2016年9月，美國前總統歐巴馬卸任前特地投書匹茲堡郵報，論述美國政府看待自駕車輛（self-driving vehicles）的開放立場，並希望相關產業在獲得政府支持的同時，也能遵循15項安全規範以保障人民安全。
未來，當技術成熟，就真如歐巴馬所言：自駕車將成為一個促進產業升級、通勤安全、改善人們生活的明日之星嗎？
本文以三大重點為你揭開自駕車的神秘面紗：1. 千里眼與聰明腦–感測器和人工智慧。2. 比人類更快、更穩、更準的鐵人駕駛。3. 最後一哩路？自駕車仍需克服的挑戰。
創新心法：
透過感測器及人工智慧，自駕車技術逐漸成熟，使行車更加安全。卻需思考給予自駕車深度學習的資料和道德判斷。
根據美國國家公路交通安全管理局（NHTSA）採用的分級，未來車輛將依據自動駕駛技術介入的程度，從完全由人類駕駛、到全自動駕駛，共分為0~5級。首先，先來看看影響自動駕駛進步幅度的兩大關鍵：感測器與人工智慧。
1.千里眼與聰明腦–感測器和人工智慧
一般而言，為了複製人類的感官，自駕車平均需要安裝2、30組各種感測器（sensor）來偵測外在環境，包括攝影機、雷達、光達（LiDAR）、超音波等等。
(圖片擷取：Tesla)
多樣的感測器針對不同目的發揮作用，如攝影機拍攝各角度的畫面、雷達偵測前車動態、光達即時建立周遭的3D全貌。和人類的感官相比，偵測的有效距離更遠、死角更少。
有了敏銳的感官，還需要聰明的大腦。此時，具備學習能力的人工智慧就派上用場。
比方說，如何分辨前方的物體是小孩還是垃圾桶？行人、腳踏車、機車經過時，行車速度又該如何調整？路口能不能左轉？諸如此類的問題對人類來說相對容易，而人工智慧需要大量的資料進行訓練。
在數據量決定自駕車性能的前提下，許多新創公司Uber、Waymo（由Google自駕車計畫獨立出的子公司）早已開始由大量道路實測來收集數據，用以訓練自家人工智慧，希望能夠有越來越聰明的大腦。
結合了厲害的千里眼和聰明腦，自動駕駛被賦予什麼樣的優點呢？
2.比人類更快、更穩、更準的鐵人駕駛
A更敏銳的感官
對人類駕駛來說，夜晚經過沒有路燈照明的路段時，路邊衝出的小動物、黑暗中行走的路人或未開大燈的汽機車都可能變成致命殺手。
配備不受光線影響的各式偵測器之後，自駕車在視線不佳的環境也能保持順暢的行進。
人類雙眼的視角大約是180度，即使加上後視鏡仍然存在許多盲點。有鑑於此，遍佈車身的感測器提供上下左右全方位的感知，消除盲點的存在，提升車輛行駛的安全。
(圖片擷取：inhabitat)
B更快速的判斷
每個人的速度變化感受不同，再加上駕駛經驗的差異，都會影響人類對煞車時間點的判斷。而自駕車能夠持續監測周遭車輛的狀態，再依據目前相對的動向、車速及車距變化來計算出最佳的煞車或閃避時機，提早預警來自四面八方的威脅並作出反應。
快速判斷的優勢體現在安全性，就如以下Tesla輔助駕駛（Autopilot）的行車紀錄中令人驚奇的幾個場景：前方快要發生撞擊時提前發出警告並減速、自動閃避來自斜後方想要切換車道的魯莽駕駛等，都是人類的能力無法做到的。
C更可靠的駕駛
根據美國國家公路交通安全管理局（NHTSA）統計，人為造成的交通意外的四個主要原因分別是：疲勞、分心、酒駕和操作失誤。
表面上，自動駕駛不因手機訊息分心、經得起長時間駕駛，車內小孩的哭鬧也不會讓機器產生情緒起伏，是非常理想的司機人選。
但值得注意的是，人性難以預測，專注且耐操的自動駕駛雖然可以避免人為失誤，不過在人類及機器駕駛並存的車道上，仍要小心來自其他魯莽駕駛的無妄之災。
總結而論，自駕車比起人類駕駛更敏銳、更全面也不怕疲勞。那麼，在不久後的將來，我們是否就能看到載著乘客的自駕車到處跑了呢？
3.最後一哩路？自駕車仍需克服的挑戰
自動駕駛技術已取得相當成果，廠商紛紛推出自家概念車。但是，在正式上路之前，技術、商業、法規等諸多層面都還有許多尚待克服的難題，讀者可以一起思考：自駕車普及後，將會如何影響我們的日常生活。
A道德困境
如果有一天，你駕駛的車輛突然煞車失靈，必須在瞬間作出決定：冒著喪命的風險撞上一堵水泥牆、或是衝撞其他車輛來提高自己生存的機率。你會怎麼做？
類似的選擇難題在道德層面不斷被提出討論：人類駕駛有自己的一套價值取捨；然而，同樣的情形套用在自駕車時，當意外發生，乘客或其他用路人的命運早已被決定在程式碼邏輯之中。
擴大影響層面來看，相關的法律責任究竟該歸屬於車廠、工程師或乘客本身呢？保險及法規又該如何制定？這些都是自駕車上路之前需要好好深思的問題。
B極端天候
在雨天、下雪、大霧等極端天候下，車輛的感測器會受遮蔽而無法完全發揮作用，用以定義道路的標線也難以辨識。因此，為避免誤判造成意外發生，自動駕駛系統在惡劣天氣中仍需將控制權交還給人類駕駛。
(圖片擷取：Business Insider)
為了突破天候限制，Volvo、Ford等傳統車廠開始努力嘗試在缺乏道路標線作為依據時，改由辨認護欄、行道樹或電線桿來取而代之。Google則是偵測天氣狀況，調整軟體演算法來因應惡劣天候。
C影像辨識的精確度
根據紐約時報記者的乘坐經驗，自駕車的影像辨識遇到路面陰影、坑洞、水窪或油漬時會產生困惑，需要較長時間確認是否繼續前進。
(圖片來源：Flickr)
除了警示障礙，影像辨識也肩負著對照街景來確認路線的重要任務。若街景更新速度跟不上實際變化，將讓自駕車不知自己身在何處。
Uber的實驗車在經過橋梁時，曾經因為兩旁太過空曠，缺乏大樓、路牌等標的物指引而經歷短暫迷航。
(圖片擷取：Business Insider)
另一個關於行道樹的有趣例子是：Uber在秋天時儲存的街景中，行道樹的葉子已經掉光；到了春天，樹梢冒出的新芽卻使影像辨識產生困難，困惑的自駕車只好無奈地向操作人員求救。
由以上例子得知，如何精進影像辨識能力，是打造出更聰明的自駕車不可避免的重要挑戰。
D應變能力
以現今技術來說，人工智慧針對單一任務表現傑出（如下圍棋的AlphaGo、挑選小黃瓜的機器學習），但處理複雜任務的能力有待加強。
(圖片來源：Flickr)
在自動駕駛的領域，面對各種難以預測的人類行為，自駕車配備的人工智慧除了遵守交通規則，還需要舉一反三、靈活的應變彈性。
舉例來說，人類駕駛發現人行道上有小孩在玩球時，通常會提高警覺並放慢速度；但在自駕車的視野中，小孩在車道範圍之外、移動速度緩慢，據此認定危險程度不高而保持正常行駛，無形中提高意外風險。
此外，在新加坡進行的自駕車道路實測記錄中，多數事故並非自動駕駛系統失靈，而是好奇的民眾會突然跳到車前，想看看車子是否能夠自動煞停而導致。
因此，訓練人工智慧將人類的不確定性納入決策，讓機器的駕駛技術可以應付多變的突發狀況，是提高市場信心的下一個關鍵里程碑。
從種種成果看來，自動駕駛技術仍有許多改善空間。因此，現階段將自駕車科技定位在輔助人類駕駛的角色，會是比較務實的角度。
對自駕車有初步認識之後，接下來《創新拿鐵》將帶領讀者進一步瞭解相關廠商的發展現況，在產業、環境、社會等各種層面，日漸成熟的技術又會帶來什麼樣的變遷？
參考資料：
1.4 reasons why driverless cars aren’t everywhere yet
2.Google’s historic journey in Austin
3.Self-driving cars will be safer drivers than I am, but I’m still nervous in them
4.Twelve things you need to know about driverless cars
5.Uber’s self-driving cars are impressive — but there’s still a lot they can’t do
6.Barack Obama: Self-driving, yes, but also safe
7.Your car will become a second office in 5 years or less, General Motors CEO predicts
8.NHTSA releases self-driving car guidelines
10.It looks like Apple hasn’t given up on a self-driving car
推薦閱讀：
1.Google無人駕駛汽車讓我們知道，「先行者優勢」並不是萬能！
