自動駕駛技術(shù)一度被認為是當前交通出行領(lǐng)域智能化和網(wǎng)聯(lián)化發(fā)展的主要方向，但，自動駕駛真的比人駕駛更安全嗎？
特斯拉司機不當使用 L2 輔助駕駛致人死亡
據(jù)美聯(lián)社 1 月 18 日報道，日前，美國加州檢察官對特斯拉司機 Kevin George Aziz Riad 提出兩項“車輛過失殺人罪”的重罪指控，原因是其不當使用 L2 輔助駕駛導(dǎo)致發(fā)生車禍。這是全美第一起因為使用 L2 輔助駕駛系統(tǒng)致人死亡而被控重罪的案例。
據(jù)悉，該起車禍事件發(fā)生于 2019 年 12 月 29 日。當時，豪華轎車服務(wù)司機 Riad 駕駛的特斯拉 Model S 開啟了 Autopilot（自動輔助駕駛）系統(tǒng)，在遇到紅燈時，Autopilot 沒有及時識別紅燈并剎車，Riad 也沒有及時接管車輛，最終導(dǎo)致 Model S 與一輛本田思域相撞。思域車上的兩名乘客 Gilberto Alcazar Lopez 和 Maria Guadalupe Nieves-Lopez 當場身亡，Riad 和同車的一名女子也因受傷被送醫(yī)治療，不過二人并沒有生命危險。
事故發(fā)生后，死者家屬分別起訴特斯拉和 Riad，他們指控稱，由于 Riad 的疏忽，且特斯拉銷售有缺陷的車輛，造成突然加速且自動緊急制動沒有開啟，最終導(dǎo)致嚴重事故。
美國國家公路交通安全管理局（NHTSA）調(diào)查后認為，Riad 確實在事故發(fā)生時開啟了 Autopilot 功能，但因為駕駛員需要始終對駕駛負責，因此不管開啟與否，都需要對這起事故負責。
法庭記錄顯示，州檢察官去年 10 月對 Riad 提出了指控，不過詳細的文件直到最近才公布。 Riad 面對這些指控表示不認罪，并在案件調(diào)查期間獲得保釋。據(jù)悉，該起案件的初步聽證會定于 2 月 23 日舉行。
L2 輔助駕駛?cè)孕枞斯けO(jiān)測和干預(yù)
根據(jù)汽車工程師協(xié)會的定義，自動駕駛技術(shù)一共分為六個級別：
L0：人類司機掌控所有駕駛功能；
L1：某種程度的駕駛輔助（可以是自適應(yīng)巡航或路線保持/居中）；
L2 ：部分自動駕駛（同時具備自適應(yīng)巡航和路線居中），但司機必須保持控制狀態(tài)（手放在方向盤上，雙眼注視路線，或者兩者皆有）；
L3：有條件的自動駕駛（特定條件下司機可以雙手離開方向盤做自己的事情，但收到車輛提示時必須介入控制）；
L4：高度自動駕駛（在特定場景下，如指定城市街道和/或校園道路上，司機不需要介入控制）；
L5：完全自動駕駛（不需要人類介入控制）。
目前，市場上大多數(shù)自動駕駛汽車實際上都處于 L2 階段，這個階段的車輛主要是利用車載傳感器收集車內(nèi)外環(huán)境數(shù)據(jù)，為駕駛員提供危險預(yù)警等功能，實現(xiàn)部分自動化駕駛，一般可以提供自動泊車系統(tǒng)、緊急自動剎車、車身穩(wěn)定系統(tǒng)、自動巡航、十字路口輔助、車道保持等功能。
這也意味著，司機在使用 L2 輔助駕駛時，必須不斷監(jiān)控道路并做好隨時接管控制車輛的準備。而在不少自動駕駛引發(fā)的交通事故中可以發(fā)現(xiàn)，很多司機過度依賴 L2 輔助駕駛，疏忽大意，從而導(dǎo)致事故發(fā)生。另一方面，汽車廠商對于自動駕駛的過度營銷也是悲劇發(fā)生的原因之一。一些自動駕駛汽車廠商在宣傳時，過度營銷無人駕駛，未明確提及相應(yīng)危險，從而讓用戶陷入認知誤區(qū)。
此前，特斯拉 Autopilot 軟件負責人就曾對加州機動車管理局（DMV）表示，該公司 CEO 埃隆·馬斯克一直以來都夸大了其高級駕駛輔助系統(tǒng)的能力。2021 年 3 月 9 日，加州 DMV 與特斯拉代表舉行了電話會議，會議的備忘錄顯示：“馬斯克所發(fā)布的推文，與工程現(xiàn)實不符。特斯拉目前處于 L2 級自動駕駛階段?！彼^ L2 級，是指需要人工監(jiān)測和干預(yù)的半自動駕駛系統(tǒng)。
正如特斯拉副總法律顧問 Eric Williams 此前所言，“Autopilot 和 FSD 都不是自動駕駛系統(tǒng)，目前沒有任何一個系統(tǒng)可以讓我們的車輛實現(xiàn)自動駕駛?！睋Q句話說，特斯拉的測試版 FSD 只是名字讓人聯(lián)想到了自動駕駛而已。
自動駕駛汽車不像人那樣“看世界”
2019 年， 特斯拉的 Autopilot 還不能及時識別紅綠燈，雖然在 2020 年，Autopilot 在識別城市信號燈方面取得了關(guān)鍵進步，但自動駕駛系統(tǒng)（ADS）要想進一步提高自動化程度，必須要解決包括常識推理、計算機視覺系統(tǒng)在內(nèi)的諸多問題，否則很可能會被一些人類能正常識別的情況愚弄。
例如，研究人員證明，限速標志的微小變化可能會讓機器學習系統(tǒng)認為該標志顯示的是 85 英里/小時而不是 35 英里/小時。類似的，一些黑客使用鮮艷的貼紙制造出假車道，欺騙特斯拉的自動駕駛改變車道。在這兩種情況下，這些變化都愚弄了汽車，但愚弄不了人。
自動駕駛汽車看待世界的方式與人類存在很多差異，而這些差異引發(fā)的擔憂遠不止遭受黑客利用這一種。
雖然我們有充分的理由假設(shè)自動駕駛汽車將比人類駕駛更安全。畢竟它們從不疲倦，不會在開車時發(fā)短信，或酒后駕車。但同樣，我們也有充分的理由假設(shè)它們不會更安全。
