无人驾驶汽车的原理是什么？无人驾驶车你敢坐吗看完DARPA大赛
DARPA 大赛是两个世界的分界线——在一个世界中，机器人被视作玩具或研究人员的玩物；而在另一个世界中，人们开始接受机器人能够在世界上自由移动的事实。如今，“半自动”汽车 已经在市场上出现，它们给交通的未来开启了两条路——一条路配有更智慧、更安全的人类司机；而在另一条路上，人类将成为乘客。
2005年秋，在亚利桑那州佛罗伦萨附近的一条沙漠公路上，一辆大众途锐汽车扬起了一路飞尘，以每小时32～40公里的速度匀速行驶，车上搭载了4名乘客。对那些漫不经心的观察者来说，这辆车的驾驶方式并没有什么异常。这条路格外难走，起伏的路两边零星可见几株仙人掌和一些低矮的荒漠植被。
这辆沿路行驶的车靠近的时候，你可以看到车上的4位乘客都戴着一顶特殊的防撞头盔。车身上贴满了贴纸，让它看起来俨然是巴哈1000越野赛的参赛车；车顶前部还安装了5个外形奇怪的传感器，沿途景象一览无余；车顶上还架着其他种类的传感器，比如雷达；车内一个视频摄像头透过挡风玻璃对准窗外；车尾的位置则放置了一条长长的拉杆天线，它与那一大堆传感器一起描绘出了一种后世界末日的气氛，让人不禁联想起电影《疯狂的麦克斯》（Mad Max）。
车顶上那5个传感器实际上是一些机械高科技装置，每一个都能对车前的环境发射红外激光束进行扫描。这些人眼无法捕捉到的光束不间断地在碎石路面和车辆周围的荒漠上反射。反射回传感器的这些激光能够不断描绘出周围时刻变化的路况、景观，并能精确到厘米级别。即使是路上相距几百米的小石头，也不会被这些从不眨眼的传感器——LIDAR（机载激光雷达）漏掉。
这辆途锐车内的景象则更为让人称奇。司机塞巴斯蒂安·特龙是一位机器人专家、人工智能研究者，不过在汽车行驶时，他并没有负责驾驶，那时的他正在用手比比划划，和其他乘客交谈。他很少会关注路况，最惹眼的是，他的手并没有碰过方向盘，但方向盘却在来回转动，仿佛被看不见的幽灵操控着。
坐在特龙身后的人名叫迈克·蒙特梅罗（Mike Montemerlo），也是位计算机研究员，不过他也没在开车。那时，他正聚精会神地盯着笔记本电脑屏幕上由车载激光器、雷达和摄像机采集的数据。这些数据观测着车前的一切景观，在雷达屏幕上，潜在的障碍物成了光点彩虹的一部分，揭示了一个不断变化、由彩色亮点构成的云，它们一起呈现着车前沙漠中的道路。
这辆名为“斯坦利”（Stanley）的车当时正由车上装载的5台计算机上的软件程序驾驶。特龙是高级机器人导航技术SLAM（simultaneous localization and mapping，即时定位与地图构建）的先驱。SLAM已经发展成为使机器人探测陌生地形并找到路线的标准工具。方向盘继续来回转动，这辆由机器驾驶的汽车在满是车辙的路上驰骋，飞速掠过路旁的仙人掌和石块。在特龙右边的前排座椅之间，有一个大大的红色“E-Stop”（紧急停止）按钮，在紧急情况下按下它，汽车的自动驾驶状态就将终止。
这辆车在蜿蜒曲折的路上行驶10公里后，“兴致”似乎突然降了下来。斯坦利并没有一直在高速公路上飞奔，因此，在大漠风光从两旁飞掠而过的时候，戴着防撞头盔似乎也越来越没有必要，这仿佛就是一次普普通通的周末公路之旅。
这辆车是在为参加五角大楼举办的第二届自动驾驶汽车挑战赛而进行训练，这次大赛旨在推动未来军用自动驾驶汽车的技术。21世纪初，美国国会指示美国军方开始设计自动驾驶汽车，国会甚至给五角大楼定下了一个具体目标：到2015年，1/3的军队用车应该能在没有人类驾驶者的情况下到达设定好的目标位置。不过，这一指令并没有明确指定是自动驾驶还是远程遥控车辆，但对两种情况的考虑是一样的：智能车辆能够节约资金，并减少士兵伤亡。
可是到了2004年，这一项目仍然没能取得什么进展。后来，五角大楼蓝天研究机构DARPA的负责人托尼·特瑟（Tony Tether）另辟蹊径，决定展开一场高调的较量，...
2004年举办的第一届DARPA挑战赛惨淡收场。车辆或是翻倒，或是原地绕圈，也有的不幸撞到了围墙。即使是参赛者中最成功的，也仅在这场全长193公里的拉力赛中走过11公里便被困在灰尘之中——它冲出了马路，一个车轮无奈地疯狂旋转。尘埃落定后，一位记者乘着一架轻型飞机俯瞰赛场时，看到各式各样色彩鲜亮的车辆散落在沙漠中。当时，似乎很明显的事实是，自动驾驶汽车的发展仍需假以时日，特瑟也被批评组织了一场哗众取宠的比赛。
现在，经过一年多的时间，特龙正坐在第二代机器人选手的方向盘后。似乎未来世界到来得比预期中早。不过，人们只用了十几公里就意识到，技术的热情通常还无法带来成熟的结果。斯坦利开上沙漠，然后巧妙地扎进了一个洼地。随着汽车向上倾斜，它的激光制导系统扫过了悬垂在车辆上空的树枝。在毫无征兆的情况下，机器人导航系统出现异常，车子猛烈地摇摆，先是向左，然后向右，并瞬间跌出了道路。一切发生得太快，特龙甚至来不及伸手砸向那个大大的红色急停按钮。
幸运的是，这辆车经历了一次“软着陆”，陷入了路边一片巨大的沙漠荆棘。荆棘让这次撞击得到了缓冲，车缓缓停下，甚至气囊都没有弹出。事故调查显示，很明显，如果没有这片荆棘，结果可能比现在更糟。被撞到的植物两边各有一根巨大的桩，所幸这辆车错过了这两个“目标”。
乘客们迷迷糊糊地爬出了车，特龙爬上车顶，把那些因为撞击而脱离位置的传感器重新摆好。之后，每个人重新回到车内，蒙特梅罗删除了一段代码，这段代码的本意是让乘车体验对人类乘客来说更舒适。特龙重启了自动驾驶模式，这辆车再次一头冲进了亚利桑那的沙漠。那天，它还出了其他事故。人工智能控制器对陷入泥坑的后果毫无概念，当天晚些时候，斯坦利陷入了马路中间的一个小湖。幸运的是，附近还有几辆由人驾驶的支持车辆，当车轮开始绝望地转动时，支持团队的人类帮手们赶忙把车子推了出来。
这些都是这个团队遇到的一些小挫折。这是一支由斯坦福大学的教授、大众汽车公司的工程师和学生黑客们组成的团队，是十几支剑指百万美元奖金的队伍中的一支。那天是实验的一个低谷，在那之后，一切都得到了显著的改善。
事实证明，DARPA大赛是两个世界的分界线——在一个世界中，机器人被视作玩具或研究人员的玩物；而在另一个世界中，人们开始接受机器人能够在世界上自由移动的事实。
机器智能时代的到来
斯坦利的试驾是机器智能时代即将到来的征兆。几十年间，科幻作家的著作不断预言着机器智能时代的到来，因此这项技术真正开始出现的时候，似乎有些让人打不起精神。20世纪80年代末，走过曼哈顿大中央车站的每一个人可能都会注意到，早晨，近1/3的上班族戴着索尼随身听的耳机。当然，如今这种耳机已经被苹果标志性的亮白色iPhone耳机取代。还有一些人相信，高科技成衣必将孕育谷歌眼镜的未来版本——眼镜是这家搜索引擎巨头在增强现实领域的第一次尝试，或许也是为了打造更宏大、更逼真的沉浸式系统。我们就像温水中的青蛙，对信息技术迅速发展带来的那些变化，感觉已经有些麻木了。
索尼随身听、iPhone和谷歌眼镜都预示着一个世界，在这里，对于什么是人类、谁又是机器的问题，界线已经开始模糊。威廉·吉布森（William Gibson）在科幻小说《神经漫游者》（Neuromancer）中描绘了由计算机和网络组成的控制论领土的景象，普及了网络空间的理念。书中也描绘了未来世界，在那里，计算机并不是一个个独立的盒子，而是被紧紧编织在一起、缠绕在人们身边，“增强”人们感觉的集合体。
从早晨上班族戴着索尼随身听耳机，到iPhone用户耳朵里塞着的原装耳机，再到戴着谷歌眼镜的时尚达人看着面前那个小小的显示器对他们周围的世界进行标注，这些都算不上巨大飞跃。他们还没有像吉布森预见的那样“穿进网中”，但人们很容易就会发现，计算与通信技术正在向这个方向快速发展。吉布森很早就为我们展现了“智能增强”在科幻小说中的未来情景，他设想出了计算机的植入，称之为“微型软件”（microsofts）。这些装置可能会被置入人类头骨，从而使人类即时获得某种技能，比如一种新的语言。在那时，即几十年前，这显然是科幻小说中不可能实现的部分，而如今，他对半机械人的预测不再是一种放荡不羁的夸张想象。
2013年，奥巴马公布了BRAIN大脑研究计划，旨在同时记录人脑中上百万个神经元的活动。不过该计划的主要赞助者之一是DARPA，这一机构的兴趣显然不仅仅是阅读大脑中的信息。负责大脑计划的科学家们会耐心地解释说，该计划的目标之一是打造一个人脑与计算机之间的双向接口。表面上看，这样的想法似乎险恶得令人难以置信，人们不禁想起了“老大哥”的形象以及思想控制。同时，这一技术中还有一种乌托邦式的暗示。潜在的未来也许会步入人机界面设计的必然轨迹，这在20世纪60年代利克莱德的“人机共生”论中便有暗示，他预言了人类和机器之间可以进行更为亲密的合作。
虽然《神经漫游者》描述的世界是科幻小说中的精彩场景，然而，想真正进入吉布森描绘的世界，人们却必须面对着一大难题：一方面，随着半机械人的到来，疑问也随即产生，那就是作为人类意味着什么。这一问题本身并不是一个新的挑战。当今的技术可能在不断加速发展，人类总会被技术转化，无论是对火的使用还是轮子的发明（或是它在20世纪的行李箱上的应用）都印证了这一点。
自工业时代开始，机器就在取代人类劳动力。而现在，随着计算机和计算机网络的到来，机器又首次取代了“知识分子”们的劳动。计算机的发明引发了早期关于智能机器可能造成的后果的讨论，人工智能技术的新浪潮又重新点燃了这场辩论。
主流经济学家坚持认为，随着时间的推移，劳动力的规模仍将持续增长，即使由于技术和创新的推动，工作性质已经发生了转变。回想19世纪，超过半数的劳动力投身于农业劳动，如今这一数字已经降到近2%，相比以往，更多人都开始从事农业以外的工作。事实上，即使出现了两次经济衰退，在1990—2010年，美国的总体劳动人口仍然增长了21%。如果主流经济学家的论点是正确的，那么自动化并不会在社会层面上引发经济灾难。
不过，如今我们正在进入一个新时代，人类可以（并且越来越容易）被设计进入或脱离一个“环”，即便是在从前高地位、高收入、白领阶层的职业领域也是如此。一方面，智能机器人能够给卡车装卸货物，另一方面，软件机器人又在取代呼叫中心的雇员、办公室文员、阅读法律文件的律师和检查医疗图像的医生。在未来，人与机器之间的界线应该如何区分出，又该由谁来区分？
尽管关于未来自动化影响的争论越来越激烈，但有关设计师及其价值的探讨却少之又少。接受新闻采访时，计算机科学家、机器人专家和技术人员带来了一些相互矛盾的观点。有些人希望机器取代人类，有些人则认同一种必然性——“我欢迎我们的机器人霸主”这句话因为《辛普森一家》（Simpsons）而流行开来，而他们中的一些人却热衷于打造能够拓展人类能力的机器。关于真正的人工智能（即强人工智能或通用人工智能[AGI]）是否会出现，机器除了模仿人类以外能否做到更多事的话题，在过去几十年间引得人们争论不休。如今，又有越来越多的科学家和技术人员提出了新的预警，警告人们具备自我感知能力的机器出现的可能性以及相应的后果。
对于当今人工智能技术状况的讨论已经突然转向科幻小说或宗教领域。不过，机器自治的现实不仅属于哲学范畴，也不是纯粹的假设性问题了。我们已经进入了新时期，机器能够执行很多需要智慧与体力的人类工作：它们可以胜任工厂的工作、驾驶汽车、诊断疾病，也能以人类律师的眼光阅读文件，它们当然也能控制武器，以极高的精准度展开屠杀。
对于AI与IA的区分，没有比新一代呼之欲出的武器系统更清晰的例子了。DARPA的开发人员即将跨过新技术的门槛，用远距离反舰******（LRASM）取代如今的巡航******。LRASM是专门为美国海军开发的，计划于2018年加入美国舰队。与之前不同的是，美国军火库中的这种新式武器具备自主判定打击目标的能力。根据设计，LRASM在与人类控制人员失去联系后仍可飞到敌军舰队之中，然后使用人工智能技术来决定袭击哪些目标。
由此产生了新的道德困境：人类是否允许武器在没有人类监督的情况下自发扣动扳机？快速发展的计算机化汽车中也存在着相似的挑战，交通方式是新一波智能机械带来的后果的象征。人工智能即将对社会产生影响，这种影响力甚至将超过20世纪90年代初的个人电脑和互联网。这种转变正在一群精英技术专家的监督下进行。
硅谷元老杰瑞·卡普兰（Jerry Kaplan）曾是斯坦福大学人工智能实验室的研究员，在20世纪80年代离开了这一领域。几年前，卡普兰对斯坦福大学的计算机科学家、研究生和研究人员们发出警告：“你们今天在人工智能实验室的所作所为，那些你们写入系统的内容，在日后可能决定整个社会处理这个问题的方法。”即将到来的新一代人工智能，会带来一个至关重要的伦理挑战。卡普兰认为：“我们正在不顾危险地培养机器人，而这可能是以人类生命为代价的。”他将研究者们面前的未来一分为二，一边是取代人类的智能机器，而另一边则是以人类为中心、扩展人类能力的计算系统。
与硅谷的许多技术专家相似，卡普兰相信，我们正处在建立完整经济体的边缘，而这种经济体基本上无须人类干预。这听起来就像是世界末日，不过卡普兰描述的这种未来几乎必将到来。进一步挖掘他的观点后，我们会发现，如今技术发展的加速并不是盲目的。每一个设计着我们未来的工程师都在作出选择。
特瑟的自动驾驶汽车挑战赛
2007年秋天，在美国加州的沙漠中的一个已经废弃的军事基地里，一辆雪佛兰SUV不紧不慢地行驶着，一个矮胖的男人在这条尘土飞扬的临时赛车道边用力挥动着一面方格旗。挥旗子的男人是托尼·特瑟，他也是DARPA的负责人。
这辆车的车身上贴着一个大大的GM贴纸，但方向盘前却并没有司机。在仔细观察后你会发现，车里的其他座位上也没有乘客，而“参赛”的其他汽车也无一例外，没有司机或乘客。赛车似乎在绕着这个曾因被用来训练军队进行城市作战而临时搭建的赛道无休止地转圈，这看上去甚至算不上一场比赛，更像是科幻电影《银翼杀手》（Blader Runner）中周日下午走走停停的车流。
的确，几乎从任何角度看，这都是一场奇怪的赛事。DARPA城市挑战赛（DARPA Urban Challenge）吸引了由机器人专家、研究人员、学生、汽车工程师和黑客组成的团队，他们努力设计并打造出能够在城市交通环境下自动驾驶的机器人车辆。此次比赛是特瑟组织的系列赛中的第三场，当时，在很大程度上，军事技术是在加强士兵的杀伤力，而不是取代他们。在一些情况下，机器人军用机由人类驾驶，很多时候，它背后甚至需要众多士兵的支持。2012年，美国国防科学委员会（DSB）的一份报告指出，对很多军事行动来说，往往需要数百人的团队来完成一架无人机的飞行任务。
无人驾驶车辆则是更为复杂的挑战。对地面车辆来说，正如DARPA的一位管理者所说，“地面很hard”——这里的“hard”指的是“难以行驶”而不是“坚硬”。单纯沿路行驶已经极具挑战，但机器汽车设计师还会面临各种各样的特殊情况：夜间行车，或是在阳光下、雨中和冰面上行驶——这样的例子不胜枚举。
设想设计一台这样的机器可能遇到的问题：它需要知道如何对突发事件作出反应，比如高速路上的塑料袋是软是硬？它是否会破坏车身？如果是在战区，它可能会是一个简易的************。在低速行驶且能见度不错的情况下，人类几乎可以毫不费力地应对这个状况。对人工智能研究人员来说，解决这样的问题就如同夺取计算机视觉领域的圣杯，这也是DARPA希望通过举办自动驾驶汽车挑战赛来得到解决方案的无数挑战之一。20世纪80年代，美德两国的机器人专家在自动驾驶汽车领域取得了零星进展，但现实情况是，想要打造一辆能够在高峰时段自动行驶的汽车，要比制作一个能上月球的机器人更难，于是特瑟接受了挑战。这样的努力是有风险的：如果比赛未能带来结果，自动驾驶汽车挑战大赛就将成为特瑟留给世人的笑柄。因此，总决赛的方格旗与其说象征着汽车的胜利，倒不如说代表着特瑟的胜利。
曾有一段黑暗时期，在特瑟任职期间，DARPA曾聘请海军上将约翰·波因德克斯特（John Poindexter）打造一个名为“全信息识别”（Total Information Awareness）的系统。这是一个庞大的数据挖掘项目，目标是通过收集信用卡、电子邮件和电话记录在网上追捕恐怖分子。这一项目掀起了一场隐私保护风暴，2003年5月，美国国会决定取消这一项目。表面上看，“全信息识别”在公众视野中消失了，可实际上，它却被请进了美国情报机构，直到2013年爱德华·斯诺登泄露的数十万文件揭露了一个广泛、深层次、追踪任何可能有意义的活动的监控系统时，这一项目才再次受到了世人的关注。在DARPA领军者的殿堂中，特瑟也是个古怪的家伙。他在“全信息识别”的丑闻中幸运抽身，而后几乎深入并把控了该机构所有的研究项目，推动了整个机构在其他领域的发展。（事实上，特瑟决定挥舞方格旗的举动正是他在DARPA任期的一个缩影——特瑟是一个微型领袖。）
DARPA的成立，是美国对苏联人造地球卫星（Sputnik）的回应，当年苏联卫星的出现对深信自身拥有技术优势的美国人来说无异于晴天霹雳。为了一个明确的使命——美国将永远不会在技术上被任何一方力量取代，DARPA在建立初期有个更简单的名字“高级研究计划局”（ARPA）。当时，这一机构的负责人多是科学家和工程师，这些人愿意在蓝天技术上投入巨大的赌注，他们同时也与全美最优秀大学的研究人员有着工作和情感上的密切联系。
不过特瑟却并不符合这一情况，他代表了乔治·W.布什的时代。几十年秘密军事项目承包商项目经理的经历让他和乔治·W.布什身边的很多人一样，对美国的学术机构充满戒心。在他眼中，这些机构太独立，他无法完全信任他们，并将新任务放在他们肩上。这并不令人意外。20世纪60年代，作为斯坦福大学电子工程专业毕业生的特瑟就已经形成了自己的世界观，那时学界被划分成对立的两派——反战的学生以及为越南战争设计先进武器的科学家和工程师。
出任局长一职后，特瑟开始努力扭转DARPA的文化，虽然这一机构早已因在互联网和隐形战机技术方面的创造而声名卓著。特瑟迅速把原本投放在高校上的资金转移到支持伊拉克和阿富汗战争的军事承包商身上，这一机构也从“蓝天”走向了“成果”。特瑟认定，创新仍然能够秘密进行，正如可以通过新想法的风暴推动硅谷的竞争文化一样，即使那些想法失败了，也会得到奖励。
当然，特瑟将DARPA带到了新的技术发展方向上。他关注着数千名在战争中伤残的退伍军人，军事决策者有了更多权力、获得了更多成果后，他希望将机构的经费投入人体增强项目以及人工智能领域，这意味着那些受伤的军人能够获得机械肢体。他还对一个名为“海军上将顾问”（Admiral’s Advisor）的项目感兴趣，这是20世纪60年代恩格尔巴特的目标的军事版本，带有他对IA的愿景。这一项目被称为“有学习能力的感知助手”（Perceptive Assistant that Learns, PAL），其中大量研究将在斯坦福研究所完成。在这里，这一项目被称为“可学习、可组织的认知助手”（Cognitive Assistant that Learns and Organizes, CALO）。
具有讽刺意味的是，特瑟回归了最初在20世纪60年代中期由两位具有远见的DARPA项目经理罗伯特·泰勒（Robert Taylor）和利克莱德推进的研究计划。让人悲喜交加的是，尽管（很少有人提到）在20世纪70年代初期道格拉斯·恩格尔巴特曾收获巨大的成功，但是随后，他的项目逐渐在斯坦福研究所失势，并最终被抛弃。恩格尔巴特本人也遭遇了“洗牌”，被分配到第二梯队的商业化分时操作公司。在那里，他的项目几乎被完全忽视，在超过10年的时间里一直处于资金不足的状态。DARPA的再次投资将触发一波新的商业创新。CALO“催化”了苹果的Siri个人助手，而Siri也算得上恩格尔巴特首创的增强智能方法的直系后裔。
特瑟的自动驾驶汽车挑战赛吸引了大批跃跃欲试的“车库发明家”和志愿者。用军事术语来描述，这是一个“战斗力增倍器”（force multiplier），能让这一机构得到比从传统承包商处得到的更多的创新。然而，在核心之中，特瑟选择追随的特定的挑战赛早在十几年前就已经在同一所大学的研究团体中出现，不过这一团体遭到了他的冷遇。2007年，赢得城市挑战赛的通用汽车机器人SUV背后的主导力量是一位来自卡内基·梅隆大学的机器人专家，在过去超过10年的时间里，他一直渴望能够赢得这项大奖。
问鼎冠军，威廉·惠特克的复仇
2005年秋天，特瑟的第二场机器人穿越加州沙漠的比赛刚刚在内华达州边境结束，斯坦福大学的机器人专家就已经开始庆祝。斯坦利——那辆一度濒临崩溃、由计算机控制的大众途锐汽车，刚刚上演了一场“后来居上”的经典胜利，冲到了巨大横幅下的数千名观众眼前。
不过，就在几米远的另一个帐篷中，气氛就像在刚刚输掉了球赛的橄榄球队的更衣室里一般严肃。卡内基·梅隆大学的队伍一直被看好，他们拥有两辆机器人赛车，和一名严肃的领导者、前海洋探险家和攀岩爱好者威廉·L.“莱德”·惠特克（William L.“Red”Whittaker）。他的队伍最终在竞赛中失利的主要原因是运气不佳。18个月前，惠特克就已经凭借另一辆获得巨资赞助的通用悍马进入了第一届DARPA大赛，不过因为一只轮胎在一个陡峭的坡路上微微驶出路沿而失利。这辆车陷入沙土中，最终退出了竞赛。那时，惠特克的机器智能车实际上仍然与其他对手难分伯仲。因此，这次带着有两辆车的参赛队和一众图像分析专家组成的阵容（在比赛之前悉心钻研）回归时，他很容易被看作最具实力的冠军争夺者。
不过，同样的剧情再次上演，坏运气仍然阴魂不散。惠特克团队的主力车几乎一路领先，却在比赛后半程出现故障，大幅减速，这给斯坦福大学的斯坦利留下了机会，让后者顺势夺走了200万美元的奖金。在经历了第二次失利后，惠特克站在帐篷里，在所有团队成员的面前进行了一段可以媲美任何橄榄球校队教练的鼓舞人心的演讲。“每个周日……”就像一个输掉了比赛的主帅，他开始对自己的队伍讲话。他们的机器人车直到比赛中后期都处于领先地位，如果不是因为几个松动的组件，结局也许会改写。
这次失利显得格外痛苦，因为斯坦福冠军团队的领导者塞巴斯蒂安·特龙和迈克·蒙特梅罗都曾是卡内基·梅隆大学的机器人专家，可他们却“叛逃”到斯坦福大学，培养了竞争对手，并最终赢得了胜利。几年之后，这次失利仍然让惠特克耿耿于怀。他的办公室门外挂着那支被命运捉弄的机器人汽车设计师团队的照片。在走廊里，惠特克迎接了到访的客人，然后重复讲起那次失败的细节。
这场比赛的失利吸引了很多人的注意，因为惠特克一直被看作全美首屈一指的机器人专家。在参加挑战赛的时候，他早已成了业界传奇，他设计出了能够探索无人险境的机器人。几十年间，他将“可以做到”的态度和冒险家的精神结合在一起。他的父母都曾顶着传奇的光环驾驶过飞机。他的父亲曾经是美国空军的轰炸机飞行员，在战后经营矿业******；他的母亲是一位化学家，也是一名飞行员。惠特克年轻时，他的母亲还曾开飞机带他穿过桥洞。
惠特克在宾夕法尼亚的成长经历造就了他开发机器人的风格。他主要将机器当作拓展冒险家能力的工具，这一风格沿袭了传奇登山家伊冯·乔伊纳德（Yvon Chouinard）和深海探险者雅克·格斯特（Jacques Costeau）的传统——前者曾设计制作了自己的登山设备，而后者也亲自打造了自己的水下呼吸设备。拥有普林斯顿大学土木工程专业学位以及两年海军军士的经历，身高1.90米的惠特克率先推出了“野外”机器人，这些机器走出实验室，进入现实生活。
不过，在惠特克的机器人世界中，人类仍然占据重要的位置。在所有的实验中，他都将这些机器作为延展冒险家能力的工具。他创造了能在宾州三里岛（Three Mile Island）和切尔诺贝利核泄漏事故后的环境中工作的机器设备。20世纪80年代末，他设计了一个高达5.8米的巨型机器人“安布勒”（Ambler），它的设计初衷是在火星上行走。惠特克曾派机器人进入火山，他参与的卡内基·梅隆大学Navlab项目也让他成了美国第一批探索自动驾驶汽车的机器人专家。
“这并不是未来的工厂，”惠特克总是这样坦承，“在工厂里成功的想法并不适用于外面的世界。”惠特克年轻时热衷于各种挑战运动，喜欢赛艇、摔跤、拳击和登山。不过，对冒险的热爱也给他带来了难以摆脱的伤痛，他花了10年的时间攀岩，偷偷离开自己的机器人项目，在优胜美地和喜马拉雅山上花了不少时间。他曾经独自在冬天攀登马特洪峰（Matterhorn）东麓。作为匹兹堡当地探险俱乐部的一员，他起初只是休闲式地攀爬，但后来在遇到另一位年轻的登山者时，这种情况发生了变化，那种随意性演化成一种激情。当时，惠特克看到了公告板上的一句话，上面写着“专业登山者愿意教对的人”，还补充道，“你必须有辆车”。
这两个人在未来10年间成了一对形影不离的登山伙伴。
对惠特克来说，这段充满魔力的时间在他们二人决定在秘鲁攀岩的那个夏天戛然而止。那时，他的朋友与另一位年轻的登山者正在攀岩，两人用绳索将彼此系牢，可不幸的是，那个年轻人脚下一滑，两个人一起翻滚着坠落了近300米。事故发生时，惠特克并没有将自己系在同一根绳子上，从而幸免于难。他成功救起了那个年轻的登山者，但好友的生命却被永远留在了那个秋天。受到这次事故的打击，惠特克返回了匹兹堡。他花了几个月的时间才鼓起勇气来到那个已逝攀岩好友的家里，清理他的房间。
好友的死给惠特克留下了无法磨灭的伤痕。他停止了攀岩，不过仍然渴望其他挑战性的冒险。惠特克开始打造一些更奇特的机器人，这些设备能够胜任各式各样的任务——从简单的探索到复杂的修理工作，他的冒险延伸到了火山上，最终也许也会延伸到月球和火星上。虽然20世纪七八十年代时，他一直在地球上攀岩，但想找到一些未经发掘的处女地已经越来越困难了。随着“虚拟探索”成为可能，新的局面也将无限展开，惠特克可以再一次继续自己登山和速降的梦想，这一次可能是和另一个世界的人形机器人一起实现的。
在品尝了那次输给斯坦福大学斯坦利汽车的苦涩之后，惠特克终于在2007年第二届挑战赛上完成“复仇”。他那辆通用汽车公司赞助的“老板”参赛车最终赢得了城市驾驶挑战赛的冠军。
塞巴斯蒂安·特龙，用科技重塑交通系统
硅谷最令人津津乐道的故事，莫过于乔布斯劝百事公司CEO约翰·斯卡利（John Sculley）加盟苹果公司时问的那句“你是否希望卖一辈子汽水”。虽然在一些人眼中这可能是幼稚的举动，但硅谷的精神就是改变世界。它是“规模”这个概念的核心，这是一个十分常见的共同特性，会激励一个地区的程序员、硬件黑客和风险投资者。仅仅赚取利润或是创造一些美丽的东西是不够的，这些产物需要有影响力。它们必须作为礼物被放到世界上95%的圣诞树下，或是为数十亿人带来干净的饮用水或提供充足的电力。
谷歌CEO拉里·佩奇套用乔布斯的方法，将塞巴斯蒂安·特龙这员大将招致麾下。特龙是冉冉升起的学术新星，他是从卡内基·梅隆大学来到斯坦福大学的。2001年，他选择从斯坦福大学申请休假一年，这一决定为他打开了新的视野，他意识到硅谷能够带来的资源比学术界的更多。除了职位、发表论文和学生以外，这里还有更多其他东西。
2003年，特龙以助理教授的身份回到斯坦福大学。后来，他以观察员的身份参加了第一届DARPA挑战赛。这场自动驾驶汽车的角逐彻底改变了他的世界：他意识到，在那个与世隔离的世界之外还有着一群伟大的思想者，他们发自内心地关心如何改变世界。在此期间，他曾短暂回到卡内基·梅隆大学，并向惠特克表示愿意为他们的软件提供帮助，但却遭到了拒绝。特龙带走了一批卡内基·梅隆大学的学生，其中就包括迈克·蒙特梅罗（他的父亲是NASA的机器人专家）。
在DARPA第一届挑战赛上，蒙特梅罗进行了一次演讲。在演讲的最后一张幻灯片上，他写了这样一个问题：“我们在斯坦福的这群人，是否要加入挑战赛？”然后他用一个巨大的“NO！”自问自答。不参加这次挑战赛的理由可以有几十个——没什么胜算、太辛苦、耗资巨大。特龙看着蒙特梅罗，很明显，虽然他在纸面上是一个典型的悲观主义者，但显而易见的是，他的一切言行举止都在呐喊着：“YES！”
在这之后不久，特龙满怀热情、全身心地投入了DARPA的竞争之中。人生中第一次，他感觉自己正在做一件可能真正带来广泛影响的事。这支队伍连续几周住在亚利桑那州的沙漠里，靠吃比萨饼过活，把所有精力投在了车子上，直到它能在这里偏远的公路上完美地行驶。
蒙特梅罗和特龙组成了一个互补的完美团队。蒙特梅罗有些保守，而特龙则乐于冒险。作为软件负责人，蒙特梅罗将他的一个个保守的假设写进了程序。而在他不注意的时候，特龙则会浏览代码，然后在一些限制上添加注释，从而让车跑得更快，这经常会惹恼他年轻的队友。不过无论如何，这是一个成功的组合。
拉里·佩奇曾对特龙表示，如果你真正关注一些东西，就可以实现一些令人惊叹的成就。他是对的。在斯坦利赢得200万美元的DARPA大奖后，特龙把佩奇的话放在了心里。在特龙帮佩奇调试好后者已经摆弄了一阵的家用机器人之后，两个人也成了好朋友。特龙把这个设备借走了一段时间，送回来的时候，它已经能在佩奇家里导航了。
对自动机器人来说，导航是必备技能，而这也成了特龙的专长。在卡内基·梅隆大学和斯坦福大学，特龙都参与了SLAM的研究——这一地图构建技术起源于20世纪60年代的斯坦福研究所，是设计师们为首批移动机器人准备的技术。特龙的研究让这项技术变得更快、更准确，同时也为它在自动驾驶汽车中的应用铺平了道路。
在卡内基·梅隆大学的时候，特龙凭借各种移动机器人吸引了全美的关注。1998年在华盛顿特区史密森尼学会（Smithsonian），他向世人展示了联网移动博物馆导游“密涅瓦”（Minerva），这款设备能够与游客互动，每小时可行进约5.6公里。特龙也曾与惠特克合作制作矿井用机器人，在这一项目中，SLAM技术同样举足轻重。特龙曾试图整合移动和自动机器人并用于护理和老年护理，但收效甚微。这是一次令人遗憾的经历，也让他深刻地意识到了通过技术来解决人类问题将要面对的限制。
2002年，在两所大学的合作项目中，特龙推出了新一代SLAM技术的FastSLAM，这一技术能够应用于现实世界，在真实情况中，它必须对数千件物体进行定位。这是新一代人工智能和机器人技术的早期案例，这一领域越来越多地依赖于该统计方法，不再拘泥于遵循规则和推理。
在斯坦福大学，特龙本可快速晋升，并成为斯坦福大学人工智能实验室的负责人。可很快，零零碎碎的学术生活就让他产生了挫败感——那段时间，他必须为教学、公众演讲、工作会议和研究分散自己的精力。
2005年，在赢得DARPA挑战赛的胜利后，特龙在高新科技领域也变得更为知名。在演讲中，他曾描述人类司机带来的大量惨剧——每年，全球都有超过100万人因交通事故死亡或伤残。他还加入了自己的故事——在特龙还在德国读高中的时候，他的一个好友被一场车祸夺去了生命；而他亲近的很多人也都经历过亲朋命丧轮下的悲剧。而最近一段时间，一位斯坦福大学教授的家人也因在开车时被卡车撞击而终身残疾，就在那一瞬间，她从一个充满生机的年轻女孩变成了一个可能一辈子都要蒙着阴影与病痛度日的人。
这种改变世界的目标让特龙在TED大会这样的场合有了更多的露面机会。在为DARPA挑战赛打造了两款参赛车后，特龙决定离开斯坦福大学。佩奇给了特龙加入Google Scale的机会，这意味着他的工作将会接触整个世界。他悄悄地以施乐PARC（一个充满传奇色彩的计算机科学实验室，现代个人电脑、早期计算机网络和激光打印机的发源地）为蓝本成立了自己的实验室，并在这里继续研究自动驾驶汽车项目并重塑移动计算。在其他项目中，他帮助推出了谷歌眼镜，这是将包括视觉和语音在内的计算能力嵌入普通眼镜的研究项目。
与IBM研究和贝尔实验室这类强调基础科学的实验室不同，谷歌X实验室更接近PARC的风格。PARC曾帮助这家复印机行业巨头改变了“文件公司”的形象，从而转战计算机领域，并直接与IBM竞争。X实验室的存在也是为了帮助谷歌进入新的市场。
2013年年末，谷歌网络搜索业务每月的利润流超过10亿美元，如此的垄断地位让这家搜索巨头有了足够的安全感去出资支持更具野心的科研项目，而这些工作可能与公司核心业务毫无关系。谷歌著名的“70-20-10”原则是为了让工程师有更多的休闲时间来钻研自己感兴趣的项目。谷歌员工可以利用10%的工作时间投身到与公司核心业务毫无瓜葛的项目中。谷歌两位创始人布林和佩奇深谙梦想和野心的意义，他们将自身的努力称为“登月计划”：不是纯粹的科学，这些研究项目很可能都有商业潜力而不仅仅是学术影响。
对特龙来说，这是一个完美的环境。2008年，他在谷歌的第一个项目中创造了街景车队，并捕捉了美国每一条街道上的民宅和企业的数字影像。第二年，他开始了一个更具野心的尝试：能在公共街道和高速公路上穿行的自动驾驶汽车。在有关车辆的项目上，他既胆大又心细。任何一场事故都可能毁灭一辆谷歌汽车，因此在项目起步的时候，他便已经建立了详尽的安全制度。他敏锐地意识到，如果这一项目中有任何差池，那么便会带来一场灾难。他从来都不允许未经训练的司机靠近研发用的丰田普锐斯车队的方向盘。这些汽车已经能够实现80万公里以上的零事故行驶，但特龙明白，即使每80万～160万公里内仅会出现一次错误，这样的错误率仍然高得让人害怕。同时，他也相信，通向未来道路中的其中一条能让谷歌重新定义汽车的概念。
与汽车行业类似，特龙和他的团队也认同量/价曲线（price/volume curve），这意味着当公司专注制造一款产品的时候，成本会明显下降。当然，现在实验用LIDAR激光雷达动辄数万美元的价格着实不菲，但谷歌的工程师们相信，用不了几年，这一价格就会走低，它永远都不会成为未来汽车材料的搅局者。在权衡成本和可靠性的时候，特龙通常选择在当下设计并建造更可靠的系统，而未来则通过大规模制造技术来降低成本。昂贵的激光制导系统的组建实际上并不太复杂，因此没有理由质疑它的价格不会快速下降。同样的走势已经在雷达上出现过，这个曾经高深而稀有的军事、航空技术，近几年间已经出现在运动探测器和高档汽车中了。
特龙有着工程师的思维方式，并希望走向一个自由主义的未来。而他的商业世界观则认为，全球化的大公司总是比国家的发展快一步。同时，他认同一个在硅谷备受推崇的观点，那就是未来30年内，90%的工作都会因人工智能和机器人技术的进步而被淘汰。在特龙眼中，大多数人的工作实际上都是毫无成就感的无用功。从装卸货物到驾驶卡车的无数种体力劳动可能都会在未来10年内消失。他还认为，大多数官僚的存在实际上适得其反，这些人让其他人的工作变得更为艰难。特龙对底特律的汽车行业也十分不屑，在他看来，那些死板古董公司完全可以运用科技来快速重塑交通运输系统，并让它变得更安全，可它们却宁愿每年浪费大量精力来改造汽车尾翼的造型。2010年，他给这个墨守成规、不愿改变也不熟悉硅谷文化的行业带来了一次发人深省的意外事件。
谷歌无人驾驶汽车的诞生
DARPA的比赛在美国汽车工业的摇篮底特律激起了涟漪，然而这个行业的人们仍然坚持着传统观念，那就是车注定要被人们操纵，而不是自动行驶。从总体上看，这一行业普遍抵制计算机技术，因为许多汽车制造商都心怀“计算机一定会出毛病”的想法。不过，美国其他地方的工程师却已经开始考虑通过全新的低价传感器镜头、微处理器和互联网来改变交通状况了。
2010年春天，关于谷歌实验性汽车的传言在硅谷兴起，最初这听起来有些荒诞可笑。人们猜想，这家互联网搜索巨头要在众目睽睽之下“藏”起这些车。甚至出现了这样的故事：谷歌工程师已经成功完成自动驾驶汽车夜间从旧金山飞奔到洛杉矶的任务！一石激起千层浪，这样的说法引来的不仅是哄笑，也有尖刻的提醒：即便这样的发明是可能的，它也不合法。他们怎么可能带着这样疯狂的东西蒙混过关呢？
可以肯定的是，谷歌两位年轻的联合创始人布林和佩奇当时已经完善了那些天马行空的计划，这些计划包括利用人工智能以及其他技术来改变世界。谷歌前任CEO、现任董事长埃里克·施密特曾告诉记者，他的角色就像是一个监督者或监护人，需要劝说两位联合创始人，哪些想法应该被保持在“标杆”之上或之下。布林和佩奇甚至考虑过太空电梯（天梯）的概念。随着极其强韧的新材料得以开发，人们或许不再需要火箭，而是建造一条能够连通地球和预定轨道的线缆，从而以较低的成本将人类和物资送入太空。当被问到对这个想法的看法时，施密特会尖锐地说，这是一个仍处于考虑阶段的想法，不过至少就目前而言，还在“标杆”之下。
硅谷是技术专家的温室，不过想要在这里守住一个秘密却很难。很明显，这里正在酝酿着什么事情。2007年DARPA挑战赛决赛结束后不到一年，特龙从斯坦福大学辞职，开始了在谷歌的全职工作。他的离职从来没有被公之于众，甚至也没有被媒体提及，但硅谷的精英们却对特龙转换阵营的选择有着浓厚的兴趣。一年之后，他和同事到阿拉斯加参加人工智能会议，在酒吧里，他表达了一些诱人的观点。这些话又被传回硅谷，让人们为之惊叹。
不过最终，谷歌普锐斯车队一位低薪司机的高中同学还是在无意中泄露了“天机”。一个年轻的大学生对记者脱口而出：“我高中时的一个同学现在在为谷歌工作，坐在一辆会自己驾驶的车里，每小时能赚15美元！”事已至此，这个秘密已经无法被继续雪藏。谷歌将这些自动驾驶汽车停放在了园区开放的停车场上。
谷歌的工程师们并没有费心藏起这些长相丑陋的家伙“头顶”上的传感器，这些车看起来比它们的前辈斯坦福大学的斯坦利还要奇怪。这些普锐斯的挡风玻璃上并没有传感器阵列，但车顶上30厘米处却装着一个名为LIDAR的360°传感器。这个咖啡罐大小的激光设备是由高新技术公司Velodyne制作的，能够帮助谷歌汽车轻松创建周围几百米范围内的实时地图。当然，这样的设备价格不菲，单是LIDAR就让每辆车的成本提高了7万美元！
这些配有雷达、摄像机、GPS和惯性制导传感器，外观奇怪的谷歌汽车是怎样在众目睽睽之下被藏起来的？一些原因是，这些车通常是夜间外出行驶的，看到它们的人通常会错把这些车当成谷歌街景的采景车，采景车车顶竖起的桅杆上装有夸张的大型相机，能够对驶过街道周边的环境构建视觉地图（它们也会记录人们的WiFi设置，以此作为信标来提升谷歌安卓智能机的定位精度）。
被误认为街景车，往往能让谷歌无人驾驶汽车大模大样地躲藏在人们眼皮底下，不过也不总是如此。谷歌工程师中最先与执法部门产生摩擦的一个是詹姆斯·库夫纳（James Kuffner），他曾是卡内基·梅隆大学的机器人专家，也是这一团队的首批成员之一。凭借在导航以及类人机器人项目中的工作，库夫纳在卡内基·梅隆大学里小有名气。他的专长是运动规划，思考如何指导机器在真实世界中导航。作为惠特克团队的成员之一，DARPA挑战赛的失利也让他颇感痛心。随着该团队的主要成员陆陆续续转投谷歌一个代号为“专职司机”（Chauffeur）的项目，他也抓住这次机会选择了新的阵营。
一天深夜，谷歌的工程师们在其重点关注的卡梅尔路段测试自动驾驶普锐斯汽车。之所以选择在夜里进行，是因为他们希望建立起精度能够达到厘米级的详细地图，周围没有行人车辆的时候更容易获得道路的基准地图，于是这辆车就顶着惹眼的LIDAR传感器一次次穿过小镇。这样反反复复的动作引起了当地警察的注意，这辆普锐斯被要求停靠在路边的时候，库夫纳正坐在驾驶座上。
“这是什么玩意儿？”警察用手指着车顶。
如何应对这种不可避免的冲突，谷歌无人驾驶汽车的“驾驶员”们都已受过严格的训练。他把手伸向身后，把事先准备好的书面文件递给警察。在阅读这些文件时，这位警官的眼睛瞪大了，然后他变得越来越兴奋，与谷歌工程师一起讨论交通的未来，一聊就聊到了深夜。
这次警察事件并没有导致谷歌汽车项目的泄密，不过遇到了记者，谷歌汽车工程师则选择让步，并同意载他一程。
坐在后座上的体验让一切都立刻清晰明了，短短3年的时间，谷歌无人驾驶汽车就已远超DARPA挑战赛的参赛车。谷歌普锐斯复制了很多DARPA的原始技术，但更为精雕细琢。启动自动驾驶状态时，车内会响起《星际迷航》的音乐。从技术角度讲，这次行驶是个了不起的成就。普锐斯沿着山景城街道驶离谷歌园区，试驾开始了。在穿过几个街区的路程中，这辆车在看到停车标志和红灯的时候都会礼貌地停下来，之后并入了交通高峰期的101号高速公路。在之后的出口处，这辆车自动驶离高速公路，开上弯曲盘旋的立交桥。对第一次体验自动驾驶车的乘客来说，最令人震惊的莫过于机器驾驶汽车转弯的能力丝毫不逊于人类。人工智能的驾驶行为中丝毫没有机械的影子。
当《纽约时报》刊出这个故事后，谷歌无人驾驶汽车就像晴天霹雳一样给了底特律重重一击。这里的汽车行业将计算机和传感器技术加入车中的效率慢得像蜗牛。虽然巡航控制已经出现了几十年，但智能巡航控制，即使用传感器来自动保持与交通的同步，在2010年还算是个奇异的功能。不少汽车企业在硅谷附近都设有“哨所”，不过，在围绕谷歌无人驾驶汽车的宣传变得铺天盖地之后，其他汽车制造商也赶忙在硅谷附近建起了自己的实验室。没人愿意看到发生在个人电脑硬件制造商身上的教训再度重演——当微软Windows系统逐渐成为行业标准的时候，硬件厂商发现他们的产品变成了低利润商品，越来越多的资金流向了微软。而现在，汽车行业也意识到，自己正面临着同样的威胁。
与此同时，人们对谷歌无人驾驶汽车的反应也同样褒贬不一。《杰森一家》（The Jetsons）中的那些未来的机器人汽车一直是科幻小说中的常客。在像《霹雳游侠》（Knight Rider）这样的电视连续剧中，也有人工智能车辅助人类的片段。关于自动驾驶，人们也不乏阴暗的揣度。在2009年丹尼尔·苏亚雷斯（Daniel Suarez）的科幻惊悚小说《恶魔》（Daemon）中，人工智能控制的汽车不仅能够自动驾驶，还会碾压人类。不过，人们普遍仍对无人驾驶汽车有朝一日是否能成为现实抱有怀疑。
然而，特龙的观点十分明确，人类是糟糕而可怕的司机，这主要是因为人容易犯错误、精力不集中。直到项目曝光时，谷歌无人驾驶汽车已经创下了超过16万千米无事故的纪录，而之后的几年里，这一数字又将继续增长并超过80万公里。一个名叫安东尼·莱万绍斯基（Anthony Levandowski）的年轻谷歌工程师经常要从伯克利开车到相距超过60公里的山景城上班，而特龙本人则会在周末让谷歌无人驾驶汽车带着自己从山景城返回位于塔霍湖的度假别墅。如今，“半自动”汽车已经在市场上出现，它们给未来交通开启了两条路——一条路配备更智慧、更安全的人类司机；而在另一条路上，人类将成为乘客。
2014，无人驾驶汽车商业化元年
谷歌并没有透露这一研究的商业规划，但到2013年年底，已有超过6家汽车制造商公开表示计划推出自动驾驶汽车。2014年，商业化的沉寂终于被打破，包括宝马、奔驰、沃尔沃和奥迪在内的少数欧洲汽车制造商开始提供可选功能，比如堵车助手，这是走向自动驾驶的一小步。以奥迪为例，其生产的车辆能在高速路上以每小时0～62公里的速度行驶，并稳定在自己的车道中，不过仍然要求人类驾驶员的干预，这一规定是因为律师担心乘客会无聊到睡着或是无法集中注意力。2014年年末，特斯拉宣布将开始为Model S系列电动车提供自动驾驶系统，让特斯拉在高速公路上自动驾驶。
自动驾驶汽车将进一步激化人工智能和智能增强间的争端。虽然针对法律责任问题出现了越来越多的争论——万一出现了机器人车撞死人的案例，该由谁承担赔偿，汽车必须通过的安全标准线实际上低得令人难以置信。2012年，美国国家公路交通安全管理局（NHTSA）的一份研究估计，仅在轻型汽车上装置电子稳定控制系统（ESC），就能挽救近1万人的生命，并防止近25万人受伤。这样看来，驾驶可能是日常生活中人类最不应该插手干预的事。即便是身体健全的人也仍然算不上好司机，如果周围有让人分心的小玩意儿，我们有可能表现得更糟糕。我们可以在车身周围包裹由新一代低价摄像头、雷达和激光雷达等设备以及计算机模式识别等技术造就的洞察一切的“眼睛”，从而拯救我们的生命，无论是我们在驾驶还是让机器驾驶。
Mobileye，无人驾驶汽车的另一种可能
人生中顿悟的一刻到来时，阿姆农·沙舒瓦（Amnon Shashua）还是一个年轻的计算机专业本科生。那时他正坐在耶路撒冷一所大学的图书馆里阅读一篇用希伯来语撰写的文章，当时他兴奋地发现，在很多方面，人的视网膜与计算机十分相似。文章的作者是西蒙·厄尔曼（Shimon Ullman），计算机视觉研究先驱大卫·马尔（David Marr）的第一位博士生，也是人类与机器视觉专家。意识到人类的眼睛中也进行着计算后，沙舒瓦对这一过程十分着迷，他决定追随厄尔曼的研究脚步。
1996年，他来到麻省理工学院学习人工智能，而当时这一领域仍然在艰难地从早期繁荣与衰退的循环中恢复，各家公司也在着手打造建立在由早期人工智能先驱埃德·费根鲍姆（Ed Feigenbaum）和约翰·麦卡锡等人提出的规则和逻辑方法上的商业专家系统。在人工智能研究令人兴奋的早期阶段，似乎直接将人类专家的知识灌输给计算机就已经足够了，不过这样的项目在市场中却脆弱不堪，很快就让一些雄心勃勃的初创公司崩溃倒闭。而现在，人工智能的世界在反弹。虽然在第一个30年中，人工智能的发展相对停滞，但在20世纪90年代，由于统计技术的进步，分类和决策变得更为实际，人工智能也终于可以振翅腾飞了！可惜当时的人工智能实验并没有带来巨大的成绩，这主要是因为那个时代的计算机仍不足以处理手头的数据。不过，新的想法已经呼之欲出。
作为一名研究生，沙舒瓦将精力投入了一个颇有前途的技术——通过多个视角捕捉几何形状进行成像，从而识别物体。这一方法来自计算机图形学世界，是由犹他大学研究生马丁·纽维尔（Martin Newell）开创的一种全新的建模方法。20世纪70年代，计算机图形领域的很多进展都来自这所大学。纽维尔的灵感来源于厨房里的一个真实的美乐家（Melitta）茶壶。一天喝茶的时候，纽维尔与妻子讨论物体建模中出现的难题时，妻子建议他给面前的茶壶建模，后来，这只茶壶成了早期计算机图形学研究中的标志性图像。
在麻省理工学院，沙舒瓦师从计算机视觉科学家汤米·波乔（Tommy Poggio）和埃里克·格里姆森（Eric Grimson）。波乔的研究涉及神经科学和计算机科学，而格里姆森后来成了麻省理工学院的副校长。当时，从捕捉到识别形状的过程中看似没有障碍，但实际上编写识别软件却十分艰难。即便是在今天，“场景理解”的目标仍可望而不可即，例如，不仅识别出一个女人，同时也要识别出她可能做些什么。人们也仅是在一些小的领域取得了值得注意的进步。举例来说，现在很多汽车都能够及时识别出行人或自行车，从而在发生碰撞前自动减速。
通过脚踏实地钻研这些琐碎的技术，沙舒瓦逐渐成长为一位大师。在学术世界，脑科学家与计算机科学家还在争论不休的时候，他的立场很简单：“飞机不会扇动翅膀，但这并不意味着它们不能飞。”研究生毕业后，沙舒瓦回到了以色列。而在这之前，他还开办了自己的公司Cognitens，利用视觉建模技术对工业零部件进行精准三维建模。这些图像能准确到头发丝的级别，让从汽车到航天领域的制造商们能够对现有零件进行数字化建模，从而检查其是否合适。不过，他很快就出售了这家公司。
在寻找新项目时，沙舒瓦从以前一位汽车行业内的老客户口中听说，有汽车制造商希望能够实现加强计算机辅助驾驶的立体视觉技术。他们对沙舒瓦在多视觉几何领域的工作有所了解，于是询问他是否也对立体视觉有想法。他回答说：“这很好，不过你并不需要一个立体系统，一台简单的摄像机就够了。”他指出，在某些情况下，人类在闭上一只眼睛的情况下仍然能够判断距离。
凭借自己创业家的功力，沙舒瓦成功说服通用汽车公司投资20万美元用于开发演示软件。他立即叫来了自己在商界的朋友谢夫·阿维拉姆（Ziv Aviram），并建议创办一家新公司。“有个机会，”他这样告诉自己的好友，“这将是一个巨大的领域，以前每个人的思考方式都是错的，现在我们已经有了一个客户，已经有人愿意付钱了。”他们给新公司起名叫Mobileye，沙舒瓦亲自编写了台式机展示用的软件，然后展示了摄像头的机器视觉，这对当时的汽车制造商来说就好像是科幻小说一般。
项目开始6个月后，他从汽车行业一个大型供应商处得知，通用汽车公司计划展开一场竞标，寻求一种用来警告驾驶员车辆偏离车道的方式。在此之前，他们一直专注于更遥远的问题，比如车辆和行人探测，这些汽车行业的从业者们原本认为无法解决的问题。不过零部件供应商劝他：“你现在该采取行动了。重要的是先打入汽车内部，这样做以后，你才能有更多机会。”
沙舒瓦认可了这一策略，于是他让自己在希伯来大学的一个学生在这个项目上花了几个月的时间。让车辆在车道中保持行驶的软件写得还不错，但沙舒瓦却意识到，对于愿意率先起步的公司来说，这可能还不够好。因此，这家羽翼未丰的公司很难一举胜出。
后来，沙舒瓦有了一个好主意。他在这款软件中补充了车辆检测功能，但告诉通用汽车公司这个功能存在错误，不要在意。“在下一个版本中我们会解决它，所以你们可以忽略它。”他说。这一句话就已足够，通用汽车公司为能够以低成本检测其他车辆从而提升车辆安全性的想法欣喜若狂，于是决定立即取消投标，并承诺为这家新公司提供项目资金。车辆检测能够推进新一代安全功能的研发，这些功能并不会取代驾驶员，而是通过隐形的传感器、计算机安全网来增强车辆的安全性能。诸如车道偏离预警、自适应巡航控制前方碰撞预警和防碰撞制动等技术正在迅速向前发展，并成为汽车的标准安全系统。
Mobileye有机会成为全球汽车行业最大的人工智能视觉技术提供商之一，但沙舒瓦却有着更宏大的想法。在先后创建了两家公司之后，2001年，他到斯坦福大学继续自己的博士后研究，并与塞巴斯蒂安·特龙共用一间办公室。两人终将成为自动驾驶汽车的先驱。
沙舒瓦追求的目标与特龙一致，但他的方法却更务实，而不是天马行空式的“登月”风格。他一直深受导师波乔的影响，后者一直崇尚用生物方法来研究视觉，这不同于依靠日益增强的计算机简单粗暴的力量来识别物体的方法。
当像谷歌云这样的超强计算机集群以及大数据集逐渐成熟时，用统计方法来进行计算将是最有效的。但如果没有这些资源该怎么办呢？沙舒瓦会在这里脱颖而出。Mobileye已经在以色列发展为一家出色的技术企业，公司位于耶路撒冷，距离希伯来大学不远，而沙舒瓦就在这所大学教授计算机科学课程。Mobileye Audi是一个车辆研究平台，但与挂满传感器的谷歌汽车不同的是，它的外形与普通汽车并无二致，只不过是在后视镜前、挡风玻璃中心的位置装了一台摄像机。手头的任务，即自动驾驶，需要功能强大的计算机，这些设备就藏在汽车的后备箱中，甚至还给行李箱留了些位置。
2013年春天的一个下午，Mobileye的两位工程师加比·海因（Gaby Hayon）和埃亚勒·巴贡（Eyal Bagon）在耶路撒冷东部的1号高速路上行驶了几公里。后来，他们在一个不起眼的路口停下，Mobileye的另一位员工正在路边停放的另一辆闪亮夺目的白色奥迪A7中等待。离开耶路撒冷的时候，加比和埃亚勒向一位访客道了歉。他们解释道，这辆汽车是一个研发中的项目。如今，Mobileye为包括宝马、沃尔沃、福特和通用汽车在内的汽车制造厂商提供用于安全应用的计算机视觉技术。据报道，这家公司的第三代技术能够检测行人和自行车。而不久前，日产也展示了公司在这一领域内的成果——为避免碰撞从停靠的汽车后突然走出的行人，车辆自动急转。
像谷歌一样，这些以色列人也进行过深入研究，开发出了自动驾驶所必需的技术。谷歌可能会计划与新贵特斯拉合作，发起对汽车行业的竞争，但沙舒瓦却对汽车行业的文化极其敏感，这从Mobileye目前合作的客户中就可以窥见。这意味着他的视觉系统设计必须控制成本，即使是高端汽车，花费也不能超过数百美元，而对一辆普通的雪佛兰轿车，成本甚至不可以过百。
谷歌和Mobileye采用了不同方法来解决相同的问题，他们需要帮助车辆知晓周围的情况，在高速条件下，这些判断需要优于人类的准确度。谷歌的系统需要通过雷达、视频、Velodyne LIDAR传感器对汽车周围的环境进行精细到厘米级别的测绘，增强通过街景车采集到的数据。这些谷歌无人驾驶汽车是通过与谷歌云的无线连接来获得地图数据的。这一网络对谷歌无人驾驶汽车的导航系统来说就好像一根无形的电子拐杖，确认着传感器看到的周围世界。
全球地图数据库能让谷歌的工作变得更容易。谷歌的一位工程师透露说，在这一项目启动之后，他们惊讶地发现，这个世界上竟然有这样多的变化。不仅高速公路的车道经常会因为维护等问题而出现变化，“连整座桥都会移动”。他说。即使不依靠数据库，谷歌无人驾驶汽车也能做到很多似乎只有人才能办到的事情，比如完美地融入高速公路的车流，或是在车水马龙的密集市区应对时停时走的交通。
谷歌的项目结合了特龙德国式的精密以及公司对保密的情有独钟，但以色列人却更不拘小节。一个春日温暖的下午，身在耶路撒冷郊区的Mobileye的工程师们并没有谷歌人的谨慎。“你为什么不来试试？”埃亚勒对一位游客说，然后这位工程师就滑到了乘客座位上，坐在一个大显示器和键盘后面。之后，他们开始了时长1分钟的快速机器人汽车驾驶课程：你只需要开启巡航控制，然后添加车道保持功能，将方向盘上巡航控制拉杆拉向自己。挡风玻璃上的投影向驾驶员展示了汽车的速度，并有图标提示自动驾驶功能正处于开启状态。
与配有《星际迷航》启动音乐的谷歌无人驾驶汽车不同的是，Mobileye在切换如自动驾驶模式的时候只有一个小小的视觉提示。Mobileye Audi在高速公路上飞驶，有时候速度会超过每小时90公里。在通向死海的峡谷中蜿蜒盘旋而下时很难感到放松。而在一辆自动驾驶汽车中，对新手驾驶员来说，非常具有挑战性的是前方有车因红绿灯而放慢了速度的时候。这需要所有人的意志力：让脚离开刹车板，并给予这辆车足够的信任。果然，它逐渐减速，平稳地停在了前面那辆车后。
谷歌无人驾驶汽车带给人们的体验是一种分离感——幕后那些略显怪异的机器智能设备，还有那些遥远的云计算机。而与此形成鲜明对比的是，2013年的测试阶段证明，Mobileye无人驾驶汽车能让车上的乘客敏锐地感觉到机器援助的存在。这款车需要在车道内略微移动，然后结束停车状态并绝尘而去——这样的行为无法激发人们的信心。不过，如果你了解底层技术，这样的插曲就不会那么让人害怕了。Mobileye Audi的视觉系统采用了一个“单眼”相机。第三个维度——深度，是通过沙舒瓦和他的研究人员设计的一个巧妙的算法计算得出的，这一技术也被称为“从运动中构建”，只需要略微移动车身，这辆汽车就能绘制出前方世界的3D地图。
不过知道这一切对第一次体验Mobileye无人驾驶汽车的乘客来说仍然起不到安慰作用。在一次试驾中，在掠过一辆停在路边的汽车时，Mobileye Audi突然朝那辆车开去。首次体验的乘客完全不想知道车的“真正的想法”，他们会一把转过方向盘，把车重新带回车道中心。不过，这些以色列工程师们并没有感到惊慌，甚至还流露出一丝愉悦的表情。沿着这条看上去还带有古韵的老路行驶了约半小时，行程结束。乘坐自动驾驶汽车的体验就像科幻小说中的感觉一样，不过这只是这一技术将逐渐带来广泛社会改变的第一个暗示。“交通拥堵辅助系统”已经在市面上出现了。2013年，在游览以色列的游客看来了不起的技术，在短短3年之内，如今已在全世界的高速公路上行驶。
自动驾驶汽车的下一阶段将在2020年之前到来——车辆将接手日常驾驶任务，不仅在塞车时，每天通勤的路上也是。通用汽车公司将这一功能称为“超级巡航”（Super Cruise），它标志着人类司机的角色将会出现转变——从手动控制到监督。
谷歌的目标十分明确，这家互联网巨头希望打造新一代汽车，而人将成为乘客，不再需要参与驾驶任务。不过沙舒瓦认为，即使对谷歌来说，完全无人驾驶的汽车也仍然只存在于遥远的未来。完全无人驾驶的汽车将陷入他所描述的一种四向停车难题（four-way stop）。在没有红绿灯的路口，司机之间需要复杂的交流，而对于相互独立、互不连通的计算机系统来说，在可预见的未来想解决此类问题则更为困难。
另一个复杂之处在于，人类司机经常会违背或忽略交通规则，而行人也带来了很多难以处理的问题。这些挑战或许将成为未来完全建立在人工智能基础上的汽车在城市环境中发展的阻碍：我们还没有厘清人工智能车辆造成的事故在法律上如何界定。沙舒瓦认为，一个折中的可能性是，未来可能仍然不属于谷歌高瞻远瞩的全机械智能车，不过或许再过几年，机器人车就能接管高速公路的驾驶。他的方法中加入了复杂的传感器阵列以及关注人类驾驶员的人工智能软件，拥有超强意识的人类能够看得更远、更清晰，也许还能轻松切换到驾驶之外的其他任务上。未来的车辆能够根据驾驶员的喜好或者汽车自己的喜好提醒他是否应该参与驾驶过程。
站在耶路撒冷城郊的那辆Mobileye Audi车旁，这里就像是新的乐土。无论你是否愿意，我们已经不再身处那个《圣经》中的世界，未来并不是地理上的领地，而是一个迅速逼近的技术的奇妙世界。机器将从魔像[4]开始，逐渐变得越来越智能，并接管许多人类的任务，从简单的体力劳动到高深的科学。
应对分心，将人类完全排除在驾驶之外
谷歌遇到了一个问题。公司的无人驾驶汽车项目已开展3年，其小型研究小组已经安全完成了超过80公里的自动驾驶，他们已经在传统汽车行业眼中那些不可能的领域里取得了惊人的进展。谷歌无人驾驶汽车在白天和晚上都能进行自动驾驶，改变车道，甚至在旧金山蜿蜒曲折的伦巴第街上也能进行导航。谷歌通过互联网来管理这些新技术，并打造起一个“虚拟的”基础设施。他们并没有花费巨大的成本来建立“智能”的高速公路，而是利用了由谷歌街景车队创建的精确的世界地图。
有一些成果甚至达到了令人毛骨悚然、可以媲美人类的品质。例如，谷歌的汽车视觉系统能够识别出施工区域，并能有针对性地减速，并以自己的方式安全穿越这一地带。它也能为那些部分车身越界的车辆作出调整，并在必要情况下进行移动。这一系统还不能识别出骑自行车的人，但能识别他们的手势信号，并适当减速慢行，给自行车留出变道的空间。这表明谷歌正针对一个更难的问题取得了进展：在面对警察在事故现场或施工区域的手势动作时，无人驾驶汽车将如何应对？
麻省理工学院的机器人专家约翰·伦纳德（John Leonard）的一大乐趣是在坎布里奇周边驾车，并拍摄一些对自动驾驶汽车来说非常复杂的情况。在一个视频中，他的车在丁字路口遇到了一个停车标志，并等待左转。由于从右向左行驶的车辆络绎不绝，而且对面没有停车标志，所以他的车一直没能完成转向。后来，反向驶来的几辆车让情况变得更为复杂。挑战在于，要劝说慢车道上的驾驶员让路，同时还不能撞上另一个方向高速行驶的车。
一段记录了对谷歌视觉系统来说可能最为艰难的挑战的视频拍摄于市中心某处繁忙的人行横道上。在那里，有大量人群被红灯拦了下来。车正在靠近，突然间，一名警察出现在画面左侧，他完全无视车行道的绿灯，为行人拦停了车流。对于计算机视觉系统来说，这并不是一个无法解决的问题。如果系统已经能够识别骑车人和他们的手势，那么警察制服肯定也不在话下。不过这一问题可能不会很快解决，当然也不会很容易解决。
2012年，特龙几乎完全离开了谷歌研究项目，一是为了通过大规模在线公开课程（MOOCs）改变教育行业，二是因为不愿与谷歌联合创始人谢尔盖·布林竞争X实验室的领导权。与硅谷市场上出现的情况相似，特龙无法看到他的项目的未来。在为谷歌建立并兼管秘密X实验室几年之后，随着布林的加入，特龙认为，是时候继续前进了。虽然布林提出他们可以共同管理，但特龙却意识到，如果谷歌联合创始人混在其中，他将不再拥有控制权，所以，是迎接新挑战的时候了。
2011年秋天，特龙和彼得·诺维格参与了斯坦福大学免费在线课程的录制，介绍人工智能。此举引起了轰动。超过16万名学生报名参加了这一课程，这一数字是斯坦福大学真正的学生数量的10倍。虽然登记在册的网络学生中只有很少的一部分最终修完这一课程，但它仍然成了一个全球性的“互联网时刻”：特龙和诺维格的课程带来了一种全新的、低成本的教育理念，它带来了公平的竞争环境，让每一个人都能接受世界上最优秀的老师的教育。与此同时，这样的在线课程也威胁到名牌大学的商业模式。如果一个普通的城市学院的学生也能学到同样的课程，那么为什么还要去负担斯坦福高昂的学费呢？
虽然名义上特龙每周会有一天时间出现在谷歌，但实际的项目领导权已经被交到了克里斯·厄姆森（Chris Urmson）手中。这位说话轻声细语的机器人专家曾在DARPA自动驾驶汽车挑战赛中担任惠特克的首席助理。厄姆森是特龙加入谷歌后最先招来的一批秘密参与自动驾驶汽车项目的科学家。2014年夏天，他说他想在自己的儿子到达驾龄之前创造出一辆可靠的无人驾驶汽车。根据这样的推算，这大概会在未来6年时间内。
在特龙离开后，厄姆森将项目重新转回到最初的目标，在开放道路上自动驾驶。谷歌已经将自动驾驶环境分成两种：高速公路和城市道路。在一次总结性的新闻发布会上，谷歌承认他们面临的最大挑战是如何应对城市交通环境。不过，厄姆森却在公司网站上发帖反驳说，在他看来，城市道路的混乱，汽车、自行车和行人随机运动的方式，实际上可以进行合理预测。谷歌在训练实验中已经遇到了成千上万类似的情况，公司开发的软件模型已经能够预测预料之中（汽车在红灯前停下）或意料之外（闯红灯）的情况。厄姆森和他的团队暗示，在高速公路上行驶的挑战已经基本解决，只是有一点需要注意，那就是保持人类驾驶员的注意力集中。这个问题之所以出现，是因为谷歌无人驾驶汽车团队将部分自动驾驶汽车分配给了谷歌员工，让他们在每天上下班的路上进行测试。“我们看到了一些让人紧张的事情。”厄姆森告诉记者。
谷歌最初的自动驾驶项目需要两位专业司机，他们经验非常丰富。坐在驾驶员座位上的人需要时刻保持警惕，并准备好在发生异常情况的时候采取行动。然而现实情况却非常不同，一些谷歌员工在回家路上，在一整天的工作后有一个令人不安的习惯：他们容易心烦意乱、受到干扰，甚至还可能在车上睡着！
这也被称为“放手”问题。这里的挑战在于，需要寻找一种方式，让那些被其他事情分心，例如，读邮件、看电影甚至睡觉的驾驶员快速回到紧急情况发生时必需的“态势感知”（situational awareness）级别。当然，在他们已经逐渐信任的无人驾驶汽车上打瞌睡是很自然的。这是汽车行业2014年在堵车辅助系统（该系统使得汽车可以在拥堵的高速路上走走停停）中需要解决的情况。司机必须让一只手留在方向盘上，中间可以有10秒钟的间隙。如果司机没有满足这个条件，系统就会发出声音警告，从而脱离自动驾驶模式。不过很多时候，紧急情况可能会在不到一秒的时间内发生。谷歌认为，虽然在遥远的未来这一问题有望得到解决，但以目前的技术还无法做到。
一些汽车制造商已经开始着手处理司机分心的问题了。雷克萨斯和奔驰已经实现了类似的商业化技术，能够通过监测驾驶员的眼睛和头部的位置来确定他们是否在打盹，或是走神。2014年，奥迪开始研发新系统，用两台摄像机来检测司机是否精力不集中，如果是，那么系统就会突然终止。
但就目前而言，谷歌似乎已经改变了策略，并开始着手解决另一个更为简单的问题。2014年5月，在向记者介绍了无人驾驶汽车项目的乐观进展后，他们转而着手探索一个在全新、受限却更激进的城市环境下自动化交通的解决方案。既然无法解决人类分心的问题，谷歌的工程师决定：将人类完全排除在驾驶过程之外。
谷歌不再强调他们的Prius和Lexus自动驾驶汽车，转而打造100辆新款实验电动车，这些新车彻底去掉了现代汽车中的标准控制组件。尽管成功地守住了秘密，但实际上谷歌在无人驾驶汽车项目最初阶段就已经开始进行无人驾驶高尔夫球车的测试了。
现在，谷歌开始计划重新回到本质问题上，用最近特别设计的自动驾使汽车当作班车。坐在新型的谷歌未来汽车中，感觉就像坐在电梯里。这种两座汽车看起来有点像小型的菲亚特500或奔驰Smart，但方向盘、油门、刹车和换档杆都被去掉了。这里的想法是，在拥挤的城市或是园区里的乘客将可以在智能手机上输入自己的目的地，以此发出召车请求。当坐进无人驾驶汽车后，这辆汽车提供给乘客的只有一个“旅程开始”键（Trip Start）和一个红色的“结束”键（E-stop）。工程师们作出的概念性转变之一就是将车辆的速度限制到每小时40公里以内，管理谷歌无人驾驶汽车像高尔夫球车一样而非像传统交通工具那样，这意味着他们必须放弃空气气囊和其他会增加成本、重量和复杂性的设计限制，而这些限制意味着新型汽车只适用于低速的都市驾驶。
尽管每小时40公里的速度低于高速公路的标准，但在像旧金山和纽约这样的城市，平均交通速度分别是每小时29公里和27公里，所以，慢但是有效的自动驾驶汽车或许会在某天取代今天的出租车。哥伦比亚大学地球研究所进行的一项研究发现，曼哈顿13000辆出租车每天载客47万次。它们的平均速度是每小时16～18公里，平均3公里搭乘1.4名乘客，乘客平均需要等待5分钟才可搭乘出租车。报告指出，相比之下，未来由智能手机控制的9000辆自动驾驶汽车将有能力将等待时间降到1分钟以下。假定利润率为15%，当前出租车服务的成本大约是每1.6公里4美元，相对地，未来无人驾驶汽车的成本只有每1.6公里50美分左右。这份报告指出了其他两个案例研究中的相似之处，这两个案例分别是密歇根的安·阿伯（Ann Arbor）和佛罗里达巴布科克·兰琪（Babcock Ranch）的规划社区。
谷歌高管和工程师们提出了城市规划者们一直以来倡导的观点：大量空间被浪费在了使用率不高的交通工具上。例如，用于通勤的班车在一天中大多数时候处于泊车状态，这些空间本可以被用于建造房屋或公园。在城市里，自动驾驶出租车将不间断运行，只需返回快速充电工厂，让机器人更换电池。这样便很容易想象，不再以私家车为中心，而是拥有更多绿色空间和宽阔道路的城市，将会对行人和骑行者来说都更加安全。
特龙谈到当前交通系统的危险和不合理之处时，提出了安全性问题和重新设计城市的可能性。除了浪费大量资源，目前的交通运输基础设施设计还要对全美每年3万名交通事故死者负责——这个数字几乎是印度和中国的10倍，而在全世界范围内，每年有超过100万人死于交通事故。这是一个引人注意的问题，但已经被责任问题和更艰巨的伦理问题挡了回去。反对自动驾驶汽车的理由是，法律系统尚无法判断事故过失是由设计还是执行错误导致的。这个问题已经说明，汽车设计缺陷和法律后果之间已经存在某种复杂的关系。例如，丰田汽车公司收到的针对车辆突然加速的索赔已经导致该公司损失超过12亿美元，通用汽车公司也因为设计缺陷而召回了大量汽车。这些汽车的点火开关存在缺陷，会导致突然刹车等问题。召回数量甚至超过了其2014年的汽车生产量，这一召回举措最终或将花费通用汽车公司数十亿美元。但是，对于这种挑战仍有一个简单的补救办法。美国国会可以单独为自动驾驶汽车创立一条责任豁免规定，就像它为儿童疫苗做的事情一样。只有当自动驾驶汽车被牵扯进交通事故时，保险公司便可以简单地推行无过失责任原则。
手推车难题，是否选择“更小的恶魔”
责任问题的另外一个方面已被描述为另一个版本的“手推车难题”。所谓的“手推车难题”通常是这样的：一辆失控的手推车正一路向下狂奔，如果它继续前进的话，将有5个人会被杀死。你可以让这辆手推车转向另一个不同的方向，从而拯救这5个人的生命，在那个方向上只有1个人，而这个人将被手推车撞死。掉转手推车，以牺牲1个人的代价来避免5个人的死亡，道德会允许吗？1967年，英国哲学家菲利帕·富特（Philippa Foot）在一篇论述堕胎伦理问题的论文中首先提出了这个难题，最终引发了针对选择“更小的恶魔”这一情形的无止境的哲学辩论。最近，它又演变成“机器人汽车是否应该为了躲避跑到路中央的5个孩子而选择开到人行道上撞死1个成年人”的形式。
通常，人们可以设计让软件选择那个“较小的恶魔”，但问题的框架似乎在其他层面上存在错误。因为90%的交通事故是由驾驶员错误导致的，似乎自动驾驶汽车能够令伤亡总数出现显著下降，所以，尽管仍然有少数事故纯粹是技术失败导致的，但更好的产品应该服务人类。从某种程度上说，汽车产业已经赞同了这一逻辑，例如，紧急气囊拯救的生命远比问题气囊包导致的伤亡要多。对这一问题狭隘的关注也忽视了自动驾驶汽车在未来可能的运行方式。很有可能到那个时候，路政工人、警察、紧急车辆、汽车、行人和骑行者都会以电子信号的形式告知其他人自己的位置，即便没有实现完全自动化，这一方式也能显著提高安全性。一种名为“V2X”的技术正在全球范围内进行测试，它能够持续传送并共享附近汽车的位置。未来，甚至上学的孩子们也会配戴上这种传感器，向汽车提示自己的位置并发出警报，从而降低事故发生的可能性。
令人困惑的是，哲学家们通常不会从更宏观的角度探究手推车难题，而只是将其当作独立事件的一个缩影。诚然，如果技术失败，这将成为一出独立的悲剧。改善交通整体安全性的系统似乎十分必要，尽管它们并不完美。将人类排除出驾驶行为所带来的哲学问题远比它对经济、社会甚至文化产生的影响更引人注目。2013年，美国有3.4万人死于交通事故，236万人受伤。2012年，全美有380万人以驾驶汽车维生。对比一下这些数字。如果无人驾驶汽车在未来20年内出现，它们很有可能取代很多人的工作。
事实上，这一问题远比仅仅要选择拯救更多生命或是提供更多工作岗位微妙。恩格尔巴特在1968年进行技术（这些技术导致了个人计算和互联网的诞生）展示的时候，含蓄地使用了驾驶的暗喻。他坐在键盘和显示器前，展示了图形交互计算是如何被用来控制计算，“驶过”未来的网络空间的。人类在这个智能增强模型中处于主导位置。驾驶是对交互式计算的最初比喻，但今天，谷歌的观点已经改变了这一比喻。新的比喻更像坐在电梯里或是火车上，并且无须人类干预。在谷歌的世界里，你只需按下一个按钮，就会被带到目的地。这种交通的概念破坏了深植于美国文化中的很多理念。在20世纪，汽车成了美国人理想中自由和独立的同义词。现在，那个时代正在终结。取代它的会是什么？
重要的是，谷歌在改变这一比喻的过程中起到了十分重要的作用。从某种意义上说，谷歌开始成为智能增强的典型代表。拉里·佩奇开发了用来改善互联网搜索结果的PageRank算法，通过公众信息源的积累筛选有价值的信息来源，这进一步挖掘了人类智能。谷歌最初以收集和组织人类知识起步，随后，它成了万尼瓦尔·布什在1945年《大西洋月刊》（Atlantic Monthly）上最先提出的最初的全球信息检索系统Memex的一部分，为人们所用。
但是，随着谷歌的发展，它开始将这些系统推向“取代”而非“拓展”人类。很明显，谷歌的高管们在某种程度上已经考虑过，他们正在创造的系统会产生的社会影响。谷歌的座右铭仍然是“不作恶”（Don’t be evil）。当然，这句话相当模糊，可以被翻译成任何意思，但它仍然说明，像谷歌这样的公司，其目标不仅仅是实现股东价值的最大化。
自2001年起就在谷歌担任研究主管、经验丰富的人工智能科学家彼得·诺维格指出，随着智能程度越来越高的机器的出现，人类与计算机之间的合作关系会成为这一难题的出路。人类国际象棋专家和国际象棋计算机程序的合作甚至能打败最优秀的人工智能下棋程序。“作为社会的一员，这就是我们必须做的事。计算机正变得更加灵活，它们能做得更多。或许真正能够获得不断发展的是与机器一起共事的人。”他在2014年NASA的一场会议上这样说。
人类和未来的智能汽车之间会建立怎样的关系？那些最初作为军事计划，意图将战场后勤自动化从而降低成本、避免士兵受伤的项目，现在站在了重塑现代交通业的最前沿。世界在埋头前进，交通系统在实现自动化，但是现在，我们对它的影响还只是一知半解。
显然，它会对安全、效率和环境质量方面产生显著的积极影响。然而，世界上那些数以百万计的以驾驶维生的人们又将怎样？当他们成为21世纪的“铁匠”和“无线电天线制造师”的时候，他们又将如何应对？