業缺乏有效的市場化推進機制，基於汽車大數據的信息服務產業鏈、價值鏈尚未真正形成。汽車行業大數據又缺乏頂層設計，大數據使用的各個環節均需要加強統籌協調。由於汽車及相關產業的數據壁壘並未打破，豐富且分散的數據資源遠未能有效協調使用。

天氣左右自動駕駛

目前，無人駕駛還未能實現「百分百自動化」，仍需將汽車控制權交給人類的原因，是在雨天、下雪、大霧等極端天氣下，車輛的感測器可能會受遮蔽而無法完全發揮作用，用以定義道路的標線也難以辨識。因此，為避免誤判造成意外發生，自動駕駛系統在惡劣天氣中仍需人手操控。

為了突破天氣的限制，Volvo、福特等國外大車廠開始努力嘗試在缺乏道路標線作為依據時，改由辨認護欄、行道樹或電線桿來取而代之。科技公司Google則是通過偵測天氣狀況，調整軟件演算法來因應惡劣的天氣，不一而足。

應變能力遠遜預期

即使目前的研究和實驗可以模擬天氣和路況，但卻沒有辦法充分預估道路上出現的各種可能性。以中國為例，在單車、摩托車甚至是行人都加入之後的複雜交通環境中，無人駕駛汽車識別的準確度就增加了許多變數，即便能夠保證不發生事故，但無人駕駛智能高效的優勢也無法凸顯出來，同時汽車成本也會相應的大幅增加。

更重要的是，無人駕駛汽車能夠掌控的部分，還遠遠無法達到人類預期，所以曾發生無人汽車在進行道路測試時，人類介入控制車輛以避免發生事故的情況，過往甚至有多宗涉及無人駕駛汽車的交通意外，其中一些甚至致命。還有些事故則涉及無人駕駛汽車面對其他車輛的人為失誤，例如當其他車輛闖紅燈，無人駕駛車面對如何順利避開的問題。

根據實驗，人們發現無人駕駛車的影像辨識也會因路況變化而失靈，比如路面陰影、坑洞、水窪，都會讓車輛「產生困惑」，從而需要較長時間確認是否繼續前進。除了警示障礙，影像辨識也肩負著對照街景來確認路線的重要任務。若街景更新速度跟不上實際變化，將讓自駕車不知自己身在何處。早前Uber的實驗車在經過橋樑時，便曾因為兩旁過於空曠，缺乏標的物指引而經歷了短暫的迷航。可見，提高高精度的影像辨識能力，是開發無人駕駛車不可避免的技術難關，更遑論達到人類才擁有的舉一反三以及靈活應變的能力。

此外，在新加坡進行的自駕車道路實測記錄中，多數事故並非自動駕駛系統失靈，而是好奇的民眾會突然跳到車前，想看看車子是否能夠自動煞停而導致。因此，訓練人工智慧將人類的不確定性納入決策，讓機器的駕駛技術可以應付多變的突發狀況，是提高市場信心的一大關鍵。從種種成果看來，自動駕駛技術仍有許多改善空間。