反驳https://auto-time.36kr.com/p/835982422784133
L5级全自动驾驶是指车辆在完全没有人工干预的情况下，实现任意路况的自动驾驶。在很多自动化专家的强力怀疑声中，马斯克放出豪言，特斯拉的现有路径，即，依赖光学摄像头和部分雷达辅助，可以在2021年底之前实现L5级别的全自动驾驶，其理论依据本质上来源于第一性原理：人类可以依赖视觉和大脑能做到的驾驶水平，AI也可以做到。
然而马斯克的言论受到众多专家的挑战。对特斯拉全自动驾驶（FSD）技术路径的怀疑的基本点在于，当前的人工智能技术还在粗浅水准，完全无法跟真正的人的只能相比。举个例子，小孩看过一个或几个小狗之后，就可以准确识别其他的狗，但是现在的人工智能技术必须依赖超大数据训练，完全无法跟人的学习能力相提并论。其次，人工智能缺乏创造性，过度依赖于数据学习经验，而无法灵活处理数据中不存在的一些情况，所谓未知变量的长尾问题。第三，人工智能的技术基础，神经网络，只能模仿智能生物神经系统的最底层的功能，还有很多高级功能人类还没有研究清楚。从医学角度，人类目前对大脑的了解程度，差不多也就1%，如同水面下的冰山，更多的是未知，因此，缺乏深入的基础研究支持，基于仿生的人工智能还在一个很初级的阶段。
但是马斯克认为，实现L5自动驾驶，现在根本不存在技术层面的挑战，只是细节问题。作为一个从业多年的人工智能和生物医学科学研究工作者，我个人赞同马斯克的观点。
我们先从围棋开始理解，为什么现在的AI技术可以战胜最顶级的专业棋手。早在AlphaGo挑战李世石之前，围棋业界普遍对AlphaGo表示不屑，即使是AI届专家，也普遍并不看好AlphaGo，一个重要原因是，跟国际象棋和中国象棋相比，围棋的变化是几近于无穷的，单靠计算力无法战胜具有抽象策略思维的人类（之前的围棋软件跟人类比，就好比小孩跟壮汉比力气）。AlphaGo为什么最后能4：1胜出，并且升级后的AlphaZero的棋力已经是人类无法企及，成为了专业棋手的老师？它依靠的是两个网络相互辅助，一个是策略网络（SL policy network），另一个是落子网络（Rollout Policy network）。简单讲，AlphaGo依靠策略网络模仿人类的抽象思维（类似于大局观？）做类似的抽象化策略判定，补足了自身缺陷，然后在落子网络依靠人类无法比拟的超强计算力最终胜出。这里出现有一个问题，围棋虽然变化复杂，但是规则清楚，并不存在未知数据的长尾问题，这跟全自动驾驶要面临的复杂情况是不一样的。
虽然自动驾驶肯定会面临很多无法穷尽的未知情况，但是它要做出的反应其实只是有限的几种，并且可以归类的，比如：刹车，闪避，减速，增速等等。在什么样类型的情况下，要做出什么样的反应，这是智能驾驶系统真正要面对和处理的。老司机都知道，在很多情况下， 司机做出的反应都是下意识的，而不是逻辑判断，就是因为这些反应都可以大致归类成有限的几种，而无需很详尽的分析和细节推演。在这个层面讲，全自动驾驶系统的要求比围棋AI还更要简单一些。通过分析不同已知或者未知数据做出有限类别反应判断的算法，有点类似于AlphaGo的策略网络，现在的技术当然是可以实现的。在能做出正确反应动作的前提下，剩下的就是反应的细节，比如减速，应该减速到多少才足够安全，这些显然机器要比人类优秀很多，至少机器不会受到情绪困扰。
这种策略网络甚至可以用于危险预判和防范，比如，经过大车的时候，稍做减速以给可能面临的危险留出足够的反应时间，我很惊讶地在一个tesla FSD beta版测试视频中发现，现有版本已经实现了这样的防范措施。如果观看更多的FSD beta版测试视频，就可以得出一个基本结论，现在的FSD系统已经在应付复杂环境方面取得了长足进步，甚至可以说，在绝大部分场景中，安全性已经胜过人类自己驾驶了。最大的不足仍然来自于一些极端场景处理，也正如马斯克所讲，他现在需要解决的就是一个个不同的场景的细节。
综上所述，汽车L5全自动驾驶系统并不遥远，现有技术是完全有可能实现的。特斯拉在数据和策略方面已经遥遥领先，是最有可能第一个研发成功的公司。马斯克过去吹过的牛，除了时间尺度晚一些，还没有不能实现的。L5 全自动驾驶系统也将是一样的，2020年见不到，2021年等着。
当L5 自动驾驶系统真正问世（自动化驾驶领域有没有类似于AI图灵测试的测试系统？），我相信各个国家的法律法规都不是问题，最先拥抱这一最先进系统的，很有可能就是中国。
