get_product_contenthtml
谷歌的无人汽车
我的驾龄达到35年以后，2010年10月9日的早晨，一位谷歌发明家、德国出生的机器人专家塞巴斯蒂安?特龙（SebastianThrun）在博客上发表了一份重大声明：谷歌已经成功研发了“无人驾驶汽车”。这并不是谷歌总部停车场上那些笨拙的、充当摆设的模型，而是些实实在在的、能在街上开的车，准确地说，是丰田“普锐斯”。特龙表示，谷歌汽车已经在加利福尼亚州和内华达州的道路和高速公路上行驶了10万英里了。它们沿着好莱坞星光大道和太平洋海岸公路一路行驶，在金门大桥上穿梭，环绕了太浩湖。它们加入高速公路的车流，穿过繁忙的十字路口，缓慢地在高峰拥堵的车辆间挪动。它们还曾突然变向以避免撞车。这些全是谷歌汽车自动完成的，没有任何人为干预。“我们认为这开创了机器人学领域的先河。”特龙写道，带着一丝狡黠的谦逊。造一辆无人驾驶的汽车没什么了不起。从20世纪80年代开始，工程师和那些鼓捣小发明的人就一直在制造自动的或远程控制的汽车，但这些发明大多只是些粗糙、破旧的汽车。这些车仅能用于在封闭的轨道上进行驾驶试验，或参加在沙漠及其他偏远地区举行的赛车拉力赛，都是远离行人和警察的。特龙在声明中写得很清楚，谷歌汽车与上述汽车不同，它能成为交通史及汽车史上的重大突破，就在于它能在无人驾驶的情况下在喧闹、混乱、复杂的真实世界中行驶。谷歌汽车装载了激光测距仪、雷达和声呐发射机、运动检测器、视频摄像机及GPSa，能详尽准确地感知周围的事物。它能“看到”前方的道路。通过即时处理接收到的全部信息，车载计算机能“实时”地操控油门、方向盘及刹车，其操控速度和灵敏性均达到了上路要求，对于司机经常会遇到的突发情况，它也能轻松应对。谷歌的无人驾驶汽车车队现在已经成功行驶了超过100万英里，仅引发了一次严重的交通事故，即2011年5辆车在硅谷谷歌总部附近发生追尾。其实，那次撞车并不作数，因为谷歌很快就宣布：“当时有人在手动驾驶汽车。”在载着我们去上班或送孩子们去参加比赛之前，无人驾驶汽车还有一段路要走。尽管谷歌表示，要在未来10年内将谷
歌汽车推向市场公开出售，但这可能有点儿痴心妄想。车辆的传感系统贵得离谱，单是车顶的激光装置就要8万美元。还有许多亟须解决的技术难题，例如，如何在雪地或铺满落叶的道路上行驶，如何处理意外绕行，怎样识别交警和交管人员的手势。即使是性能**的计算机也很难分辨无害的路面杂物（例如压扁的纸箱）和危险的障碍物（一块钉着钉子的胶合板）。
无人驾驶汽车在法律、文化及道德等方面将要面临的阻碍*让人望而生畏。例如，当无人驾驶汽车发生事故并造成人员伤亡时，应该怎样定罪及谁来承担责任？由车主承担，由安装自驾系统的汽车制造商承担，还是由编写软件的程序员承担？只有解决了这些棘手的问题，全自动汽车才能进入经销商的展厅。
不管怎样，技术都将快速向前发展。谷歌测试汽车所使用的硬件和软件，绝大部分都将用在未来的汽车和卡车上。自谷歌推出自动驾驶项目以来，世界上主要的汽车制造商都纷纷
向世人展示他们在这方面的努力。目前来看，我们的目标不是发明一个完美的汽车机器人，而是要继续投资，完善自动化技术，提高汽车的安全性和便捷性，吸引人们购买新车。从我**次把钥匙插到斯巴鲁的打火器里算起，自动化驾驶已经经历了很长一段时间。现在，汽车上搭载了很多电子设备。微芯片和传感器管理着汽车的导航控制、防抱死制动系统、牵引机制和稳定机制。一些高档汽车还装有变速设备、辅助停车系统、防碰撞系统、可调节顶灯以及仪表显示器等。软件在我们和道路之间架起了一个缓冲带。与其说我们是在控制汽车，不如说我们只是输入电子信号，传送给计算机，由计算机来控制汽车。
未来几年内，我们会发现，人在汽车驾驶中扮演的角色将越来越多地被软件取代。英菲尼迪、梅赛德斯及沃尔沃正在推出新的车型，这种汽车配有：雷达辅助的自适应巡航控制系统，即使是在龟速挪移的车流中，也能为汽车导航；计算机化的转向系统，能控制车轮，使车轮一直处于车道中央；紧急刹车系统，在遇到突发情况时它会自动启动。其他厂商也正忙着引进更先进的控制系统。电动汽车的先驱特斯拉汽车公司正在开发汽车自动驾驶仪，其首席执行官信心满满地表示，这种自动驾驶仪能“处理90%的行驶路段”。
谷歌无人驾驶汽车的问世颠覆了我们对驾驶的认知，但其影响不止于此。它迫使我们改变对计算机和机器人能力的认识。谷歌汽车的问世意义重大，在此之前，人们很自然地认为许多重要的技能是无法被自动化取代的。计算机能胜任很多事情，但它并不是无所不能。2004年有一本颇具影响力的书——《新分工：计算机如何开创新一代职场》（TheNewDivisionofLabor:HowComputersAreCreatingtheNextJobMarket），在这本书中，经济学家弗兰克?利维和理查德?默南提出，毫无疑问，软件程序可以复制人类与生俱来的技能，但在实际操作中存在一定的局限性，特别是涉及同感官知觉、图像识别及概念性知识相关的技能时。他们特别提到了在开阔的道路上驾驶汽车这个例子，这项技能要求驾驶员能及时处理杂乱的视觉信号，能熟练地转向，并迅速对意外情况做出反应。事实上，我们都不知道自己是如何成功做到这些的。所以，软件通过一系列的指令、一行行的代码就能降低驾驶的复杂性和不确定性，减少意外事故，真是可笑的想法。“面对迎面而来的车流左转弯，”利维和默南写道，“完成这个动作需要考虑很多因素，很难想象仅靠一组程序就能模拟驾驶员的操作。”看起来确实是这样，对利维和默南，甚至几乎所有人来说，方向盘还是牢牢地掌握在驾驶员手里。长久以来，在评估计算机的能力方面，经济学家和心理学家一直在区分两种知识：隐性知识和显性知识。隐性知识，有时也称作程序性知识，是指我们不用思考就能完成的事情，包括骑自行车、抓住飞来的球、读书、开车等。这些技能不是与生俱来的，我们必须经过后天的学习，并且还存在是否擅长之分。但是，我们不能通过一两个窍门或是一连串准确定义的步骤来描述这些技能。神经学研究表明，当我们位于车水马龙的十字路口想要转弯时，大脑的许多区域都在努力工作，它们处理感官刺激，预测时间及距离，并协调胳膊和腿的动作。但是
如果有人让你把转弯时所有想法和动作都记录下来，你却办不到，至少在不借助概括能力和抽象能力的情况下，你是无法记录的。这种能力深埋在你的神经系统里，在你的意识控制范围之外，因此你无法察觉正在进行的心理过程。我们对情势的估计和快速判断的能力都来自于隐性知识这个模糊的领域。我们大多数富有创造性与艺术感的技能也寄居于此。显性知识，也称为陈述性知识，是指你能够写下来的事情：如何换轮胎，如何折纸鹤，如何解二次方程等。这些行为能够被分解成可以准确描述的步骤。一个人可以通过书面或口头传授的方式向另一个人解释**步做什么，第二步做什么，第三步做什么。
因为从本质上来说，软件程序就是一组精确描述的书面指令——**步、第二步、第三步——我们可以认为，虽然计算机能模仿那些基于显性知识的技能，但在处理与隐性知识相关的技能时，计算机就不在行了。你怎么能把那些难以描述的东西转换成一行行的代码，转换成刻板的、一步接着一步的算法指令呢？显性知识和隐性知识的界限一直模糊不清，人类许多与生俱来的才能是这两种知识的融合。但是，这种模糊融合好像恰恰指出了自动化的局限性，并且反过来证明了人类的独特之处。利维和默南指出了计算机无法完成的复杂任务，除了驾驶，他们认为还有教学和医疗诊断，这些任务混合了精神和肉体的活动，它们都需要隐性知识。
谷歌汽车重新划分了人和计算机的界线。同之前人们在编程方面的突破相比，这次的划分更具有戏剧性、更决绝。这告诉我们，我们对自动化局限性的认识一直都有些不实际。我
们并没有自己想象的那样特别。虽然在人类心理学领域，隐性知识和显性知识的区别存在一定价值，但它并不适用于自动化领域。
