全球汽车 AI 大会在上海举行，谷歌无人车之父现场说了啥？

无论你对技术抱有多大的怀疑，一两年之后你都不得不承认，机器的学习能力远超你的学习能力。这一点我已经很早就意识到了，在 2015 年的时候我就预测，在 2050 年之前的某一个时间节点，机器驾驶一定能够全面超越人类驾驶。

8 月 24 日，2017 全球汽车 AI 大会在上海举行。优达学城（ Udacity ）联合创始人兼总裁，斯坦福大学终身教授，原谷歌副总裁、Google X 实验室联合创始人 、谷歌无人车之父塞巴斯蒂安 · 特龙（ Sebastian Thrun ）来到现场，分享他与无人车结缘的故事，以及他对无人车未来的一些思考。

塞巴斯蒂安 · 特龙在2017 全球汽车 AI 大会

塞巴斯蒂安 · 特龙于 1967 年生于德国索林根，1995 年获得波恩大学计算机与统计学双博士学位，后任教于卡内基梅隆大学。2003 年，特龙加入斯坦福，也正是在那时，他开始了其无人车研究的进程。作为世界顶级的人工智能专家，特龙在 39 岁时当选美国国家工程院院士，被美国著名商业杂志 Fast Company 评为「世界上第五个最有创造力的人」。英国卫报则称之为「20 位互联网自由战士之一」。

2007 年，谷歌掌门人 Larry Page 和谷歌联合创始人 Sergey Brin 邀请正在斯坦福任教的特龙，请他主导在谷歌内部建立一个硬件创新实验室，也就是后来的 Google X 实验室。这个全球瞩目的「奔月计划工厂」已经产出包括无人驾驶汽车、Google Glass 在内的众多标志性项目。

2012年初，受可汗学院启发，特龙参与创立了 Udacity。这是一家盈利性教育平台，提供大规模开放式在线课程。特龙在斯坦福所授的「 CS 373：无人驾驶汽车设计」是 Udacity 首批上线的课程之一，它吸引了来自 190 个国家的 16 万名学生，其中年龄最小的只有 10 岁，最大的已经有 70 岁了。

具有传奇色彩的塞巴斯蒂安 · 特龙来到中国，为中国无人驾驶从业者带来怎样的启发？这里是机器之能整理的核心要点：

特龙的无人车之路始于 DARPA 的一次沙漠挑战赛

2013 年的时候，无人车就会看红绿灯并依此判断周遭环境了

一旦一辆车习得一个事故模型，车联网上的所有车辆就都能学会，从这一点来说，人工智能的学习效率远高于人类

在 2050 年之前的某一个时间节点，机器驾驶将全面超过人类驾驶

无人车的出现能够使老人、小孩、甚至残障人士轻松驾车出行

在未来共享汽车的版图中，自动驾驶将占很大比例

若自动驾驶成为可能，全球将有 10% 的卡车司机失业

以下为经过整理的演讲实录：

首先我为大家介绍一下无人驾驶。其实，我在这方面的研究已经超过十年了。今天我会先讲一下自动驾驶的历史、现在的发展情况、以及未来的发展前景。

每当提到自动驾驶，我都会非常兴奋。特别在当我还是小孩子的时候，当时电视和电影中经常会出现这样的画面，一辆车不需要人类驾驶员就可以非常快速地在路面上行驶。后来，我的一个朋友在一次交通事故中丧生了，当时他驾驶的汽车与一辆卡车相撞。

其实每年都有上百万人殒命于交通事故，特别是在中国。中国人口众多，道路上的的车辆也多，汽车的数量远远高于自行车。不过放眼全球，其实我们所面临的问题是一样的。

我与无人驾驶结缘于 2004 年，也就是 13 年前。当时美国政府有一个计划，美国国防部先进研究项目局举办了一个关于汽车无人驾驶和自动驾驶的挑战赛（ DARPA Grand Challenge ）。这个比赛的评选标准是参赛的无人驾驶车辆能否在莫哈韦沙漠中行驶超过 140 英里。当时参赛队伍中有很多来源于大学车队。

这个视频中有的车辆可以以超过 140 英里的速度行驶，有的拥有非常好的防侧摔性能，其中那个当时参赛的最小的车，是由来自于加州大学伯克利分校的学生制造的，我当时问了一下它的研发人员，他表示很有信心，说下一次一定会做得更好。

在 2005 年的时候，当时我还在斯坦福做兼职教授，主讲 AI 。那个时候我认为 AI 做的还不够好，我们有能力对 AI 做大幅度的提升，所以我在斯坦福大学创建了自己的研究团队。但是我们研发出来的无人驾驶车只能行驶大约 10 到 20 英里，这是远远不够的，我们必须要让车辆能够在道路上持续行驶才行。

这是我在斯坦福大学建立的第一个团队，团队的成员都是我的学生。由于当时资金不够，我也没能力给我的学生发工资，只能给他们提供更多的课程作为回报。我的课堂主题就是无人驾驶、自动驾驶，他们反过来还会给我交学费。

我们遇到了非常多的问题和困难，但最终车还是研发成功了。同年（ 2005 年），《时代》杂志采访了我们，写了相关的文章，文章的关注点放在我们团队在无人驾驶方面所遇到的困难上。后来这是在另外一个大学，他们也有相关的项目，这是他们当时的无人驾驶汽车翻车的照片。

虽然困难很多，但我觉得，我们不应该被眼前的这些失败所困扰，后来《纽约时报》还去采访了研发这辆汽车的人。这段视频展示了一辆非常小的车，它可以实现自我平衡的功能，但其实当时它的表现性能还不太好。在2005 年那个时候，大家都不觉得无人驾驶在以后会成为现实，当然，这是 12 年以前的事了。那个时候只有书呆子才相信无人驾驶能够实现，大部分人都不这样觉得。但我们作为科研人员，就是要把不可能变成可能。

在这个视频里我们可以看到，这辆斯坦福大学研究的无人驾驶汽车，已经行驶了大约100 英里。这个由机器人驾驶的汽车在非常弯曲艰险的路面上行驶，我们用这种直升机对整个行程进行了视频记录。由于路况不佳，这辆无人车行驶了超过 6 个小时才驶满 100 英里，而且行驶轨迹非常崎岖，如果车上有人的话会非常危险。不过这在当时是有很大意义的，因为它独自驶完了 100 英里的全程自动驾驶。

在今天，我们能够越来越清晰地意识到技术正在以很快的速度改变人类的工作和生活。不论你现在的工作是什么，也许在未来的某一天，你会在一夜之间发现，某一项技术正在全方位地取代或者辅助你的工作。在全球范围内有很多专家正在致力于促成这件事，他们非常疯狂，特别是在无人驾驶以及自动驾驶方面。

这是有一次我们在美国华盛顿航空航天博物馆展出的无人车，当时我遇到了一位来自于谷歌的老友，我们就无人车话题展开了探讨，其中提到了当年的沙漠挑战赛。他说：「我也关注那个比赛，但是我没有觉得特别有趣，因为谷歌的客户完全不在乎无人车能不能在沙漠中行驶。」回首当年我们参加比赛时的想法，单单是因为觉得在沙漠中的无人驾驶任务是无法完成的，很有挑战性，所以就去试了。再后来，我和大陆集团的一个朋友进行了合作，建立了一支非常小的团队。我们到商店买了很多的零配件安装到这辆车上，包括激光雷达、感应器、传感器等等。

其实无人车就是没有司机的车，因此需要一个非常强大的计算机系统来帮助车辆进行运算和决策，代替人脑。但是计算的第一步，是车辆需要能够看见路况，因此我们在车上加了这些传感器。

组装调试完成后，我们首先在洛杉矶的盐湖城进行实验。我们想看看传统车辆和这些雷达以及传感器结合后能够拥有怎样的新性能，后来我们又在加州进行了路测。

上面是2010 年的谷歌无人车，下面是 2012 年的，可以看到已经发生了一些变化，不论是外在还是性能都有所提升。

这个是 2015 年的新款，大家可能对这辆比较熟悉。它更小了、更有科技感了。

这个视频是我们在 2010 到 2011 年之间秘密进行的一次实验，视频是以车辆的视角拍摄的，当时我们在真正的城市环境和山路上均进行了路测。我们发现即便是在夜晚，车辆也能够非常平稳地驾驶。其实我们非常喜欢在这种长的弯路和山路上进行实验。这些视频显示出当时我们的技术已经很先进了，在行驶过程中没有出现任何问题。这个动画模拟的是我们试驾超过 1000 英里的时候的情况。

这段视频展示了我们的激光、雷达以及摄像头传感器的布局，它们捕捉到的画面能够非常清楚地显示周围的环境以及障碍物。车辆周围十公里以内的所有细节都能「看」得一清二楚，而且是 360 度的无盲区探测。

机器的记忆力非常强大，就像大象一样。我们只需要将驾驶相关的数据预先存到系统中，系统经过自行分析处理，就能够记住所有的数据从而学会安全驾驶。加上清晰的 3D 图像，能够达到意想不到的效果。

现在我们的无人车已经能够「看」到路况，那么车辆怎么知道我现在在哪以及要驶向哪里呢？这涉及到我工作的核心要点——VMI 定位。我们与美国政府合作，他们向我们提供 30 多颗卫星进行定位。但是使用这些传统卫星，精度只能达到 2-3 米，这对无人驾驶汽车来说远远不够。我们希望通过 VMI 和实时计算，能够让定位精度达到厘米或毫米级。通过 VMI，车辆能够更好地了解周围的情况，还能对前方路段进行预测，防患未然。

马路上的交通是动态的，我们当然还希望能够对周围环境进行动态的呈现。我们需要通过这些激光雷达、摄像头、传感器，以 3D 的方式对道路上的车辆、行人、自行车进行统计，区分哪些是动态物体哪些是静态物体，计算动态物体的移动速度是多少等等。我们经过数年的研究，开发了能够追踪所有物体的技术。现在大家看到的就是很多行人、汽车、自行车往来穿梭的场景。可以想见，这些物体的数量是非常庞大的，我们要怎样更好地实现如此复杂的场景识别呢？比如说我们会观察红绿灯，在绿灯亮起的时候，车辆知道自己能够通行，它同时也应该知道在这个方向上的人、汽车、自行车都会前进。那么，如果在交叉路口，如果我们知道这个路口的交通信号灯是怎样设置的，就能够让系统更容易地解读到路面上不同物体的行为。

在 2013-2014 年的时候，技术就已经能够达到这样的程度了。另外，机器不会喊累，也不会酒驾，而且异常精确。毫无疑问，机器驾驶比人类驾驶具有更大的优势。当然机器也会犯错，如果系统出现了故障，我们需要建立一个有效的机制来让人类驾驶员接管车辆。但就目前的情况看来，人类介入的比率正在逐渐变小。经过一千次、一万次模拟驾驶训练，假以时日，我认为未来可能在 3 万英里、5 万英里、甚至 50 万英里才需要人类介入一次。

大家可能会问，无人驾驶汽车会不会取代人呢？其实人工智能和机器学习的原理与人类的学习方式是非常不一样的。大家一般都开过车，或者最起码看见过别人开车。对于人类驾驶员来说，很多时候要在路上磕磕碰碰才能逐步的精进驾驶技能，一个人类驾驶员需要遇见不同的事故才能学会规避以及处理。然而学习的代价是高昂的，有的时候甚至会让人丧命。

谷歌的软件在这一方面有一个很好的功能，每一个无人驾驶车辆学习到的驾驶技术，都能够通过车联网的方式使其他车辆掌握，也就是说一个交通事故的模型能够通过车联网的方式被网络上所有的车辆使用。从这个角度来说，人工智能是超过人的。无论你对技术抱有多大的怀疑，一两年之后你都不得不承认，机器的学习能力远超你的学习能力。这一点我已经很早就意识到了，在 2015 年的时候我就预测，在 2050 年之前的某一个时间节点，机器驾驶一定能够全面超越人类驾驶。

我接触深度学习的时候是在 1988 年，当时我还是一名研究生，接触到了很多 AI 和其他的先进技术。时间发展到现在，我们看到在过去两年人们的意识已经开始向 AI 转变。这不是一般的转化，而是大规模的转化。这两年我们谈到无人驾驶、AlphaGo，谈到用人工智能诊断癌症、进行远程医疗，其核心在于深度学习技术。从 80 年代深度学习提出以来，就一直在推动技术的前进。

现在人工智能技术的发展非常快，机器能够通过自己的错误进行学习。比如教育小孩子的时候，你不可能将所有的意外事故一条一条地告诉他，而是给他环境让他自己去学习、去适应。计算机也是一样，你把大的规则输入到系统，它会通过深度学习的方式进行创新性的分析。不同的是，一个机器学好了之后，其他机器也能受益。这样的学习速度当然会超过人类，这在人类历史上是一个非常大的转变。

大家都知道我在离开谷歌之后创办了 Udacity，这是一个学习平台，在平台上你能够学到包括深度学习、自动驾驶的相关课程，同时我们也设计了各种各样的题目。我们开展了一个深度学习项目，向学生提出挑战，在我们模型的基础上，学生需要思考怎样让谷歌的自动驾驶技术更加智能。比如怎样让机器更快地学习、辨别它所在的车道、判断当前位置在车道上的偏移程度。我们设置的挑战是只用 3 个摄像头完成任务，一般情况下，学生们经过一周左右的学习就能够使一辆无人车在模拟公路上行驶。

下面我再跟大家分享一个视频，这个视频展示了一个真实的无人驾驶车辆的行进情况。史蒂夫很早就使用无人驾驶，是首批「敢于吃螃蟹的人」，他觉得无人驾驶对他的生活产生了很大的影响。视频中他无需双手就能开车上班，但事实上，史蒂夫是一位 50 岁的盲人，他在 40 岁的时候由于生病失去了视力。视频中我们看到，他把车停在这里，下车去购买食物。世界上有很多像史蒂夫一样的人有这样的需求，包括学生、老年人以及残障人士等等。史蒂夫在失明之前有一份很好的工作，薪水非常不错，但后来因为他的眼疾，基本上没有办法正常生活，更别说工作。现在有了无人驾驶的辅助，史蒂夫又能不受限制地出行了，他可以自己开车去取干洗的衣服等等，而不需要别人的帮助。

除了道路上的无人驾驶，我们还有其他层面的技术研究，例如这辆丰田普锐斯，我们把它用作赛车无人驾驶的测试车辆。它的行驶速度非常快，而且它的大脑能够自动选择最佳路径。在实际时间测量实验中，我们没有打断过普锐斯，让他自由发挥，实验证明它的驾驶速度远高于人类。

最后我想向大家分享的是在 2014 年的一个项目，是我们和 Uber 合作的一个共享汽车平台项目，用户可以通过这个平台和其他人共享无人驾驶汽车。现在共享汽车在中国非常流行，那么如果共享汽车变得更加舒适、更加经济，对我们每个人而言都是有益的。在这个视频里我们看到，只需登陆 APP，点击按钮预约共享汽车，它就会自己开到你面前。这个原型我们在大约几个月之前就做好了，有两种模式可以选择：你开车，或者让车自动驾驶。

我们认为，未来自动驾驶在共享汽车方面是一块非常大的市场。现在在全球，共享汽车都是一个非常火的概念。我们认为，未来几年自动驾驶也会被融入进共享汽车的板块里。

还有就是卡车司机，全球有那么多的卡车司机。如果自动驾驶真的成为现实，其中有 10% 的卡车司机将被替代。另外，未来如果自动驾驶实现的话，下至几岁小孩，上至百岁老人，都能驾驶汽车出行。所以我们要耐心等待，在未来将这种不可能变成可能。