Driverless: Intelligent Cars and the Road Ahead

by Hod Lipson, Melba Kurman

In the year 2014, Google fired a shot heard all the way to Detroit. Google's newest driverless car had no steering wheel and no brakes. The message was clear: cars of the future will be born fully autonomous, with no human driver needed. In the coming decade, self-driving cars will hit the streets, rearranging established industries and reshaping cities, giving us new choices in where we live and how we work and play.

In this book, Hod Lipson and Melba Kurman offer readers insight into the risks and benefits of driverless cars and a lucid and engaging explanation of the enabling technology. Recent advances in software and robotics are toppling long-standing technological barriers that for decades have confined self-driving cars to the realm of fantasy. A new kind of artificial intelligence software called deep learning gives cars rapid and accurate visual perception. Human drivers can relax and take their eyes off the road.

When human drivers let intelligent software take the wheel, driverless cars will offer billions of people all over the world a safer, cleaner, and more convenient mode of transportation. Although the technology is nearly ready, car companies and policy makers may not be. The authors make a compelling case for why government, industry, and consumers need to work together to make the development of driverless cars our society's next "Apollo moment."

Genres: Nonfiction, Technology, Science, Business, Futurism, Audiobook, Cars

312 pages, Hardcover

First published September 23, 2016

Reviews

[Remo · Rating 4 out of 5]

Interesante introducción al mundo de los coches autónomos. La pena es que es de 2016 y hay cosas que han pasado desde entonces, pero mucho de lo que cuenta sigue vigente hoy. Desde las carreteras inteligentes de los años 50, cuando todo el trabajo iba a ser hecho por hardware en la propia carretera, y los coches iban solo a recibir instrucciones por radio, hasta los últimos modelos de redes neuronales convolucionales, el autor hace un recorrido por la tecnología y su evolución, contando unas cuantas anécdotas muy interesantes poir el camino. Para él, el punto de no retorno fueron los Desafíos de Darpa, en 2004, 2005 y 2007, donde se pasó de un 100% de DNF al dominio absoluto de las redes neuronales como mecanismo de control del coche.

Hay varias veces en las que el autor intenta explicar un concepto con una metáfora y es peor el remedio que la enfermedad. Como cuando dice que intentar reconstruir el proceso de decisión de una red neuronal es "lo mismo que intentar ver por qué alguien toma una decisión porque "sabe que es la correcta" pero no sabe explicarlo". Vaya analogía, amigos, tan aclaratoria.

Al final, cuando el autor da su visión sobre el futuro de una sociedad en la que los coches son todos autónomos, se le va la pinza bastante:

"Car trips will also be used for watching pornography. There will be a boost to this industry when the driverless car is finally widespread.

¿PERDONA?

People, mostly elder nostalgics, will gather in circuits to drive cars, even without a seatbelt if they are feeling risky.

¿Pero quién se va a ir a un circuito de carreras sin ponerse el cinturón, alma de cántaro?

En conjunto es una lectura interesante, pero el autor falla algunas veces al intentar hacer los conceptos asequibles, se le va mucho la pinza al imagnar un futuro de coches autónomos y (esto ya no es culpa suya) nos deja sin el progreso estratosférico de 2016-2023, que me encantará ver en otro libro.

[James Klagge · Rating 4 out of 5]

I'm going to use this book in my ethics class this semester--the class will use autonomous vehicles as an application for discussing a wide variety of topics in ethics. This book gives the history as also the state of the art (as of 2015) as well as a variety of reflections on personal and social issues raised by this technology. It will be background reading for the course, especially for students who do not have a grounding in AI.
The book is written by a mechanical engineering prof who works in robotics, and a science journalist. It is well-written and the scientific content is quite good. There is a lot of discussion of social pros and cons. I appreciated the wide range of considerations raised--it felt a bit like brainstorming. But what I didn't like was the huge amount of conjecture involved. There was a lot of "at some point" such and such "might" happen. I guess the reality is that there is a lot of uncertainty about effects, but it felt like the authors gave their imaginations altogether too much free reign.
I have been interested in the possibilities and issues of self-driving cars for several years. And I see a variety of ways that they can interact with ethics. But I have to say that the authors' painting of a future with driverless cars was sobering and unattractive to me. They didn't seem to find it unattractive--even though they did do a fair job trying to list drawbacks. But what they saw as positive aspects often felt less than positive to me. It felt like a future of individuals being more isolated than now, being shuttled around in little capsules, spending even more time on social media.
Perhaps technology just takes on a life of its own, and there is no stopping it, and little controlling it. But this feels like one of those turning points where, after it happens, we'll wonder why we never thought seriously about its impact. Just like amazon has led to the demise of book and record stores, and now perhaps the demise of local stores altogether. Or how social media has led to a deterioration of personal in-person relationships. Is this how we wanted to turn out? Was it all just inevitable?
Anyway, I look forward to spending a semester with college students reflecting on ethics in light of this new technology.
One oddity: the cover of the book shows a person relaxing and reading in their car as it drives them somewhere--but the person is clearly reading a paper book (not an e-book)!

[Will · Rating 4 out of 5]

This book is a great introduction to our (imminent) driverless future. We get a fair amount of the history of automation and regulation in the car industry before moving onto the technical, political, and ethical questions we'll face in this new world. The authors are engineers and the technical chapters are the strongest - the artificial intelligence chapters, in particular, were deep but accessible. Lipson's description of the technical history of automation is one of the most enjoyable parts of the books. You see how the sausage is made in technical revolutions - with government competitions, academic sniping and rivalries, and military funding in the background while our heroic academics trudge nobly forward. Lipson is clearly passionate about this history - and a player himself in the more modern history.

The book is weakest in the non-technical areas. I was hoping for a deeper look at the impact this world might have on our economy (given that some 15 million jobs are in the crosshairs) or specific policies the government might pursue, but the book usually shifted into platitudes and vagaries when approaching these subjects. The edition I read could also have used another pass from the editor - in a few sentences words were repeated, and in one case an entire sentence was repeated at the ends of two subsequent paragraphs. The narrative structure also felt forced at times - though you don't, generally, read a book like this for the narrative.

If you want a strong technical introduction and general overview to this area which will surely consume much of our national bandwidth in the next decade, start here.

[John Kaufmann · Rating 4 out of 5]

Very well-organized and presented book on the advent and future of driverless vehicles. The book starts with a great overview of some of the main issues. Then it goes into the history of robotics, intelligent transportation systems (ITS) and driverless cars; and on to the science, beginning with a simple overview and proceeding, in various chapters, to more and more detail. In particular, it goes into depth about the role of human perception, multiple sensing technologies and how they work, and the two main kinds of artificial intelligence (bottom-up rule-based vs. machine learning). It concludes with a discussion of issues, ranging from insurance and liability to urban design and employment. One can read as deep as one would like, jump around (skip a particular technology), or quit, at any time.

[Nick · Rating 4 out of 5]

Overall it was a good introduction to the subject. However I was familiar with several aspects of the technology already, and the book is a few years outdated in the fast-paced industry.

[YHC · Rating 4 out of 5]

the development of driverless tech..deep learning is deeply involved.
.......................
无人驾驶汽车将会转变我们对时间和空间的认知，如何出行去上班、住在哪里、如何购物等都会受到影响。我们相信这些转变是积极的，因为无人驾驶汽车将会拯救数百万人的生命，自动化的交通管理软件将会顺畅地引导汽车行驶并有助于治理空气污染，父母无须再每天花费几个小时将孩子载到学校或者活动地点，老人和残障人士也将能够便利出行。每一种影响力巨大的新技术都有其不利的一面，无人驾驶汽车也不例外——无人驾驶汽车出现后，数百万的货车司机和出租车司机将会失业。公共运输行业也会凋零，因为人们都会被按需服务的无人驾驶小巴的强大便利性所吸引，它可以随时随地承载任何人到各种地方，而花费不过是一张车票钱。不过，除非有严格的隐私保护措施实施，无人驾驶汽车的乘客终将会意识到，他们其实是牺牲了自己的隐私以换取出行的安全和便利性，因为引导他们乘坐的无人驾驶汽车的软件系统会追踪并记录他们的每次出行。在本书中，我会进一步解释汽车是如何转变成智能运输机器人的。我们会评估无人驾驶将对汽车行业产生的影响；讲述在无人驾驶改变人们的每日出行，将其由一种沉闷而危险的活动变成便及每个人且避免冲突的行为之后，城市发生了怎样的变化；还会探究人们在自动化驾驶探索道路上近六十年的失败尝试。最终，我们会引导读者通过对硬件技术和软件技术的清晰而明确的发展性认识，了解现代的无人驾驶汽车是如何诞生的。我们的目标，就是向读者提供他们在面对即将到来的新世界时所需的见解和认知。在未来，无人驾驶汽车的数量将会远多于由人类驾驶的汽车，我们衷心期望你会享受这趟旅程。

--深度学习软件对于无人驾驶如此有价值，就是因为它可以在开阔公路这种非结构化的环境中充分发挥作用。深度学习隶属于“机器学习（Machine Learning）”这一类人工智能软件。这类软件的突破创新并非由人类程序员来设计，机器学习软件并不会去建立一个现实世界的模型，再用正常的逻辑和规则来处理其中的问题，相反机器是通过大量的训练数据后被“喂养”出来的。例如，为了开发无人驾驶所用的深度学习软件，程序员每天会用几千兆字节（Gigabyte，即GB）的原始视觉素材来“喂养”这个软件，而这些视觉素材都是通过车载摄像头在真实道路环境下的行驶中拍摄收集的。深度学习软件通过观察世界来“学习”，这一点赋予了它另一巨大优势——不依赖规则（not rule-bound）。人类的婴儿学会依照物体的突出可识别性特征来识别物体，同理，深度学习软件在对物体分类时也是依据物体的视觉特征。使用规则依赖的传统途径编制的软件，遇到坐在自行车上的猫的图片时，就会陷入困惑。相反，深度学习软件会关注猫身上可供识别的视觉特征——尖耳朵和尾巴，然后不管这只猫是出现在一个多么奇怪的情境中，软件都会迅速而准确地推测出它只是一只猫。

--关于寒武纪生命大爆发——发生在寒武纪时期的生命大量快速演化，有一个有趣假设，即“光开关理论（Light Switch Theory）”。这个理论是由安德鲁·帕克（Andrew Parker）提出的，该理论认为正是眼睛的进化，引发了生命体之间的进化竞赛，使得那些具备最佳视觉的生物才最有可能生存下来。也许“光开关理论”理论对于机器人也是适用的。曾经“眼盲”的机器获得了知觉的能力，它们也会从原始的禁锢中爬出，摆脱现今我们为其设计的结构化的、黑暗的工厂环境。健全的机器视觉将使得机器人可以充分利用其新添加的身体部件——轮子、四肢或踏板，而那些部件能为它们提供更高水平的灵敏度。想要控制复杂的机械新“四肢”，它们的机器大脑也会随之扩张。当我们目睹机器人掌握了新的技能并找到可以发挥功效的新应用场景时，我们也终将见证机器人形态和功能的“寒武纪大爆发”。

--车祸中的大部分并不是汽车某部件失灵造成的，而是由本可杜绝的人为因素导致的，或者称为“4D”因素——醉酒、吸毒、瞌睡以及走神（Drunk, Drugged, Drowsy, Distracted）。只要方向盘还掌握在人类手中，车祸造成的死亡率就可能持续上升。新兴经济体中的人群刚刚尝到拥有私家车的乐趣——在中国、印度、俄罗斯以及巴西这样的新崛起国家里，随着更多汽车上路，车祸造成伤害或谋害的人员数量将会继续攀升。此外，人类驾驶汽车还有一个风险因素——分心驾驶也在持续增长，在2013年，因为分心驾驶，全美国有超过42.4万人在车祸中受伤，这一数据相比2011年增长了近10%。

--伊诺运输中心（Eno Center for Transportation）的研究曾作出预测，如果路面上的汽车能有90%变成自动化驾驶的，单单在美国，就可以将一年里死于车祸的人数从32,400人减少到11,300人。

--阻碍无人驾驶技术发展的7个误区
如果不积极响应无人驾驶技术的发展，我们就会继续付出生命和时间的代价，继续承担污染的危害，继续丧失机遇。然而，并不是每个人都认识到了无人驾驶汽车的价值。在写作本书时，我们发现有些针对无人驾驶的误解还在广泛肆意传播，并且这些信息会被反对者拿来对抗无人驾驶的推广政策。我们将这些误解谣传总结成7个误区。具体如下：
1. 自动化驾驶技术会脱胎于当今的驾驶员辅助技术。
2. 技术的进步是线性推进的。在预测无人驾驶的发展态势时，有些人认为机器人技术在将来的发展速度会继续延续过去十年的步调。可是，无人驾驶技术的发展只会更加迅速，因为它们所利用的使能技术（Enabling Technology）会遵循摩尔定律，即硬件性能提升的同时价格大幅下降。结果就是，随着无人驾驶汽车各组成部件价格的降低，它们的性能会迅猛提升。加速无人驾驶发展的另一力量则来源于“车队学习（fleet learning）”。由于无人驾驶汽车会将它们的驾驶“经验”数据进行汇总共享，所以每辆汽车都能从其他车辆提供的共享经验中获益。用不了几年，引导无人驾驶的操作系统就会积累起丰富的驾驶经验，其丰富程度不亚于数千个人类驾驶员的综合。
3. 公众会抵制无人驾驶。
4. 无人驾驶的发展需要在基础设施上进行大量投资。
5. 无人驾驶会造成道德困境。
实际上，无人驾驶在道德判断方面与人类并无二致。而反对者之所以宣称无人驾驶造成了道德难题，只是源于一个令人不舒服的事实——引导汽车的智能软件在必要时会对人类和动物的生命价值进行量化比较，以便于无人驾驶汽车在应对将要发生的事故时做出恰当的反应。无论出于什么原因，在车祸发生前的一刹那，我们人类都还是偏向于由人类而非机器来做出快速的、非正式的成本收益分析。可是，在面对这种驾驶过程中的瞬间决策时，人类驾驶员早已本能地估量出“谁可以牺牲掉”了。保险公司也早已对我们身体的各个部分出现问题时所需支付的潜在费用做出了量化。
6. 无人驾驶汽车需要有近乎完美的驾驶记录才能确保足够安全。
7. 无人驾驶汽车的应用将会突然大量爆发。

---停车经济学家唐纳德·肖普（Donald Shoup）对寻找路边停车位所付出的隐藏成本作出了这样的描述：“堵塞交通、引发事故、浪费燃油、污染空气，还破坏了步行环境。”虽然估计值存在差异，但是美国人为了寻找免费的路边停车位基本上都要花个3.5分钟到14分钟，这对城区的交通造成了极大的拥堵。对于如何改善因寻找车位导致的交通不畅，肖普给出的建议是提高路边停车位的价格。更为有效的改善措施就是干脆取消市中心的路边停车位。就像血小板过多会阻塞动脉一样，停在路边的车也会阻碍我们的街道交通。平均而言，一辆车的停泊要占用14平方米的人行道。如果你将通向停车位的通道算上，那就会占用更多空间，确切地说单单一个停车位就要占用100平方米大的空间。一般而言，汽车有95%的时间里是停在某地的。这对空间更是极大的浪费。汽车十分贪婪，大多数汽车都需要不止一个停车位：一个家里的，一个公司的，当汽车的主人下班后去超市或健身房时则还需要一个停车位。这些停车位很少会同时启用，当汽车停在公司里时，家中的停车位就一直空着。当把时间因素纳入模型时我们发现，为了停车，我们损失了更多的空间。在约翰·迈耶（John Meyer）、约翰·凯因（John Kain）和马丁·沃尔（Martin Wohl）联合完成的经典著作《城市交通问题》（The Urban Transportation Problem，1965）中，他们估算出一辆汽车在寿命期内停泊状态占用的空间是行驶状态下的两倍。起初这个结论看似不合理，但经过一定分析后，它是说得通的。

---迈耶、凯因和沃尔的计算核心是“面积小时（Area Hours）”概念，即汽车的所需用地不仅仅是空间的占用，而是空间和时间的结合。平均来看，一辆汽车一天之中有23个小时都处于停泊状态。因此，停泊状态下的汽车所消耗的面积小时，远超使用中的汽车。那么多宝贵的市中心房产资源怎么能用于存放汽车这种“可耻”行径？在规划城市时，停车场作为不可避免的“灾祸”却被广泛接纳了。尽管我们在建造每一条新公路或新的公共建筑时会分析研讨，但很少有人质疑停车场存在的必要性。停车场广泛建设的另一原因是很多城市要求“必须建设”。大多数城市实行严格的分区法规，要求每个区的停车位数量必须达到某一数值。当某些人想要开新餐馆或建设新公寓大楼并向市政府提出申请时，分区法规就会冒出来提要求——想要获得市政府的批准实施，大多数市政法规都会要求建设一定数量的新车位以匹配使用或居住在这个新建筑里的人员。分区法规要求停车位必须提前做好规划。毕竟，没有人愿意兜着圈子找停车位。然而，几十年来强制实行的“最少停车位建设政策”，导致了未曾预料的后果，那就是现代化的新兴城市被用于存放车辆的无用空间搞得千疮百孔。衡量停车场对于现代化城市观感造成巨大影响的另一种方式，就是计算一座城市的停车场总覆盖率，或者说城市中用于停车场建设的空间总和。城市里，很多停车场是一层叠一层的。设想一下，如果城市中停车场的每一层都展开铺平了，那总共会占用多大面积？越是新兴的城市，对于停车场的屈服就越严重。洛杉矶市政府就宣称市中心城区有107,441个停车位。如果这些停车场摊在一个共同的二维平面上，它们的表面积累加起来能达到331公顷，这相当于市中心整个城区408公顷占地的81%。花大精力投入停车场建设的另一个代表性城市是澳大利亚的墨尔本，在那里，停车场面积达到了市区总面积的76%。得克萨斯州的休斯敦市，停车场面积则占到了市区总面积的57%。在伦敦和纽约这样的老城市中，停车场占用的市区空间要少些，大约有18%。在停车场建设方面投入空间最少的城市有曼谷（8%）、东京（7%）和马尼拉（2%）。如果汽车不再需要在闹市区停靠，那么城市的规划者就会发现有一块很大的未开发空间可以重新计划。这样一来，界定不同种类建筑该在何处建造的城邦法典中，就可以取消对每个新建商圈或住宅楼必须配备一定数量新车位的要求。城市规划者就要忙于一件更为激动人心的事情——将停车场改造成更宜人的空间。不管怎样，结局都会出现一个新的城市乌托邦。乍看之下，移除市中心的停车场似乎成了一剂特效药，可以一扫很多城区晚间的低迷。将停车场改造成公园、运动场或路边咖啡馆会为弥漫低沉之气的市中心注入活力，还可能带来很多新的工作需求。而且随着人们无须再在城市中找停车位，交通拥堵也会变得更少。设想下这个城市可以变得多干净、多美丽。没有了停车道，街道立马变成了宽阔的林荫大道。兜来兜去找停车场的车辆变少了，空气也就变得更洁净清新了。乐观派认为无人驾驶汽车将使得所有的城市具备某种活力，即使是洛杉矶也可以。

--汽车公司对于人类主导驾驶的顽固迷恋，在某种程度上可能是一种战略手段，但这背后还是有很多因素影响的。汽车公司需要对消费者的人身安全承担重大责任。过去几十年来，福特平托车事件（The Ford Pinto Case）以及2014年的通用汽车点火开关故障等工程事故让人印象深刻，迫使汽车公司必须优先考虑产品的安全性。安全性是一项重大的责任，这意味着如果发生问题，一家汽车公司可能要支出数十亿美元召回问题产品、进行危机公关以及处理集体诉讼。除了安全性以外，汽车公司还承载着全球宏观经济稳定的责任。单是在美国，汽车行业及延展产业价值链——汽车租赁、石油公司、汽车经销商、保险公司、媒体以及医疗——可以累加形成2万亿美元的产业价值，这个数值占到了2014年美国国内生产总值（GDP）的11.5%。大型汽车制造商所犯下的每个重大错误都会耗费整个产业价值链的大量资金，并且有损所有参与公司的名誉。1979年，当时全球第十大公司克莱斯勒公司的CEO李·艾柯卡（Lee Iacocca）向国会提出15亿美元的借贷申请以挽救公司困境，此骇人一举已经载入史册。当被国会问及，为何他这样一个长期倡导自由市场体系的人会寻求政府援助之时，艾柯卡给出的回答是：“我们公司的14万员工及其家属，4700家经销商及其15万员工，19,000家供应商和其25万员工，都依赖着我们公司的正常运营。

--以人类为主导 在无人驾驶汽车领域，偏爱渐进变革方式的不只有汽车公司。美国运输部和汽车工程师学会（Society of Automotive Engineers，SAE）分别给出了各自对向全自动化驾驶演变的发展路线概要。虽然阶段划分上略微有差异，但是它们有着共同的前提：最好的发展路线要以一系列循序渐进的阶段推进——而不是谷歌式的直接跨越——即汽车搭载的“驾驶员辅助”软件只是临时接管驾驶，一旦出现特殊情况就得立即将驾驶权交回人类驾驶员。我们并不认为渐进式的演变是无人驾驶汽车最好发展路线。很多原因表明，人类和机器人不应该轮流掌握方向盘。然而，还是有些专家认为最优模式就是人类与软件共享方向盘，并且人类要维持主人的地位，软件只提供仆人般的辅助，比如，麻省理工学院的机器人学家大卫·敏德尔（David Mindell）。敏德尔是一位文笔优秀的作家，同时也是当前机器人领域的一名专家和勤于思考的评论员。他指出：“对无人驾驶汽车而言，最大的挑战将在于自动操作和驾驶员之间的权利交接。”在人机之间微妙博弈的过程中，敏德尔坚信最好的人工智能软件一定要服从于人类领航员或驾驶员。敏德尔声称，研发能够对环境作出恰当反应的智能软件，能帮助人类与机器的正确结合。在他的构想中，人与软件组合后发挥的效力要优于两者各自单打独斗。在工程师眼里，这种以人机配合为基础的软件其实就是人类为主导（human in the loop）的软件。在海军参加军官训练时，我就认识到优秀管理的核心原则之一，就是不要将一个关键性任务分给两个人去做，这是一种被称为“责任分散（Split Responsibility）”的典型管理失误。

---谷歌公司报告中，我们已经看到了人类的本性，这也是典型的责任分散，或者工程师将其称为“自动化偏见（Automation Bias）”：一旦看到技术有效，人们就会很快地信任技术。结果就是，当人们被鼓励交出驾驶权去享受放松时，他们很难再投入到驾驶任务中了。因此，谷歌认为无人驾驶汽车的发展过程中是没有中间地带的——人和机器不应该共同掌控方向盘，这种观点看似有风险，但考虑到消费者的人身安全，这又确实是最谨慎明智的发展路线。自动化会在两方面削弱驾驶员的能力：首先，诱导驾驶员投入另一件事，比如看书或看视频，而这会直接将驾驶员的注意力从道路上引开；其次，损害了驾驶员的情境意识，或者说妨碍驾驶员对驾驶环境中关键因素进行识别，并做出迅速恰当的反应。两个因素结合起来，会导致分心的驾驶员完全不知道车外面发生了什么，这足以清晰地说明在驾驶中责任分散是十分危险的行为。......最终，我们的试验得出这样的结论，那就是完全舍弃人工的干预，研发能自动完成从A点到B点全部行程的汽车。每个人都认为让汽车自动驾驶是困难的，这确实是事实。但就当前的情况看，我们认为当驾驶员已经厌倦或疲惫，并且软件还在说“放心，我会控制汽车”的时候，还想让人们把注意力继续放在驾驶上同样十分困难。

--迄今为止，还没有哪个机器操作系统敢宣称自身已经完全掌握了三大核心能力：实时反馈、99.999%的可靠性，以及超越人类水平的感知能力。

---机器人学家汉斯·莫拉维克（Hans Moravec）将这种看似简单任务自动化过程中遇到的困难进行了简洁的归纳，提出了著名的“莫拉维克悖论（Moravec's Paradox）”。他发现“想让电脑在智力测验或国际象棋上达到成人的水平是相对简单的，但如果想让它达到一岁儿童的感知能力和移动水平，则困难许多，甚至无法实现”。

----巴西科学家苏珊娜·埃尔库拉诺-乌瑟尔博士（Dr. Suzana Herculano-Houzel）针对引导运动、感知和反应的软件系统为什么会如此耗费资源以及难以研发，给出了一些见解。她研究发现，那些长期被我们视为仅能体现智力低级水平的活动，才是生物大脑真正难以掌握的。之所以普遍被误解，是因为经历了数百万年的进化，我们的大脑对于投放大量认知资源解决这类问题的流程已经超级熟悉了。
巴西科学家苏珊娜·埃尔库拉诺-乌瑟尔博士（Dr. Suzana Herculano-Houzel）针对引导运动、感知和反应的软件系统为什么会如此耗费资源以及难以研发，给出了一些见解。她研究发现，那些长期被我们视为仅能体现智力低级水平的活动，才是生物大脑真正难以掌握的。之所以普遍被误解，是因为经历了数百万年的进化，我们的大脑对于投放大量认知资源解决这类问题的流程已经超级熟悉了。本的身体机能和条件反射过程，而非高级的认知功能。人类的小脑位于脑后的部位，平均含有690亿个神经元，主要负责管理身体的基本功能和运动平衡。相反，埃尔库拉诺-乌瑟尔博士的研究发现剩下的160多亿个神经元位于大脑皮层——承担所谓高级功能的区域，如自我意识、问题解决以及抽象思维。我们应该从人类神经元的分布状态中认识到，机器人的大脑也应该将大量运算能力贡献于知觉和动作的管理。

---今天，上层控制系统和底层控制系统技术都已经比较成熟，并且经过时间的考验后得以广泛应用。然而，它们的成熟却又引发出一个有趣的问题：为什么无人驾驶汽车还没有开始真正在市场中销售？答案就在于莫拉维克悖论，即看似简单的移动和感知过程，其实十分难以自动化。正如我们前文提到的，无人驾驶汽车相比其他移动版机器人的一大优势就在于它们是建立在四个轮子上的，无须借助躯干肢体运动。事实上也是如此，由于汽车可以滚动前进，无人驾驶汽车的设计师可以回避类似CHIMP等灾难恢复机器人在自动化过程中所遇到的大量计算难题。但是，莫拉维克悖论的第二个方面，即有关知觉和反应的问题，几十年来仍然难以实现自动化。识别周围环境并做出针对性反应，能够赋予无人驾驶汽车这些能力的软件始终都是机器人操作系统中最关键的部分。

---特斯拉的CEO埃隆·马斯克对霍兹的公开挑战并没有置之一笑，而是在特斯拉网站上郑重其事地向霍兹说明了自动驾驶的真正难题： 把机器学习系统做到99%的准确率相对简单，但是在这个基础上再提升0.9999%的准确率却非常难，而这0.9999%才是根本性的需求。去看看每年一度的机器视觉竞赛就能知道其中缘由了，电脑在判断什么东西是狗的问题上准确率可以高达99%以上，但可能偶尔也会把盆栽植物错认为狗。如果在以每小时70英里的速度行驶时犯下这种错误，那么后果将十分严重。 霍兹和马斯克之间的争论，恰恰体现了人工识别软件的价值所在——无人驾驶汽车目前还缺失的核心组件，这还表��了这个组件的发展对于无人驾驶汽车能否真正走向市场有多重要。霍兹成功改装讴歌的事迹，证明了如今一个熟练的开发人员在短时间内便可搭建一辆“不错”的无人驾驶汽车。然而，正如马斯克所说，当需要人们对软件托付生命时，让它的准确率从99%提升到99.9999%才是质的飞跃。

---电脑的操作系统有两个特质，使其无法做到绝对可靠和安全：第一，它们包含数百万行代码，数量之大以至于熟练的程序员也很难迅速搜寻到潜在的漏洞；第二，操作系统要承受所谓的故障隔离（Fault Isolation）之苦。类似windows、iOS、Linux这样的操作系统，是以这样一种方式建立的：它们的子部件之间或程序之间几乎没有什么隔离。Windows XP的架构包含大约500万行代码，而这些代码又负责在单片数字“工作区”或内核运行着成千上万个程序。这些成千上万的程序联系还都连接着一个单一的二进制程序。类似于所有登山者都沿着一根绳子前进，如果一个人倒下去，所有人都会被拖倒。

---教导机器人如何思考的一大优势就在于它们有“蜂巢思维（Hive Mind）”。如果一个机器人学会了某件事，那个软件就可以复制到其他几十个机器人身上，那些机器人就可以用这些知识继续进一步的学习。当有很多不同的机器人系统在一起学习时，它们每个的学习成果可以集中到一个中央知识库，然后共享给每个独立机器人的思维数据库，使得每一个都能更快速地学习。有人称这种集体学习方式为组队学习。无人驾驶汽车技术的一大优势是，汽车可以以幂次方效率快速学习。无人驾驶汽车车队可以通过吸收彼此过去的行驶数据库进行学习，这正是谷歌、沃尔沃和特斯拉目前使用的一种磨炼其无人驾驶汽车技术的方法。

---2015年12月16日，加州机动车管理部门（DMV）根据公众反馈，发布了首份无人驾驶车辆监管条例草案。条例最具争议之处在于要求无人驾驶车辆必须同时配备方向盘、刹车系统和人类司机在车内，方能上路。要求的不合理之处在于没有充分考虑其中的风险——让人类持续地监管高安全性能的无人驾驶车辆。当人类相信计算机系统能把一切都处理好的情况下，他们绝不会用心驾驶。该要求的另一个弊端——“人类司机必须在场”的奇怪要求让无人驾驶陷入“必须有人”的怪圈。这种方法与谷歌公司研发全自动化汽车的想法南辕北辙。依据加州监管条例的规定，谷歌公司对无人驾驶汽车的设想——黑色按键开车，红色按键停车——显然是违法的。

---截至撰写本书之时，测试体系尚未成型，使得该条例“实际操作困难”——新监管条例的合理之处不仅仅在于推动一项新行业（无人驾驶汽车测试）的发展，同时要保障消费者免受山寨汽车软件和虚假承诺的危害。我们应当进一步建立建全监管条例，清晰定义政府对个人自动汽车的监管办法。我们会定时检查车子，避免刹车失灵和尾气超标。与此类似，无人驾驶汽车也需要周期性的检查来保障软件、硬件的顺利运作。自动汽车管理局应当指导各州定义和规范另一个安全相关的重要问题——划分责任。无人驾驶汽车发生事故时，过错由哪一方承担？由于无人驾驶汽车发生车祸相对罕见，这个问题很可能就此不了了之，但事实上我们需要客观审视它。美国保险法的法律效力适用于全国，如果联邦政府能全面针对无人驾驶汽车设立清晰的法律标准，覆盖软硬件传感器、汽车车身等各个方面，那么保险公司可以明晰风险，生产商也能避免遭遇恶意的诉讼。在对各州和各大城市进行监管时，联邦当局还有一项需要认真考虑的事项——隐私保护。无人驾驶汽车的记录涉及乘客大量的出行数据，汇集了众多公路可视性的数据。截至目前，我们已经看到一些保护隐私方面的初步措施。2015年纽约州议员孟昭文（Grace Meng）提出了保护无人驾驶汽车消费者隐私的法案，我们朝正确的方向迈进了一步。

--现代无人驾驶汽车构想的实现归功于两大事件：第一，微处理器体积变小，而承载的功能却更强大了；第二，2001年美国国会通过一项法案：2015年前，美国有三分之一的军用车辆必须使用全自动化汽车。就像手机、GPS导航系统和互联网一样，无人驾驶汽车原本服务于军队，后来进入了日常消费者的生活。根据该法案，国会命令DARPA负责推动相关技术的发展，授权该局对无人驾驶汽车的研发人员进行现金奖励。有了奖金的支持，DARPA当局制定了相应计划，赞助了一项公路比赛。研发人员让自己的机器人汽车与来自其他高校、汽车企业的车辆展开比赛，竞逐现金大奖。

--要搞清楚为什么特伦的机器学习在当时被称为一项重大创新，一起来回顾前面几章提到的两种主流人工智能软件类型：自上而下的基于指令的符号型人工智能和自下而上的数据驱动型人工智能。正如我们之前所讨论的，自上而下的符号型人工智能要求程序员必须先搭建出整体的理论模型，然后写出一系列应对各种状况的指令，与模型产生交流。不同的是，自下而上的数据型人工智能，例如机器学习，采用大量的数据算法并使用相应的技术进行数据处理，最终使得汽车软件无需人类监管，也能自主学习并“识别”固定的模式。在第四章的一项实验中，假设现在要利用中层控制软件来指导无人驾驶汽车通过一个繁忙的十字路口。在这项实验中，我们发现无法通过写代码的方式指导汽车处理每一种状况，或定义每一处在现实世界中可能遇到的障碍。仅仅依靠计算机软件发出死板的“如果-则”指令，无法灵活调控汽车的视觉和响应功能。用不了多久，临界状况或指令以外的小插曲就足以令它寸步难行。
特伦团队解决无限状态空间的方法其实很简单：把车外千变万化的客观世界简化成两种情况：可驾驶和不可驾驶。他们训练机器学习系统把车载雷达和摄像机收集到的原始实时视觉数据分成两类。为了教机器学习软件识别可驾驶的地面，每个周末团队都会回到沙漠中，收集更多能反映沙漠地貌的视觉数据。当系统出错，他们就会及时调整，然后训练继续。为了用采集来的数据给中层控制软件的概率网格图搭建视觉系统，特伦团队把数据流配上颜色代码。把机器学习软件认为可以驾驶的前方路面配上一种颜色，不能驾驶通过的路段数据配上另一种颜色。视频显示，当“史丹利”前进时，屏幕上会出现让人眼花缭乱的色彩漩涡，机器学习软件就这样把沙漠的无限状态空间简化成两种类型的。

--今天的无人驾驶汽车既使用数码相机，也使用激光雷达。在几十年前人工智能发展滞后的年代，激光雷达就已经是必不可少的视觉传感器了。如今的激光雷达传感器虽然造价仍旧高昂，且比起数码相机要慢半拍，然而它产生的点云却能为车辆规划绝大多数环境中的路线，并指引其完成驾驶。长期阻碍数码相机成为机器视觉传感器的“瓶颈”是三维感知。而且解压、处理大量像素需要强大的计算能力支持，在实时操作中计算能力却往往跟不上——这是数码相机在无人驾驶应用上的严重缺陷。不过在过去几年的高速发展后，数码相机也终于成为无人驾驶领域的应用工具之一。随着微处理器的速度不断提升，数码相机和软件处理数字图像的能力也与日俱增，也许不远的将来数码相机会取代激光雷达，摘取视觉传感器的冠冕。部分专家认同这种看法，在2015年10月特斯拉公司的一场新闻发布会上，埃隆·马斯克对该公司的未来无人驾驶汽车的技术发展评价如下：我认为人们无须使用激光雷达，无源光（passive optical）外加前置雷达就能做到这一切。事实上，即使没有激光雷达也能彻底解决问题。我不看好激光雷达，它在这种情况下不起作用。

除了激光雷达和数码相机，无人驾驶汽车还使用普通雷达（Radar）来识别周围环境。数码相机在像素网格里捕捉场景，激光雷达传感器则类似一罐“数码喷漆”，让原本无形的物体披上“数字化外衣”。然而雷达传感器的工作方式就像往池塘里扔下一块小石子，追随水面漾起的圈圈涟漪跳跃的方向。雷达原本应用服务于军事领域，在二战期间，雷达发射塔建在海滩、田地里，用于侦测敌军的飞机、船只和来犯的导弹踪迹。战后，美国把雷达用于航空交通管理，监控和确认商业航班的飞行航线。许多从高速公路警察手里接到过超速罚单的人，也能直观感受到了雷达技术的威力。作为摩尔定律的又一力证，雷达传感器体积轻巧、性能稳定，完全可以在快速行进的车顶上正常工作。在现代普通轿车中，雷达传感器一般应用在定速巡航技术方面：通过内置雷达装置感应到车辆周围的其他车辆的速度和位置，定速巡航系统据此调控刹车和油门。雷达传感器另一个常见的应用是驾驶辅助系统：当有车辆靠近司机的视线盲区时，系统会发出警示。

--对于自动驾驶来说，雷达传感器最大的好处是可以穿透浓雾、暴雨、尘土、扬沙，甚至是强烈的顶灯灯光，这一点不同于数码相机。雷达传感器的另一个优点是能轻易穿透非导电性物体和薄型材料，因此不容易受到高速公路上空飞舞的塑料袋或风滚草的干扰。电磁波更能识别大型的物体，因此司机担忧的巨型障碍物容易引起它的注意。相反地，雷达传感器最大的缺点就是其分辨率相对较低。雷达传感器还有一个优点，它不仅能检测到物体的位置，还能根据多普勒效应监测到物体的速度。多普勒效应是以19世纪的奥地利物理学家克里斯蒂安·多普勒（Christian Doppler）的名字命名的最常见的物理现象之一。一个人站在高速公路旁，听到疾驰而过的车辆发出轰鸣声，声音的音调随着车辆远去而降低。音调降低是因为高速运转中的汽车引擎产生的声波，当车辆驶近时，声波受到压缩，所以音调升高，当汽车呼啸而过，声波延长，音调降低。雷达传感器利用多普勒效应得出物体的速度。通过记录电磁波向外发射和反射回波的频率变化，判断移动中的物体是正在靠近还是渐渐远离，传感器还能计算出物体移动的速度。速度信息能帮助我们分辨该物体究竟是什么。比方说，在公路上每小时30英里的速度飞驰的不太可能是行人。在无人驾驶汽车中，雷达监测与视觉传感器在周边环境监测方面的作用相辅相成。通过感应周围物体的大小、疏密、速度和方向，雷达传感器传输的许多信息能与数码相机、三维“点云”生成的图片相互参照。路边静止不动的小东西是只猫还是个硬纸皮盒子。注意，一个大型的“金属盒状物”快要接触我们的尾部了！相比以前，今天的雷达监测智能化程度更高。二战期间的雷达在绿色屏幕上呈现原始模拟回声信号，外加一根不停旋转的天线表示目前的扫描方向。现代雷达的传感器类似于先进的数码相机的工作流程——能够预先对原始信息进行处理，列出包含尺寸、地点和速度等内容的目标清单。经过处理的信息更简洁，占用更少的存储空间，对于无人驾驶系统来说更易懂。为避免监测的情况过于琐碎，雷达还能尝试着把公路路面上的不必要细节从目标清单中去除，但是沥青路面也和其他物体一样会反射电波，形成干扰。因此，部分雷达传感器会自动去除扫描结果中静态物体的数据记录。虽然从目标清单上屏蔽部分物体能提高效率，同时也带来一定风险。雷达可能把某些巨型、静止的物体，比如停在桥下的一辆熄火的汽车，误认为是桥墩的一部分。

--线控技术（Drive by Wire）
数码相机、激光雷达、普通雷达、超声波传感器和惯性测量单元等一众传感装置为无人驾驶提供稳定的数据流。数据流融合后，汽车的操作系统顺利进行数据处理，奇迹就这么发生了。正如我们在前几章提到的，汽车操作系统使用好几种人工智能技术来快速做出指令。

--展望将来，汽车制造商需要建立一套无人驾驶汽车专用的稳定、透明的通信标准，这样才能处理传感器传输过来的数据流，同时防止数据外泄。换言之，无人驾驶汽车需要一套高带宽的总线。有两种基本方式适用于解决任何网络中的通信瓶颈：第一，增加可用的电子线路或波段数目，平行发送数据流；第二，使用压缩算法，大量整合数据，形成更高效的单元。而且，数据压缩的方法还可以直接在传感器上进行。例如，一些车载相机包含实时图片分析软件，经分析和压缩后，把图片相关信息一并发送。除了带宽，稳定性是车载网络另一个重要特性。无人驾驶需要像下载的音乐一样顺畅，还要比金融交易的过程更为安全，所以数据传输的稳定性体现在以下几个方面：其一是防御的能力。当出现不请自来的恶意制造出破坏网络稳定性的第三方设备时，CAN总线顿时变成一个战场，这让人联想起晚餐约会时擅自闯入了一位宾客，他打断了餐桌上的对话。这种恶意的装置不仅仅是妨碍，一旦入侵车载网络，甚至能劫持整辆无人驾驶汽车。其二是网络容错性（tolerance to errors）和消除网络噪音的能力。无人驾驶汽车需要一套足以媲美航空电子设备的弹性高效的纠错协议。假设无人驾驶汽车的软件发出指令“油门增加1%”，却被燃油注入系统误解为“油门增加100%”，那么公路将会上演一场血腥的屠杀灾难。为了防止系统间数据交流出现致命的错误，纠错协议提供监督功能，就像聘请了一位冷静笃定的校对，二次检查信息传输的内容。无人驾驶汽车CAN总线上的各个子系统需要互相信任。良好的通信协议为子系统核实所收到的信息与传感器发出的内容一致。鉴于人类司机在车内驾驶时应对恶意攻击能力的严重不足——无论是自动驾驶汽车还是普通汽车——我们都希望汽车制造商对车内通信协议进行加密保护。遗憾的是，这种安全防范思维还没有稳固地植根在汽车行业里。也许是因为部分车主热衷于摆弄汽车的引擎，所以如今入侵一辆汽车并不太困难。

---深度学习，无人驾驶的最后一块拼图 人类识别物体，是根据物体本身的特征，例如从标志性的特征认出某位朋友，或是根据某个颜色鲜艳的标签，让你一眼就从行李传送带上堆积如山的行李中认出自己的行李箱。现在软件也能根据物体显著的特性来学习识别某个物体。人类有持久稳定的记忆，能够认出在不同情况下见过的物体或场景，深度学习最终也能赋予机器这种神奇的能力。哪怕数码照片在机器不熟悉的环境和不同层次的灯光下拍摄的照片，深度学习也能识别照片中的物体。事实上，深度学习软件通过不同的应用，已经达到与人类水平相当的识别能力。我们也许不久将会看到莫拉维克悖论解决方案的诞生，因为机器人专家和计算机科学家已经找到新的方式，把深度学习应用到机器人感知与响应领域。2012年以来，深度学习发展日渐成熟，现在已经能够应用到多个领域。在无人驾驶汽车方面，深度学习能够为车辆提供视觉能力，并提升语言识别软件的语言理解能力。2016年，深度学习软件在一次备受瞩目的活动中显示了其多才多艺——该活动就是谷歌公司的AlphaGo围棋项目——人工智能软件击败了世界上最顶尖的棋手——要知道围棋可是被公认的比国际象棋比赛更有挑战性。为了鼓励第三方开发商使用其软件工具来开发智能应用程序，谷歌、微软和Facebook分别推出了各自的开源深度学习发展平台。

---人类智慧取得成功的秘诀在于“练习，练习，再练习”。无论人工神经元网络接受何种形式的训练，机器学习也有相似的秘诀——“重复，重复，再重复”。为了学会识别圆形与方形之间的区别，感知器需要不断重复，直到机器设定好应对每个错误答案的电阻。

---人工智能研究的舞台从此拉开了两大主流学派长时期的理论之争：符号主义，主张由程序员编写代码搭建逻辑模型；神经网络，以机器学习为特点，通过数据驱动方法实现。作为人工智能研究资金的主要来源，军队一直密切观察哪一方在两大阵营斗争中占据上风。唯恐某一种人工智能范式垄断各界，那些为符号型人工智能呕心沥血的研究人员纷纷加入这场战争，坚信神经网络研究势必衰亡。

---神经网络研究的复兴 符号型人工智能高速发展的同时，神经网络研究仍旧在艰难起步。到如今，“感知器”已经演变为神经网络中某一层神经元的通称。有趣的是，模拟硬件装置的命运与原始的感知器相似，已经被搁置一边。人工智能专家专注于在软件里打造神经网络。1975年，哈佛博士生保罗·韦伯斯（Paul Werbos）发明了一种新型、改良的感知器。韦伯斯为推进人工神经网络的发展做出了两项重要的贡献。第一，他推出的神经网络不仅能输出“1”和“0”，还能输出分数数值。例如，0.5的计算值意味着神经元对该答案的“无法确定”。与罗森布拉特的感知器相比，那台原始的“马克1号”只能纯粹输出“1”和“0”，灯泡所能以“点亮”和“熄灭”的方式表示只能“是”或“否”，没有介于两者之间的表达。第二项贡献是韦伯斯提出了一项新的训练算法“误差反向传播算法（Error Backpropagation）”。这样一来，人工神经元能够以分数的形式来处理各种不确定性，误差反向传播算法用于训练多层神经网络的共同运作。罗森布拉特感知器的主要限制之一是输出的神经元层只能输出“是/否”两个答案，导致学习曲线过分陡峭，拖延进度。韦伯斯的新一代人工神经元网络能使多层神经元联动，大幅度增加了其模式识别能力，也因此拓展了其潜在应用范围。这种新结构有利于提高神经元网络处理复杂的模式分类问题。事实上，韦伯斯最先解决的难题就是此前一直被认为神经元无法破解的异或运算问题。假设我们使用韦伯斯的方法来训练神经元网络识别各种狗。首先，我们把一张20×20网络像素的狗的数字图片呈现给神经元网络。传感层把信号传送给由400个人工神经元组成的首层神经元网络，首层接收后通过加权连接把信号传给第二层，第二层再次通过加权连接把信号传给第三层，如此类推。最后，当信号经过所有的中间层以后，抵达输出层。输出层由单一神经元细胞构成。该神经元细胞回答道：“这是一张狗的图片吗？”在能实现分数回应的前提下，网络能根据答案的确定程度，在0~1的范围内给出答案。例如，神经元网络给出的答案是0.9，这意味着它比较确定图片的中的物体是一只狗，但不能百分百确定。

神经网络研究——现在这种行为被重新命名为“联结主义（Connectionism）”——应用领域十分广泛，从对信用卡申请人的评级到药物分析无处不在。可是，20世纪90年代的神经元网络研究复兴并没有持续很久。尽管无数的学术文章表明神经网络在人为结构设置的环境中能够取得许多成功，但在实际应用中它却表现不佳。问题恰恰在于机器学习得太好了。神经网络的过度指定（overspecialize）、过拟合（overfit），仿佛一个小孩子能够准确无误地记住数学问题的答案用于应答，而没有理解答案背后的公示。过拟合问题在于，神经网络能够学会识别训练过的图片内容，却缺乏“举一反三”、对知识内容扩展的能力。僵化的不变量问题依然没有得到解决。如果人们训练神经网络识别100张猫或狗的照片，它可以成功地对这100张图片正确分类。然而遇到训练内容以外的图片，神经网络将很可悲地遭遇失败。这使得联结主义学界再花上个十年研究，如何在机器出现过拟合之前停止训练。这种方法叫作“提前停止法（Early Stopping）”，只可惜这个方法来得有点晚。这一次，对神经网络造成打击的不是人工智能界的逻辑主义阵营，而是来自同一阵营的竞争对手阵营——新的机器学习方法。那个时候，这种机器学习方法，特别是支持向量机（Support Vector Machines）开始盛行。他们相比神经网络的表现进步并不大，却十分诱人。对于视觉识别任务，比如那些对无人驾驶来说十分重要的识别需求，机器表现提高了1%——若是在以秒为单位的、激烈竞争的奥运比赛场上，任何细微的差别都可能扭转赛果，那里是“胜者为王”的赛场。支持向量机的大部分进步之处，回想起来，也只是能在路径清晰的发展中避免过拟合的问题。这门技术被称为“常规化（Regularization）”。当同样的过拟合缓解办法应用到神经网络上时，虽然神经网络也能有所提高，可惜这一切太晚了。神经网络研究在20世纪90年代中期再度失宠，对不变量表示（invariant representation）的问题仍旧没有得到解决。

---绘图处理器（GPUs） 我们已经对高速计算机、大数据、数字相机和多层人工神经网络等主题进行讨论。还有一项更为重要的技术即将映入眼帘：高速独立显卡。它之所以重要的原因在于神经网络对于计算能力的要求极高。早先，优质的独立显卡资源掌握在游戏界手里。游戏行业有时会遭遇某些保守的成见——“游戏会使青年人沉溺其中，浪费时光，毫无创造性”，然而事实上游戏行业却是创新的主要来源，尤其在图片处理方面。游戏能测试出计算能力的高低。在游戏中，计算机需要以高清像素和快速帧率再现3D图片场景。计算机必须实时响应用户的输入，抵消几个游戏玩家之间的网络延迟时间，同时通过四射的水花和椅子的摇晃形成精准的肢体刺激。而且游戏应用对于计算机环境的要求更高，比普通应用程序的要求（如复制电子表格里的数字或数据搜索）更复杂难度更高。连摩尔定律的速度也无法满足游戏行业对于低成本、高性能的计算机要求。
--Nvidia 推出了深度学习卡，是克里泽夫斯基的SuperVision网络在低功耗硬件上的衍生产品。Nvidia的商业应用程序目标何在？毫无疑问，是无人驾驶汽车。该系统被名副其实地命名为DRIVE PX，它能同步处理超过12个视频频道的实时内容。一年后，速度更快、造价更低、质量更优的计算机卡推出，自动深度学习的技术研发竞赛拉开了大幕。

--神经网络内部 有几种不同类型的网络用于图像识别，每个网络都有自己的自测工具，并通过应用独特的改进算法提升训练的精度。深度学习是快速发展的领域，几乎每周都会推出新的结构和算法。然而，一个共同的特点是深度学习网络使用串联式多层人工神经元，从经过软件识别与标上标记的数字图片中捕捉图片特征。先进的深度学习网络拥有超过100层的人工神经网络（对比罗森布拉特的感知器只有单层神经网络，共八个神经元细胞）。有人认为深度学习网络识别物体的方式与人类相同，首先认识某个细小的特征，然后把该特征抽象出来，应用至更广义、更抽象的概念中去。虽然直到现在，生物系统识别物体的过程仍然是个谜，但人类的眼睛看到一双尖尖的耳朵，八根胡须和毛茸茸的尾巴时，总能快速地把以上视觉信息分类：“啊，是只猫！”是的，构建神经网络时，通过进行快速的个体特征分析确实是物品分类的一种办法，人工感知也由此更接近人类的感知水

--高清地图的生产和维护成本很高，但这正是其市场价值所在，也正是许多想跻身该行业的公司要跨过的门槛。然而长期来看，数字地图将会成为常见商品。两股力量将导致这样的转变：第一，数码相机和深度学习软件性能提升，汽车操作系统的可靠性就从地图数据存储转移到实时场景识别。实际上，当汽车具备视觉智能后，车载地图反而将变得不那么重要。令人始料不及的是，第二股力量竟然是“自动化”。一旦汽车能自主驾驶，它们就能自动更新并维护车载数字地图的信息。不计人力成本以后，曾经居高不下的地图制作成本将遭遇滑铁卢。庞大的无人驾驶汽车队伍将会成为首屈一指的地图制造者，因为机器人有着过人的精力、耐性和稳定的情绪。

--车队学习还会以另一种方式加速无人驾驶汽车性能的提高。若是几辆汽车记录了相同的视觉环境，重叠部分将会被交叉检查。由于错误检测软件需要检查多辆汽车，实现数据交叉检查，以确保数据的准确性。假如有1000辆汽车都报告看见一棵树倒在路旁，并且目击时间一致，观察角度各异，那么确实有一棵树倒在路旁的概率就很高。深度学习软件的能力最终是由软件自己来提高的，这让人联想到一个有趣的场景，那就是移动机器人有能力提升车载地图的准确率。这个地图构建过程被称为“即时定位与地图构建（simultaneous localization and mapping, SLAM）”.
--当我在演讲中与观众谈论无人驾驶汽车的价值与潜在影响时，总会有人举手提出以下问题：“即将发生致命事故时，无人驾驶汽车是觉得撞向路旁的两名婴儿呢，还是牺牲车内的五名成人呢？”这类道德选择问题还将会在新的情况中被再次提出，但是核心问题出自经典的“电车难题（Trolley Problem）”，一道在过去几十年中的哲学课堂上被热议的问题。
无人驾驶汽车需要我们认同一系列用于指导车辆紧急决策系统的道德准则。在公平民主的社会中，这套道德准则被大众认同，无人汽车制造企业也自觉遵守。不仅是应对悲剧发生的决策应当得到大众认同，当灾难发生时，汽车灾难的指导手册应当是公开透明，经得起事故考验的。类似于空难发生后航管局官员采取的步骤，在发生车祸后，无人驾驶汽车的指导手册“黑盒子”应当受到保险专业人士和执法部门人员的检查，他们最终会分析软件当时都作出了怎样的决策，采取了哪些行动。当这些道德准备变成了法律，结果将产生新的道德滑坡和犯罪。想象一下，假如有黑盒子显示，汽车公司把车子的价值计算原则设置成车内人员的生命价值高，车外人的生命价值为零；或者车祸后，黑盒子记录显示，因为预先写入程序时的疏忽，软件被设置为“最小化车子的损坏程度，而不顾其他”。自动驾驶汽车将会挑战我们的价值观和可靠性，并把驾驶从凭直觉转换到单纯依靠数据和逻辑。随着无人驾驶技术的普及，城市的设计也将会经历另一种变化，那时候停车场都消失了，车子被数据驱动制定最佳路线，缓解了出行难题；自动交通输运将给予我们的工作和生活地点更多选择；一些职业会消失，当人类司机从企业的求职表中被拿掉以后，新的商业模式将会出现，从而催生出新的职业。

--以下是零原则的工作原理。撼动传统行业的新兴科技都有一个共同特点：产品推出后，一项或多项生产工作的成本将降到几乎为零。实际上，遵循零原则的技术推出几年后，产生了极大的行业影响，最终成为行业革命的导火索。蒸汽机和计算机——有着共同的潜在特点。它们的出现去除了主要的工业成本障碍，改变了许多不同行业领域的商业实践，快速影响着人们的工作和生活。今天无人驾驶技术的发展也可能会出现颠覆性的局面。只有时间才能证明我们是否即将步入另一个社会大变革时期，或是另一个过度宣传却毫无成效的新兴技术。让我们把零原则应用在无人驾驶的案例中，看看哪些直接或间接成本能减少。无人驾驶汽车所能减少的最大经济、社会成本之一就是交通事故造成的伤害。另外，能节省下驾驶的时间。对于普通人来说，花在驾驶上的时间是间接的机会成本。对于运输公司而言，人类司机的时间成本直接以薪酬的形式体现，是决定货物运输过程的主要因素。最后，由于无人驾驶技术去掉了人为易发生事故的因素影响，汽车和货运车辆不再需要以“体型庞大”和“专为安全性而设计”的形象出现，同时无人驾驶还能降低燃油的消耗，催生丰富多样的车身和车型。如果我们仔细梳理一下，会发现无人驾驶这种自动汽车技术将四项核心成本减至接近零：1. 接近零伤害。驾驶是高风险行为，无人驾驶汽车能极大降低车祸的直接或间接成本，也减少了每年因交通事故住院的医疗成本（美国全年的医疗费用在180亿美元），以及相关的工薪损失（每年330亿美元）。医疗、保险、器官捐赠等收入与交通事故挂钩的行业将丧失部分收入来源。2. 接近零技术。无人驾驶汽车去除了一项客运或货运的成本：工资。货车司机的工资是运输货物、商品的一项重要成本。乘坐出租车的成本也和出租司机的工资有关。3. 接近零耗时。无人驾驶汽车将驾驶的时间减少至零。平均每天美国人花在驾驶上的时间是3小时，每年耗在交通拥堵上的时间是63小时。以前用于驾驶的时间可以用于工作或个人生活。4. 接近零尺寸。有人驾驶的车辆处于安全设计的限制，体型庞大沉重。无人驾驶汽车的事故可能性较小，因此车型更小，重量更轻。没有司机的货运车只需要与所运输的物品大小一致即可。

--20世纪40年代，经济学家约瑟夫·熊彼特（Joseph Schumpeter）提出了“创造性破坏理论（Creative Destruction）”，用于描述因为某种技术的出现摧毁了原有行业后发展出的重建过程。这个重建过程触及经济的几个主要部分，包括设备使用和管理结构。其中最具争议性和影响最大的表述当数对工作岗位的破坏。美国人每年因交通事故住院的时间累计多达100万天；美国约有20%的器官捐赠是来自于交通事故中丧生的人；美国监狱有相当一部分囚犯与人类的驾驶弱点有关——1997年，7%的监狱犯人和14%的缓刑犯入狱原因是醉驾。美国每年汽车相关的各种问题产生的罚款多达几十亿美元。一个让人不悦的真相是，因为各项法律与停车强制执行细则开出的罚单，不是基于维护公共安全，而是为了维持政府的资金。如果人类不再超速或违规停车，政府的许多重要收入来源就消失了。仅在美国，每年因超速开出的罚单收取的罚款达到60亿美元。平均每年，纽约市因为违规停车的收入超过了6亿美元。当全世界都是遵守交规，还自带数据记录的无人驾驶车辆，各城市与各州所依靠的收入来源也随之不复存在了。汽车保险业在无人驾驶的背景下也需要转型。年收入2000亿美元的汽车保险行业将会面对何种程度的影响，现在还众说纷纭。一方面，保险公司的利润可能增加。因为无人驾驶汽车的出现，事故费用索赔少了。另一方面，由于车祸发生概率大大降低，无人驾驶汽车车主可能会要求保险公司降低保险费率。问题的解决办法之一，是汽车保险公司会为出租车公司提供“每一次打车”保险作为汽车软件的保证金。乘客在乘坐无人驾驶车辆前，是否同意接受乘坐该车可能造成的伤害性后果，这就像今��我们购买电脑的时候，有一张需要点击确认的许可书一样。也许有一天，在我们乘坐无人驾驶出租车之前，还需要签署多达200页的许可书，以表示我们是否同意放弃索取补偿的权利。

[Nilesh Jasani · Rating 3 out of 5]

Driverless covers topical issues well but does not go far enough.

The book confronts issues that dominate headlines extensively, if not excessively. It makes the safety related arguments well although in addressing the common concerns, it labors over the same points repeatedly. Some of these issues and solutions are succinctly covered in many popular magazine articles these days.

The sections on technology are well-crafted and make many interesting points. The details on AI, machine learning and neural network are excellent. They could leave many like this reviewer yearning for more.

The sections on other socioeconomic concerns, like employment, are simply too brief. Understandably, there are no solutions or positive conclusions here, but the book comes short even on the arguments and details here.

Most importantly, the book does not look far enough. It does not even mention the likelihood of driverless cars taking off in other countries with less stringent regulations or less safety-related concerns. The book comprehensively ignores other technology forms that are likely in coming decades - for example flying cars or hyperloops. As a result, one often feels that discussions are limited to topics debated in popular US media and not much more.

[Malcolm Logan · Rating 3 out of 5]

An overview of the earthshaking societal impacts portended by the advent of self-driving cars combined with an examination of the technology. The book does an adequate job on both counts but might be considered guilty of unevenness in the eyes of the average reader. 

To grasp the implications of the coming transformation, the reader must understand the robotic advancements necessary to design an autonomous vehicle, such as visual perception software and deep learning, but the authors (perhaps reflecting their technological and academic backgrounds) get a little deep in the weeds at points, causing the reader to glaze over.

Still, this is an intermittent flaw and does not drag down the entire book. On the contrary, parts of it are fascinating, particularly those that foretell the disruptions to be caused by this ultimate of all disruptive technologies.

From employment to insurance to infrastructure and crime, the world is about to be reshaped by the self-driving car in ways most people have not begun to anticipate. As a much needed heads up, “Driverless” is the first of what promises to be a slue of such bellwethers, and as the inaugural entry it is a worthy effort.

[Dale · Rating 4 out of 5]

A Review of the Audiobook

Published in 2016 by Blackstone Audio
Read by George Newbern
Duration: 9 hours, 57 minutes
Unabridged

Driverless cars have been the goal of engineers for decades, but the technology has simply not been there. Lipson and Kurman take the reader (or listener, in my case) through a history of driverless cars, artificial intelligence and make the case that driverless cars will be a common thing much sooner than most of us think.

Positives:

The book is written in mostly non-technical terms and simply explains the technical terms that it does use before using them.

The writers are very enthusiastic about their topic.

Negatives:

The writers are very enthusiastic about their topic - and sometimes they go into waaay too much detail. For example, they go into a long discussion of a intelligent road scheme that General Motors worked on for years that was a dead end. It could have been edited down by half.

But, on the whole this was a very informative book that gives the layman a solid handle on why driverless cars will come and how our society is likely to adapt to them.

I rate this audiobook 4 stars out of 5.

http://dwdsreviews.blogspot.com/

[Richard Thompson · Rating 4 out of 5]

I have been riding the hobby horse of autonomous cars since the DARPA challenge in 2005. My family is sick of it. I keep claiming that the revolution is around the corner and that it is going to change everything, mostly for the better. It is taking longer than I thought, though I still think that it is coming soon and that the impact will be radical. This book is three years old so you would think that it would be horribly out of date already, but it's not. Maybe the pace of innovation has slowed a bit. Or maybe we are just waiting for the next punctuation mark in the punctuated equilibrium of the development cycle.

I don't know, but in any case this book provides a good background on the history of driverless cars, the technologies behind them, the prospects for the future, and the legal, regulatory, social and ethical challenges that we will face if autonomous vehicles become ubiquitous as most people now believe will happen. I didn't learn a lot, as I have been following this field for years already, but I did learn a few things, particularly about neural networks, and I enjoyed the ride.

[Noah Sadler · Rating 3 out of 5]

I looked into and started reading this book to learn more about our future in terms of transportation and more specifically, cars. I’d definitely say that I’m a car enthusiast so the idea of having driverless cars really intrigued me. Overall I think that Lipson did a good job introducing what our driverless future could look like. One area in particular that I liked was learning about automotive history and the overall car industry. I also really enjoyed reading about some new artificial intelligence and technological ideas. Although I did learn a lot reading this book, one thing that I noticed I was continuously reading was how certain aspects “might” happen. This makes you realize that there is still a lot of uncertainty and many factors that play a role in this topic. Technology is crazy and will continue to advance with time, maybe a driverless future is a reality, but only time will tell. If you’re interested in this topic or in cars in general I think this is a good and informative read.

[Chris · Rating 1 out of 5]

I listened to the audio book and at times it was interesting and it was mostly boring in my opinion.

The first chapter was good and the book could have ended there and then there were 11 more chapters.

The authors are academics which explains much of this boredom and they talk mostly in conjecture and then go on boring the listener with historical facts and figures about the history of AI, code, and creating a driverless car or car of the future, all in a matter of fact monotone lecture straight from the college lecture hall. They should read Chip and Dan Heath's book, "Made To Stick" to learn how to tell engaging stories that draw in the audience and make things memorable.

I did learn about LIDAR and along with that RADAR and SONAR (of which I am already familiar) and a little about cameras versus lasers, other than that the book was boring and far too long.

I cannot recommend this book.

[Ryan Morton · Rating 4 out of 5]

A good technology-focused overview of automation, autonomous vehicles, and supporting technology / processes. The book focuses almost exclusively on the technology, unlike many other similar books which focus, in my opinion, too much on the people, which creates a fake heroism for the titans of the industry. This book provides a relatively objective history of the industry and thus fills a gap that is been looking for as a reference.

I suggest this book for anyone in the AV, machine learning, or automation industry, along with those who are interested in learning more about the history and/or technology of these. Now, it is mildly dated today, already, the focus on technology of the day means this book will surely be dated soon, though still providing a great historical reference for years to come.

Even though I have both depth and breadth within the industry, I learned new facts, perspectives, and historical referencesbfromnmy audiobook listen of this great book. Thanksl

[Elie De Brauwer · Rating 4 out of 5]

+1 for being the only book in the entire library to cover deep learning, +1 for mentioning Sebastian Thrun, Fei Fei Li, Yann LeCunn and friends in a book +1 for not using any mathematical notation at all -0.5 for stating the computer history museum is in Palo Alto (it's in Mountain View !) -0.5 for getting a label as a book about cars while it's actually about deep learning and +2 to end up at a total of four stars ;-)

But that said, the book offers a very readable/entertaining introduction to machine learning using self driving vehicles as the case study (it does cover anatomy and some more background on cars but it's actually a book on machine intelligence disguised as a book on self driving cars).

[Dan · Rating 5 out of 5]

This book gave me a great introduction to autonomous car technology.
As a newbie to the topic, I did not realize some technology might already be outdated. However, I truly enjoyed learning the basic building blocks of thinking processes: low-level (acceleration, breaks, turns), mid-level (environment recognition), high-level (planning and navigation) controls, ethical, safety, privacy, security, reliability considerations, possible ripple effects in society and economy.

It was felt like a bonus that the authors shared the deep learning concept and a brief history as one of the core components of self-driving vehicles.

I appreciate the insights from the authors sharing their experiences and researches.

[Praveen Krishnan · Rating 4 out of 5]

It was pretty fascinating to read the evolution of driverless cars and the amount of progress that’s been made in the last many years. The true acceleration happened in this millennium with the advent of improved sensors and super powerful GPUs.

It was also interesting to read the ethical issues associated with driverless cars. Driverless cars are soon going to be a reality but that also means a myriad of different kinds of issues that we as humans are going to face instead of just worrying about whether we are going to fall asleep behind the wheels.

Pick a copy of this book to get the full scoop on how life changing driverless cars are going to be.

[Kee Onn · Rating 4 out of 5]

As a graduate student in engineering I certainly felt like I've somewhat missed the bandwagon of machine learning and driverless technology. With this book I was able to catch up with relatively little trouble as Lipson and Kurman wrote this book with the average reader in mind. These are technologies that appeared in the last five years and we are still uncertain in how these technologies will change our lives. The authors are optimistic, albeit with a few economic and moral caveats also discussed in the book.

[Dare · Rating 4 out of 5]

Anything and everything you've ever wondered about driverless cars will be addressed in this book, even if the answers to some of those questions aren't quite clear yet. Even though the authors remind the reader that autonomous vehicles may never become the mainstream technology we dream of, I couldn't help but imagine a future where my very own driverless car drops my husband off at work, returns to drive me to work, then parks itself back at home until its time to pick us up. I love the future this book dreams up, and only hope it's the way we're heading.

[Todd Cheng · Rating 3 out of 5]

An easy listened book on tape. Nothing extraordinary in the shares, but a good way to get caught up on the state of the craft as of 2016. I read in 2020. Not all the futures have thus far happened in the four years since published.

The author provides a history of the driverless car thus far and the history of artificial intelligence across deep learning networks that are used to detect images. The narrative also touches on the privacy, insurance, and legal topics that will have to be addressed with this technology.

The spontaneous learning or spooky facial recognition example was an interesting use case on how untaught learning can happen.

[Kyle Schroeckenthaler · Rating 4 out of 5]

A great introduction to a fast evolving field of technology. He covers a lot of interesting history and technology stuff, and touches most of the major societal issues. I think his treatment of technology is a little stronger than the predictions about autonomous vehicles will change transportation systems over time.

[Rick · Rating 3 out of 5]

This was alright. Provided some interesting history on the subject, covered enough about machine learning to make me want to find a more detailed discussion on the topic. My biggest complaint was there was a bit too much cheerleading for how autonomous vehicles are right around the corner and about to make everyone's life incredibly so much better...

[Otto Henrique · Rating 4 out of 5]

Achei simples (mas não básico) e bem rápido de ler. Explica sobre os vários avanços tecnológicos que permitem sonharmos com um futuro autônomo e a história de como corremos atrás dessa mudança.

O mais interessante é que os primeiros capítulos são dedicados as mudanças sociais que o carro autônomo vai trazer como por exemplo no planejamento das cidades.

[John Anderson · Rating 2 out of 5]

Painful to get through and could have been shorter. This is a great base for understanding the challenges to autonomous driving vehicles but long-winded and already getting stale. Too much history of AI & Neural networks for me and some of the future assumptions are subjective. Interesting but not recommended.

[Brian · Rating 4 out of 5]

I knew the author would be promoting autonomous vehicles, but I was pleasantly surprised to see discussions of the dangers that must be addressed. The inclusion of technical material and details helped keep my interest vs a high level talk that provides no substantive value. I walked away with a better understanding of the challenges and potential for these vehicles.

[Garrett Bentley · Rating 5 out of 5]

This is a glimpse into the future. Really digs into how cars have shaped our lives, how development of autonomous cars has evolved, how policy will play a critical roll, and what makes driverless cars possible. Lots of science in this one, and I really liked it.

[Martin Roshkev · Rating 5 out of 5]

A good way to introduce yourself to automated driving technology, described from a very broad perspective. It could serve as a great starting point for people without technical knowledge to dig deeper with more specialized literature.

[kingfish 94 · Rating 5 out of 5]

A very insightful and technical read. I don't see driverless cars coming in the near future. They had me at, "driverless cars (pods) won't have any Brake Lights". Maybe I'll change my mind if I see a demo. I would love to be proven wrong.

[Silvano Paternoster · Rating 5 out of 5]

Great book
Finished in 4 days
Very easy to read, a good introduction to the world of driverless cars,.
Includes great pieces of history, problems and future possibilities of driverless cars
Recommended

[Sandeep Guguloth · Rating 5 out of 5]

This book can be considered as a definitive guide to self driving vehicles, for non-technical readers. Prof Lipsob has done a good job of explaining many robotics concepts in an easily understandable way.

[Suleman · Rating 4 out of 5]

It becomes slightly technical in parts of it but overall an eye-opening book into the future of an earth shattering technology. What I enjoyed the most was the social, ethical and philosophical aspect of the book.