陈小宁的博客

初试特斯拉的自动驾驶功能

特斯拉（Tesla）和许多品牌的车一样，都在自动驾驶技术上投入了很多，如今已经有了相当成熟的结果，基本上可以配在现有各种车型上，当然其主要原因也是因为硬件的条件已经达到完全成熟的程度，作为经济利益收益的一部分，只是软件搭载的问题。

自动驾驶分为很多层次，FSD（Full Self Driving）应该算用户最翘首以待的功能。目前他已经在路上跑了起来，的确很刺激，很非常方便。我第一次用这个功能是去一个我很熟悉的地方，我知道很多条路都可以走到。不过，打开自动驾驶功能后，他根据地图指示的目的地找出一条我平时没走过的路，要找我平时的概念这是一条小路，不仅有很多转弯，关键是大部分都是只有一条车道的小路，特别是最后他在拐上大路时还是在停车标志前等待繁忙的大路往来车辆，最后在一个空档拐出去，有惊无险地到达目的地，其中几次我觉得可以走他却没有走。

自动驾驶应该和人工智能一个道理，通过大数据的整合得到一个执行的最佳方案。据专家朋友提示，数据采集有两个途径，一个是靠车在行驶过程中通过传感器来收集数据，经分析得到最佳的解决方案。另一种是靠收集驾驶员的驾驶习惯，从优秀驾驶员的操作中得出正确的数据。特斯拉目前采用的是第二种方案，虽然在某一级测试中不见得突出，但从总体上看，他相当于把人的神经数据都用起来，这是一个超大的数据，且可以从每个驾驶员的操作中不断补充，理论上是前途无量的，也是人工智能真正的目的所在。一句话，不是靠推导，而是靠实践。

这看似两种不同的思路，在我看来有点像交流电对直流电，或是模拟电路对数字电路。数字电路非常精确，但是如果数据量或说数据的位数不够大，结果的精确度不高带来的后果就是操作很生硬，这是看似老旧的模拟变化就很柔和。马斯克的脑子具有数字存储的海量，加上高速逻辑运算的结果，还有平滑模拟的现实性，不得不佩服这个指路人（外星人）。

第一次实践之后，接下来是一条从未去过的陌生旅程，放心地打开自动驾驶，看着车子在高速公路的车海中自由地换道、超车，当然他也绝不会违反交规，按照正常的约定俗成，我给车子的限速指示提高一些。特斯拉公司或许也采集到我这个优秀驾驶员的数据去补充数据库。当然我也感觉到目前的自动驾驶被采集数据的驾驶员非常年轻，而且还有不错的驾驶经历。

在陌生的路上使用自动驾驶的基础是对自动驾驶的绝对信赖，不过也有一些小插曲，路上如果遇到临时修路的指示，虽然他会躲避让开，但明显地感到会有片刻的犹豫，因为他要做出及时的判断。对待路上的坑坑洼洼他的眼睛显然不如人眼的眼观六路，这也是他要从驾驶员操作中找到真实数据的原因。再有，他的驾驶习惯显然会让用电的效率降低不少，快速的启动和短距离的制动可以明显地降低有效里程数。这也是他要向我学习的另一个理由。

大数据的收集是人工智能的基础，而数据的覆盖面和多重性是学习的重点，而结果的可执行性则是决定人工智能具有可行性和更完善。因此，人工智能不仅是局限在在眼前的相对正确的结果，还在于能否通过进一步学习不断完善解决的方法，从而能够在将来变成更加实用和真正可行的结果。就像人类发展过程中，学习可以使人进步，能做出正确的决定，而进一步学习和总结才能进入到更好的状态。进化、提高是必然的趋势，实用的人工智能先期通过学习得到结果，之后还必须在学习过程中自我完善才能真正用于现实。而且，就像以人为本和严格法律不应该绝对对立，很多实际案例中，他们有相互包容和互相影响的可能，其原因就是有额外（更多）的因素影响和干扰的可能，双方都有需进一步完善的地方，这时，学习和提高才是进步的必然途径。

如果所有车都有统一的行驶规则，对于自动驾驶来说就不光是一种趋势，而且实现起来也很简单，不过，就目前的形势看，真正实现完全自动驾驶还有漫漫征程，因此，还需格外小心避免特殊的人为因素，单从这点看，特斯拉的数据数据收集方法还是更胜一筹。

说实际的，我对自动驾驶还是心有余悸的。虽然他能选择最佳路线，也能认识路上的各种标志，但是显然他的培训师都是年轻人，因此他的开车习惯就是猛加速和快速刹车，效率不高倒不是主要问题，但面对栏杆没有减速着实吓我一跳，不得已踩下刹车干扰了自动程序。