如何打造更安全的自駕車:不要剝奪它的學習機會
發佈日期:2018/4/8 | 類別:區域研究 | 點閱次數:233

近日美國亞利桑那州發生的自駕車死亡車禍,造成UBER全面暫停自駕車測試計劃,合作廠商股價大跌,也再度加深人們對AI自動駕駛的憂慮,無疑對自駕車產業造成衝擊。以自駕技術發展先趨GOOGLE為例,過去6年累積170萬英里測試計劃(含自動駕駛及人工駕駛)中,僅發生11起輕微事故且無人受傷,加上統計數字亦顯示,自動駕駛可能有效降低交通意外的發生,為何以機器取代人為駕駛仍然引起社會大眾的不安?

近日美國亞利桑那州發生的自駕車死亡車禍,造成UBER全面暫停自駕車測試計劃,合作廠商股價大跌,也再度加深人們對AI自動駕駛的憂慮,無疑對自駕車產業造成衝擊。以自駕技術發展先趨GOOGLE為例,過去6年累積170萬英里測試計劃(含自動駕駛及人工駕駛)中,僅發生11起輕微事故且無人受傷,加上統計數字亦顯示,自動駕駛可能有效降低交通意外的發生,為何以機器取代人為駕駛仍然引起社會大眾的不安?

在這份憂慮的背後,顯示人對未知事物的不信任及恐懼。在傳統交通事故中,即便肇事責任完全歸屬於駕駛人,大眾也不會產生「人類不適合駕駛車輛」的疑慮,因為每個人駕駛習慣不同,不同人的駕駛行為可輕易歸類為個案,但在AI自動駕駛的情況中,任何失誤都可能是系統性問題,當同套系統導入成千上萬台車輛時,代表成千上萬的乘客都有可能因為系統性問題而喪命或受傷,既然人無法信任技術差的人工駕駛,人當然無法信任可能出現系統性問題的自駕系統。

此外,人習於將過往經驗作為面對新事件時的判斷依據,這也是短期內AI技術無法突破的領域。全球對於考駕照多會設定基本年齡要求,並以受測者能否通過筆試及路考,來作為能否拿到駕照的根據,主要是因為累積的知識可協助我們快速應付多數狀況,並在面對不確定因素時小心謹慎。回歸到AI自動駕駛,程式設定僅能提供最基本路況的因應能力,要建構出可應付真實路況的演算系統,仍需累積大量的實路測試數據,進而創造出更加安全的駕駛系統。

上路實測對自駕車技術發展的助益無庸置疑,相較於歐美地區較為單純的路況,亞洲的交通、尤其東南亞國家,對於自動駕駛技術更是巨大挑戰。以台北市為例,城市內車流密集,大部分路段為公車、汽機車混流,比起新加坡路況更為複雜,但整體基礎建設與民眾遵行交通規範的比例,也較多數開發中國家為優,這類環境可成為AI自動駕駛進一步優化、學習的絕佳場域。

為了將此利基化為台灣產業技術進步的動力,使產業在國際自駕車發展浪潮中不落人後,推動安全、開放的城市實驗環境,是企業應與政府共同研議的重點。台灣多數城市已積極規劃實驗場域,如北市信義路公車專用道、士林北投科技園區、高雄駁二特區等,但仍為封閉場域,未來如果主管機關開放自駕車上路實測,地方政府也配合設計低事故風險及交通影響的路測情境,方能充分釋放自駕車發展潛力,以環境數據培養自駕車具備多元路況因應能力,進而促進國內外自動駕駛技術更趨成熟。

(本文刊登於工商時報 2018/04/08 A9版)

本文作者

秦偉翔  產業分析師
領域:智慧城市、數位電視、線上影音
簡歷:
專業於智慧城市發展、數位電視、線上影音創新應用等領域研究。目前參與「臺北市智慧城市專案管理委託服務案」,擔任臺北智慧城市專案辦公室研究員,協助臺北市智慧城市相關政策規劃與創新型實驗計畫推動。國立臺灣大學國家發展研究所碩士。
熱門點選
  1.   量子電腦發展趨勢前瞻
  2.   中美貿易戰將重塑全球電子產業市場版圖
  3.   2017年GPS/GNSS市場動態觀測
  4.   IBM研發運用光路的AI晶片 超高速且超省...
  5.   晶片大廠於邊際運算之布局
相關研究