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）