3月29日消息，《金融時報》發(fā)表文章稱，透過無人駕駛汽車，可以看到自動化技術(shù)的局限性，一味假定無人駕駛汽車技術(shù)將會讓我們更加安全是危險的。

　　以下是文章主要內(nèi)容：

　　我們?nèi)祟惒⒉煌昝�，容易犯錯誤，容易出現(xiàn)判斷上的偏差。因此我們創(chuàng)造了各種技術(shù)來提供幫助。

　　以推出無人駕駛汽車車隊為例。人們認(rèn)為技術(shù)將會提升駕駛的安全性。但就該項技術(shù)現(xiàn)階段的發(fā)展來說，這是一個非常大膽的假設(shè)。

　　一方面，支持這一看法的證據(jù)還沒有出現(xiàn)。整個2016年，對于無人駕駛汽車我們所得到的最佳數(shù)據(jù)來自于在加州進(jìn)行的測試數(shù)據(jù)，但必須要指出的是，加州氣候溫和，并不能代表全球的駕駛環(huán)境。

　　谷歌旗下的無人駕駛汽車項目Waymo測試表現(xiàn)最好：每行駛5127英里需要一次人工干預(yù)。這相比前一年有所改進(jìn)，但還遠(yuǎn)遠(yuǎn)稱不上表現(xiàn)完美�？偟膩碚f，Waymo的60輛測試汽車去年行駛了大約1.0597萬英里(比美國普通車輛的平均里程要少3000英里)，在這一時間范圍內(nèi)它們分別至少需要兩次人工干預(yù)。

　　特斯拉的表現(xiàn)則要糟糕得多。該電動汽車廠商的四輛汽車2016年平均行駛了137英里，每輛汽車平均出現(xiàn)45次人工干預(yù)——也就是說每行駛3英里就需要一次人工干預(yù)。每次人工干預(yù)代表一次可能能夠避免的事故。

　　考慮到多數(shù)的行業(yè)觀察家認(rèn)為，公眾不會容忍無人駕駛汽車出現(xiàn)任何的錯誤，這些測試表現(xiàn)顯然無法讓人滿意。誠然，該類技術(shù)在不斷改進(jìn)。但也要指出的是，無人駕駛汽車其實早在1990年代中期就開始出現(xiàn)，當(dāng)時就有輛汽車的“無人駕駛百分率”達(dá)到98.2%。

　　但即便技術(shù)方面的挑戰(zhàn)能夠克服，預(yù)想不到的負(fù)面外部性影響可能還是無法解決。

　　Uber無人駕駛汽車最近在亞利桑那州被撞翻，就是很好的案例。該事故的責(zé)任并不在Uber汽車身上，而在另一輛汽車的司機身上。這樣的人類沒有好好駕駛的情況，引發(fā)了人們對即將到來的自動駕駛過渡時期最大的挑戰(zhàn)之一的關(guān)注：在人工駕駛的汽車和無人駕駛汽車共存的時候，二者將必須要安全地進(jìn)行交互。

　　然而，人類的行動動機跟計算機算法的行為動機很不一樣�；�本上，大多��(shù)的司機——不包括那些醉酒駕駛的、尋求自殺的或者制造恐慌的司機——都會有保護(hù)自我或者保護(hù)他人的意識。復(fù)雜的算法則無法保證會有保護(hù)人類的動機。

　　另外也有特殊的例子，比如上周發(fā)生在倫敦的恐怖襲擊。但讓人脫離駕駛盤，實施自動駕駛，不一定就會降低安全風(fēng)險。能夠自動駕駛的汽車會很容易被改裝成武器，因為不法分子只需要入侵它們就可以了，不必找人親自去駕駛實施自殺式襲擊。

　　與此同時，2014年酗酒駕駛在美國造成的死亡人數(shù)達(dá)到致命車禍的三倍之多。而如果人類不必親自去駕駛了，無人駕駛汽車另一個意想不到的影響可能會是酗酒和藥物濫用案例出現(xiàn)增加。

　　另外，我們必須要信任程序員。通常來說，企業(yè)雇主會制定詳細(xì)的獎懲制度來確保員工有將工作盡量做好的積極性。員工們需要為自己的工作負(fù)起責(zé)任。在人為失誤會對別人造成巨大的不利影響的行業(yè)——比如銀行業(yè)或者空中交通管制——這類激勵機制來得更加重要。

　　然而，無人駕駛汽車將由程序員來編程和維護(hù)，他們?nèi)藬?shù)眾多，要問責(zé)起來并不容易。我們能否確保他們一直都有積極的動力呢?

　　最后，雖然無人駕駛汽車有助于強化人類的駕駛技能，但它們也有可能會導(dǎo)致人們的駕駛能力退化。我們當(dāng)然不希望在我們迫切需要那些駕駛能力的時候卻發(fā)現(xiàn)它們已經(jīng)不復(fù)存在。