Uber的自駕車車禍：AI失敗了嗎？英特爾對Uber自駕車技術表示懷疑

最近人工智慧的發展，如深度神經網路等，使許多人相信現在已經很容易開發一個高度精確的物體檢測系統。而自動駕駛就是相關技術的實際應用場景，許多人對自動駕駛抱有很高的期望。而就在上周在亞利桑那州發生的一輛自動駕駛汽車（Uber車）與一名女子步行者相撞的悲劇事件之後，引發了人們對AI的有效性以及我們對自動化依賴性的質疑。

上周，亞利桑那州的警察發布了來自優步自動駕駛汽車儀錶板的鏡頭。視頻顯示，自動駕駛汽車未能在行人萊恩赫茨伯格（Elaine Herzberg）夜間穿過馬路中心時停下來。警方仍在調查這起致命的事故，但整件事引發了關於誰應該受到指責的爭論。事件發生後，英特爾通過其由其子公司Mobileye開發的高級駕駛員輔助系統（ADAS）運行碰撞鏡頭，對Uber進行了深入挖掘，聲稱其駕駛輔助技術可以比優步的版本更準確地檢測和防止行人撞擊。

英特爾周一的一篇文章表明，Uber可能是錯誤的。這家晶元製造商並沒有專門給這家公司命名，但它表示，「新進入者」已經用半成品技術潛入自動駕駛汽車市場。Shashua認為，雖然人工智慧被認為已經達到了一定的成熟度，但ADAS程序中的數百個角落案例和數據驗證測試的識別是不能被跳過。他說，「經驗很重要，特別是在安全關鍵領域 」。

「ADAS內部的高精度感測系統今天可以挽救生命，經過數十億英里的驅動證明。」Shashua教授表示Mobileye的ADAS可以檢測到這種影響，即使該計劃是由警方發布的不理想的視頻饋送執行的。實際情景中出現的大量高動態範圍數據可能會丟失，但在影響之前大約一秒就可以實現清晰的檢測。下面的圖片顯示了在自行車上和Herzberg女士身上檢測到三個快照。

檢測來自兩個獨立的來源：產生邊界框的模式識別和產生水平圖的「自由空間」檢測模塊，其中紅色部分表示「道路使用者」出現在線上方。第三個模塊將運動結構中的物體與道路分開 – 以技術術語：「平面+視差」。

「這驗證了檢測對象的3D存在，如圖所示，該檢測對象的低置信度顯示在屏幕的左上角。這種低信度是由於生產車輛中通常可用的信息缺失以及從受到某種未知降採樣的行車記錄儀拍攝視頻視頻的低質量成像設置造成的。

到目前為止，Uber尚未直接評論英特爾的帖子。同時要明確的是，調查人員仍然沒有指責這起致命的事故，也沒有透露有關Uber車輛未能停車的原因以及該公司的自動駕駛系統是否在致命事故發生前檢測到Herzberg的細節。

不過，據報道，亞利桑那州州長Doug Ducey 周一致函優步汽車CEO，稱這次事故是汽車安全的「無可爭議的失敗」。因此，州長已暫停Uber公司在該州的自動駕駛汽車測試。

完美的期望很高，失望也很強大。事件發生後，批評者迅速將Uber的整個自動駕駛汽車項目提出質疑。對此，Uber表示：「上周發生的悲劇事件發生後，我們主動暫停了所有城市的自駕車行動，並繼續以任何方式幫助調查人員，我們將繼續與州長辦公室展開對話「。

據了解，英特爾並不是唯一一家能夠對這次致命的碰撞發表評論的公司。谷歌的母公司Alphabet自動駕駛汽車公司的首席執行官waymo報道說：「我們有很大的信心，我們的技術將能夠處理這樣的情況。」

但是，英特爾的Shashua表示：「他更擔心公眾對自動駕駛技術的看法急轉直下，上周發生的事件可能會進一步損害已經非常脆弱的消費者信任，並引發可能扼殺這項重要工作的反應性監管」。他補充說：「自動駕駛汽車供應商需要在其技術中增加更多的冗餘，以避免致命事故的發生。並堅信現在是時候就全自動車輛的安全驗證框架進行有意義的討論了。」

寫在最後

一些人工智慧專家認為Uber事故可能一個邊緣案例，是由於缺乏數據，人工智慧演算法尚未經過訓練處理造成的。其實深度學習應用在危急情況下會有許多挑戰需要克服，雖然這次Uber它的失敗了，還造成了人員傷亡，但這都不應該成為阻止我們對人工智慧繼續探索的理由。而對於Uber的這次事故造成的騷動，最重要的原因之一其實是我們對新技術普遍抱有很高的期望，即使它們仍處於開發階段。在純數學驅動人工智慧演算法的幻想之下，我們傾向於相信他們的決定，並在他們犯錯時感到震驚。在評論區來分享你的看法吧！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！