格里菲斯大学教授 Ljubo Vlacic：人工智能算法开发者还有什么瞒着我们？

雷锋网新智驾按：人工智能算法是当今车联网智能汽车的主要推手。

4 月 18 日，雷锋网新智驾联合上海市国际展览有限公司共同举办“2019 AI+智能汽车创新峰会”。在这场峰会上， 澳大利亚格里菲思大学教授，IEEE 智能交通系统杂志总编辑 Ljubo Vlacic 认为，目前我们对智能汽车的测试并没有完全交给独立的第三方认证机构进行。

因为在现实中，虽然监管者在努力的寻找车辆的测试方法，但相关的指标体系还没有完全建立。放眼去看人工智能的所有要素，并以人工的智能的角度进行剖析，这些都会对最终的解决方案产生影响。

Ljubo Vlacic 提到，目前所处的时刻和十年前不同，现在汽车制造商在某种程度上已经变成了软件开发商，对软件算法越来越重视。毫无疑问，智能汽车可以带给人类生活的福音，但还需要完善更多的技术流程和监管，不然智能汽车很难在商业化市场上去销售。同时我们也要相信人工智能时代下智能汽车终将会到来。

以下是Ljubo Vlacic的演讲全文，雷锋网新智驾进行了不改变原意的编辑：

人工智能为车联网插上翱翔的翅膀

智能汽车是汽车产业的未来，提到智能汽车，人们可能会想到车联网、人工智能和自动驾驶等概念，那么智能汽车产业如何分解？车联网如何实现人工智能？

车联网是以车内网、车际网及车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-路-行人-互联网之间，进行无线通讯及信息交互，从而实现智能交通管理、智能动态信息服务和车辆智能化控制的一体化网络，可分为“端-管-云”三层系统。

端系统：车联网的端系统是汽车的智能传感器，负责采集与获取车辆的智能信息，感知行车状态与环境，它既是车内通信、车间通信、车网通信的通信终端，也是让汽车具备IOV寻址和网络可信标识等能力的设备。

管系统：车联网的管系统用于解决车与车（V2V）、车与路（V2R）、车与网（V2I）、车与人（V2H）等的互联互通，实现车辆自组网及多种异构网络之间的通信与漫游，保障实时性、可服务性与网络互通性。

云系统：车联网的云系统用于存储ITS、物流、客货运、汽修汽配、汽车租赁、企事业车辆管理、汽车制造商、4S店、车管、保险、紧急救援等多元海量数据，同时对数据进行虚拟化、安全认证、实时交互、计算调度、监控管理等。

但是，自动驾驶是智能汽车终极阶段，其直接目标是减少交通事故和缓解驾驶疲劳，但传统车企在无人驾驶技术上的突破进展缓慢，甚至会嘲笑特斯拉自动驾驶是拿车主生命在开玩笑，因此自动驾驶技术创新任需进行。

智能汽车面临哪些挑战？

其实，人工智能技术就是能够更好的帮助人们完成工作，因此我们要不断测试智能汽车是否能够正常的完成操作。此外，我们还需要了解道路安全需要具备哪些条件。

在现实生活当中，虽然政府部门的监管者在努力寻找车辆测试方法，但是相关的指示体系没有到位。在欧美等国家会希望由监管者来开发测试流程，确保这些产品经过第三方独立机构的认证。例如，美国大部分汽车制造厂商，他们自己完成测试车辆。

智能汽车本身的安全应该如何验证？按照什么样的标准、什么样的规范、什么样的方法对产品的品质进行合理、严谨、负责任地评估？

之前Uber、特斯拉等公司车辆陆续发生自动驾驶交通事故。因此，绝对不能在技术野蛮生长尚不成熟的情况下，拿交通安全当儿戏。

从全世界范围来看，智能网联汽车的测试标准和规范，目前更多体现在理念和原则上，没有落地。

智能网联汽车要代替人的眼睛、耳朵、手脚等，需要获取图像、雷达及V2X等传递回来的大量交通信息，并集中进行融合，然后进行多维的综合判断。在这种背景下，我们需要验证传感器是否正常工作，各种渠道获取的信息是否精准。

目前，行业对于什么样的传感器才是好的传感器，哪些才能达到车用标准等，没有形成统一的标准。这些给整个产业的发展带来极大困扰。

软件是传统车企迈向智能化的软肋

智能化意味着汽车将是拥有感知性、控制性和决策性的所谓变形金刚，网联化意味着汽车将使车联网、车技网和车赢网为一体的动能，智能化和网联化是带有软件的比拼，而不是硬件的比拼，软件将成为汽车行业新的必备技能，这是互联网造车的巨大优势，也可以说是传统汽车企业的最大软肋。

此外，自动驾驶技术是一条全新的赛道，它需要企业具备强大的人工智能能力、数据整合计算能力、视觉计算、环境感知检测、安全监控装置和以高精地图为核心的全球定位系统协作能力等，而这些使得核心能力集中于发动机和变速箱在内的动力组成部分和其背后的供应链覆盖掌控的的传统车企们，变得有些无所适从，毕竟绝大多数传统车企欠缺软件经验。

所以，传统车企要加强技术创新速度。对于传统车企而言，只有通过99.9%安全测试的车辆，才能允许投入市场销售，但是对于自动驾驶是不可能的，因为自动驾驶技术好坏，依赖于数据收集量级及全面性，就拿路况来说，车辆在加州测试完没问题，在欧洲测试完没问题，不意味着在亚洲路况不发生问题，但是车企想把路况全部测试完是不可能的，因此特斯拉把硬件先研发出来，然后通过使用车主不断收集数据去迭代软件，是实现技术创新最佳途径。

此外，人们要重视技术创新所带来的主动安全。传统车企传达的车辆行驶安全往往是一种被动安全，即车辆发生事故后如何保护乘客安全。例如通过自动驾驶技术通过路况、车况及人车之间的算法及保护机制，来减少汽车事故发生，从而实现车辆行驶的主动安全。同时智能汽车推动下的自动驾驶，还应该在减少人工重复性劳动上有所突破，如自动跟车功能代替脚踩油门刹车，自动泊车功能代替人为寻找停车位等，以此来为车主节省更多的体力和时间。

智能汽车是汽车产业的未来，智能汽车产业链上有传统车企、智能集成供应商、电力集成供应商、底层汽配供应商及人工智能科技公司五种参与者；车联网是智能汽车的基础，它通过端系统、管系统和云系统来实现车辆交通的人工智能；无人驾驶是智能汽车终极阶段，其技术创新需要面向未来、迭代更新及主动安全。

因此，主机厂在智能网联化的发展中，应当着眼于定义和架构智能交互概念，设计各用车场景下的交互策略和交互逻辑，并定义和选择合适的智能交互硬件。主机厂提升智能交互的核心在于整体智能交互概念的设计，而非在产品中简单的堆砌更多智能交互硬件。

人工智能的伦理、法律与监管

目前，全球自动驾驶汽车产业生态已初步形成，智能环境感知、多传感器融合、智能决策、控制与执行系统、高精度地图与定位等核心技术发展迅速，一些技术已经具备或很快具备产业化应用要求。

如今整个产业呈现出多厂商角逐，汽车与人工智能深度融合，传统车企与IT企业跨界合作等特点。

因此，各个国家尽快构建完整统一的自动驾驶测试评价体系，建设国家级智能驾驶汽车基础数据交互平台，基础数据交互平台通过标准的数据交互方式，与各地测评场地管理方、各企业级平台以及行业监管平台等实现互联互通，实现大数据共享，提供基础数据服务，优化资源配置，提高行业监管效率。

此外，在保障公共安全的前提下，有序推动自动驾驶车辆的开放道路测试工作。建议开展基于自动驾驶汽车的保险体系研究，鼓励金融机构参与，科学、合理地建立保险与自动驾驶汽车安全风险的产品开发与试点，助力自动驾驶汽车在测评环节和商业化应用的发展。

最后，在人工智能技术研发的同时，要加强人工智能相关法律、伦理和社会问题的同步研究。此外，加强对人工智能潜在危害与收益的评估，构建人工智能复杂场景下突发事件的解决方案。同时，加强智能汽车安全监管等人工智能重大国际共性问题研究，深化在人工智能法律法规、国际规则等方面的国际合作。