無人駕駛車的前景

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。

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。

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？

比人類更快、更穩、更準

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。

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？

自駕車的挑戰

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。

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。

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。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。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。