1.       跃层冲击

1.1.         每个社会其实都处于不同的楼层，往往处于更低楼层的社会，要承受来自更高楼层的社会发展带来的更大冲击

2.       驾驶

2.1.         开车时最关键的不是车，而是路

2.2.         人是比机器更脆弱的生命，最微不足道的情绪变化都会影响人类车手的身心反应和表现水平

2.3.         山体滑坡导致地图数据失真，AI也无法应对随时跌落的山石

2.4.         适度的感官拟真能够带来紧迫感，刺激肾上腺素分泌，提升驾驶表现，但这个“度”是因人而异的，也是因环境而异的

2.5.         技术就像是父亲的汽车零部件，依靠轴承、齿轮与电缆，严丝合缝地拼合在一起，传递着清晰而明确的信号

2.6.         驾驶行为是一项复杂的系统工程，人类需要平均花费约45小时才能学会如何驾驶汽车

2.7.         整个驾驶过程

2.7.1.           感知（双眼观察、双耳监听）

2.7.2.           导航规划（把实体环境与脑海中的路线或导航地图上的具体位置关联起来，研判如何从A地到达B地）

2.7.3.           推理（预测路上行人及其他车辆驾驶员的意图和可能的行动）

2.7.4.           决策（根据实际情况，按照交通规则决定采取何种驾驶行为，比如驾驶员在被提示超速之后做出立即减速的决定）

2.7.5.           车辆控制（把人脑的意图准确落实在转动方向盘、踩刹车等肢体行为上）

3.       自动驾驶

3.1.         自动驾驶车辆，又称无人驾驶车辆，是一种不需要人类主动操作，在计算机的控制下就能够完成驾驶任务的车辆

3.2.         自动驾驶利用AI代替人类驾驶车辆，所依靠的是神经网络而非人类大脑，负责执行的是机械硬件而非人类的手和脚

3.2.1.           AI的感知，需要通过摄像头、激光雷达和其他传感器来了解和掌握周围环境的状况

3.2.2.           AI的导航规划，是将三维道路上的点与高精度地图上的点一一关联，进而完成路线规划

3.2.3.           AI的推理，需要借助算法来预测行人、车辆的意图和行动

3.2.4.           AI的决策，诸如车辆在监测到有障碍物时应该做什么，以及在障碍物被移开后又应该怎么做等，则是依赖于专家制定规则或统计估算来进行

4.       自动驾驶技术

4.1.         在AI领域，这项技术的落地与实现仍被视为“圣杯”一样的存在，是皇冠上的明珠

4.1.1.           驾驶行为本身就是一项非常复杂的任务，每一个动作不仅涉及许多子任务和技术领域，集成多种信息源，还需要处理变化莫测的场景，面对意想不到的挑战

4.2.         自动刹车制动系统蜕变为全自动驾驶系统，并不是简单的功能替换

4.2.1.           自动驾驶也不是简单地对今天的车辆进行改良，而是需要对其所依托的全面互联的智慧城市基础设施进行升级

4.3.         自动驾驶车辆的最终落地，将对许多产业的原有面貌和固有模式带来前所未有的冲击，并将引发与伦理、法律等有关的深层次问题

4.4.         最简单的自动驾驶技术已经应用于我们的生活之中

4.4.1.           自动化仓库机器人、自动叉车和自动导航车辆，它们大部分在室内作业，应用于特定的工业场景

4.4.2.           自动货运卡车、固定路线的自动驾驶摆渡车也已经陆续部署在矿山和机场

4.5.         一些可预测性较高的环境中，自动驾驶技术的能力已经优于人类驾驶员

4.6.         任何自动驾驶技术都必须有理有据地证明它们至少和人类驾驶一样安全

5.       自动驾驶等级

5.1.         L0 （“无自动化”的人工驾驶）

5.1.1.           人类驾驶员承担所有的驾驶任务，AI会观测道路并在必要时提醒驾驶员

5.2.         L1 （“人类不能放手”的辅助驾驶）

5.2.1.           在人类驾驶员的允许下，AI可以完成特定的驾驶操作，如转向

5.3.         L2 （“人类放手”的部分自动驾驶）

5.3.1.           AI可以承担多项驾驶任务，如转向、刹车、加速，但人类驾驶员仍然需要监控驾驶环境，并在必要时接管车辆

5.4.         L3 （“人类移开视线”的有条件自动驾驶）

5.4.1.           AI可以承担大部分驾驶任务，但需要人类驾驶员在AI遇到无法处理的情况并发出请求时接管车辆

5.4.2.           有一些人对L3持怀疑态度，认为人类驾驶员突然接管车辆会增加危险发生的可能性，而不是降低风险

5.5.         如今，从L0到L3的自动驾驶已经在商用车辆上落地使用

5.6.         L4 （“人类放松大脑”的高度自动驾驶）

5.6.1.           AI可以在整个行车过程中完全接管车辆，但前提是车辆处于AI能够完全理解其状况并处理其问题的环境中

5.6.2.           被高精度地图覆盖的城市路面或者高速公路

5.6.3.           从L4开始，车辆开始拥有自己的“大脑”，这将对人类的交通产生革命性的深远影响

5.6.4.           在未来，L4自动驾驶巴士会按照固定路线往返运送乘客

5.6.5.           从2018年末开始，部分L4自动驾驶车辆也在一些城市的限定区域内进行了路测和试验

5.7.         L5 （“不再需要方向盘”的完全自动驾驶）

5.7.1.           无论车辆处于何种环境，都不再需要人类驾驶员参与驾驶操作

5.7.1.1.            在未来，L5自动驾驶出租车能够让乘客通过打车软件（如“滴滴出行”）进行呼叫，而且很快到位

5.7.2.           实现L5自动驾驶的主要难题之一，是AI系统需要针对大量的数据进行训练，而且这些数据必须来源于千变万化的真实驾驶场景

5.7.2.1.            所需场景的类别非常多、数据量级非常大、数据维度非常广，但是把路面上的一切物体在所有情况下的数据（如放置方式、移动方向等）全都收集到手，是相当不现实的

5.7.2.2.            解决方案不是万能的，合成数据的质量无法与真实数据的质量相比，而人为制定的规则也可能会出错或者相互矛盾

5.7.3.           在通常情况下，我们是在当前城市道路的基础上畅想L5自动驾驶的

5.7.4.           增强版城市道路

5.7.4.1.            通过重建基础设施，我们可以通过尽量降低自动驾驶车辆附近有行人走动的可能性，从而大幅提升L5自动驾驶车辆的安全性，使其更早上路

5.7.4.2.            在升级后的增强版城市道路上，车辆的自动驾驶系统与真实环境的信息流能做到无缝通信，因此可以实时调度车辆

5.7.5.           即便由AI驱动的L5自动驾驶更加成熟、安全了，也仍然有一些状况是AI无法完美处理的

5.7.5.1.            最好的解决方案是立即“召唤”一位专业的人类驾驶员来接管车辆

5.7.5.2.            把救兵跨时空瞬间移动到远处是不可能的，但如果我们把当前的交通场景“复制粘贴”到一个远程操作中心，人类驾驶员就可以在那里的独立“远程驾驶舱”中进行遥控操作

5.7.5.3.            以使用增强现实（AR）技术投射出车辆所处的环境（借助自动驾驶车辆上的摄像头来完成），并将这些远景画面发送到远程驾驶舱

5.7.5.4.            人类驾驶员根据远景画面所采取的操作行为（如转动方向盘或踩油门），将被传送给自动驾驶系统，进而控制车辆

5.7.6.           L5自动驾驶、增强版城市道路、传输AR视频连接远程操作中心的6G网络等将实现技术融合，预计在2030年前后便能开展实验性部署

6.       L5自动驾驶车辆将带来的影响

6.1.         从长远来看，L5自动驾驶将在方方面面给人类带来巨大的益处

6.2.         共享汽车实现自动驾驶，将省下大笔用于雇用人类驾驶员的资金，这将为消费者降低近75%的成本，从而进一步吸引消费者选择自动驾驶共享汽车出行，不必再自己买车

6.2.1.           在自动驾驶车辆及技术、共享用车服务越来越成熟的同时，买车的人会越来越少

6.2.1.1.            实际上减少了家庭开支

6.2.2.           未来的共享自动驾驶车辆可以全天候高效运行，不需要停车，而且车辆的总数也将显著减少，因此我们几乎不再需要停车场了

6.2.2.1.            车辆有95%的时间都闲置在停车场里，在这种情况下，很多停车场的存在，其实是对土地资源的一种很严重的浪费

6.2.3.           共享自动驾驶车辆所带来的这些变化，将减少交通拥堵，降低燃料消耗，改善空气污染，节约城市空间，使人们的生活和地球环境更为美好

6.3.         人类驾驶员要成为一名熟练的老司机，可能需要积累1万小时的驾驶经验，但一辆自动驾驶车辆可能拥有1万亿小时的驾驶经验

6.3.1.           它可以从每一辆车那里学习，而且永远不会忘记，也不会疲倦

6.3.2.           从长远来看，我们确实可以期待自动驾驶带来更高的安全性

6.4.         AI的特点是它的良性循环：更多的数据带来更好的AI，更有效的自动化带来更高的效率，更频繁地使用带来更低的成本，更多的时间带来更高的生产力

6.5.         随着自动化程度与通信技术水平的提升，自动驾驶车辆将能迅速、准确、轻松地相互通信

6.6.         将创造由AI驾驶主导的新型交通基础设施，人类驾驶反而会变成路面上的安全隐患

6.6.1.           几十年后，人类驾驶说不定会成为一种违规行为

6.6.2.           也许从禁止在高速公路上驾驶车辆开始，最终人类将被法律禁止在所有公共道路上驾驶车辆，到那时，爱车人士可能不得不像马术爱好者一样，只有去私人娱乐区域或者赛车场，才能摸到方向盘

6.7.         冲击

6.7.1.           在自动驾驶时代，出租车、卡车、公共汽车和送货车等车辆的驾驶员在很大程度上会“怀才不遇”

6.7.2.           还有一些传统职业也将因为自动驾驶而被颠覆

6.7.2.1.            新一代汽车将由电子和软件驱动，不再完全依赖机械零件，从事汽车机械维修的员工将需要重新学习电子和软件方面的专业知识

6.7.2.2.            加油站、停车场和汽车经销商会明显减少，与之相关的员工将被大幅缩编

7.       阻碍L5自动驾驶的非技术性难题

7.1.         伦理道德、责任义务以及大众舆论等

7.1.1.           只有明确责任归属，才能围绕责任归属建立新的行业规则

7.1.2.           一方面需要明确保护软件缺陷受害者权益的法律条款

7.1.3.           另一方面需要确保技术进步不会因过度索赔而停滞不前

7.2.         如果人类驾驶员的行为导致车祸造成死亡，他们需要对司法程序做出回应，由司法程序判定他们是否行为得当，如果他们被判定行为不得当，那么后果可想而知

7.2.1.           如果媒体对每一起由自动驾驶导致的死亡事故的报道都使用谴责性的标题，那么可能会在短期内彻底摧毁公众对自动驾驶产业的信心，即使在长远的未来，自动驾驶有望拯救上百万人的生命

7.3.         AI自己能用可以被人类理解的、合理合法的理由来解释它的决策吗？

7.3.1.           “可解释的AI”是很难实现的，因为AI往往是通过数据训练出来的，AI的答案是一个复杂的数学方程组，需要高度简化后才能被人类理解

7.4.         在过渡期，AI可能会犯一些人类驾驶员不会犯的错误，这是可以被接受的吗？

7.5.         是否应该让一台机器做出可能危害人类生命的决定？

7.6.         典型的做法

7.6.1.           在推出自动驾驶产品之前保持谨小慎微，在绝对安全的环境中缓慢收集数据，以避免任何死亡事故

7.6.1.1.            谷歌旗下的自动驾驶公司Waymo的做法

7.6.2.           在只能说还算安全的情况下尽快推出自动驾驶产品，以扩大所收集的真实数据的规模

7.6.2.1.            这种做法在开始的时候可能会导致较多的死亡事故，但在未来，AI系统势必会挽救更多的生命

7.6.2.2.            特斯拉的做法