文/CSDN睢玲
7 月 22 - 23 日， 在中國科學技術協會、中國科學院的指導下， 由中國人工智慧學會、阿裡巴巴集團 & 螞蟻金服主辦， CSDN、中國科學院自動化研究所承辦的 2017 中國人工智慧大會（CCAI 2017）在杭州國際會議中心盛大召開。
中國工程院院士、中國人工智慧學會理事長李德毅
在本次大會上， 中國工程院院士、中國人工智慧學會理事長李德毅為所有參會者帶來了主題為《L3 的挑戰與量產》的報告。 從“L3 難在哪裡？”、“如何突破 L2 的天花板？”、“量產 L3 的策略”三個方面出發， 重點討論了當前 L3 自動駕駛汽車所面臨的挑戰以及量產問題， 精彩絕倫的演講在現場引起了強烈的共鳴以及多次熱烈的掌聲。
在此次演講中， 李德毅院士談到了L3級別自動駕駛的難點， 以及從L2向L3過渡過程中需要考慮的重要問題。 他認為一定要界定清楚L3的基本問題到底是要解決車的問題， 還是解決人的問題。
此外，
自動駕駛等級轉換點如何度量？
掌控權交接點如何度變數？
掌控權交接過程中的事故如何度量？
以下內容根據李德毅院士本次主題報告整理， 略有刪減：
一、L3難在哪裡？
目前， 幾乎所有上路的自動駕駛汽車都還處在L2（部分自動駕駛）等級， 包括特斯拉在內， 都需要由人掌控。 而最近奧迪已經宣佈8月底將要發佈L3量產車， 這是全世界第一家量產的、“有駕照”的車， 對駕駛行業意義重大。 從L1（人工駕駛）到L2（部分自動駕駛）， 再到L3（機器自動駕駛）， 固定駕駛員的角色將不復存在， 而原先為人服務的LBS也為無人駕駛開闢了新的戰場。
在整個行業的驅動下， 無人駕駛車不再只是高等院校和研究所的事情，
但在此之中， 量產涉及到規模、可靠性和價格等因素， 並且， 從整體上梳理L3， 我們也需要思考以下幾個問題：
用戶為什麼會買這款車？
市場容量大嗎？
國產的L3企業在哪裡？
中國的企業在哪裡？
如何界定L3？
L3是區分以人為主和以車為主的駕駛方式的分界線。 L3級別是車輛擁有駕照， 不再以人有駕照作為基本要求。 下圖中藍色是以人為主， 綠色是汽車自駕為主。
在此之中， 最難的是從L2到L3， 鑒於駕照發放（交管）和車輛管控（工信部）的因素， 讓L3上路還不是件容易的事。
自動化行業提出一個“自動駕駛+智慧網聯”的解決方案， 即：
結構化道路
確定性視窗
網路協同
軟體定義的機器
假如讓軟體來完成自動化的操作過程， 基本上汽車人都是走這條路。 對於用戶來說， L3是社會對自動駕駛要求的底線， 拿到駕照是最基本的要求， 將來如何度量還未可知。
對於跳過L3級別， 直接做L4、L5的汽車廠商來說，
從 L2 到 L3 的過渡， 是掌控權由人到機器的轉移過程。 這裡面有三個疑問：
自動駕駛等級轉換點如何度量？
掌控權交接點如何變度量？
掌控權交接過程中的事故如何度量？
在J3016標準中， 明確了駕駛掌控權由人轉移到車， 跳升的界定很明確。
二、如何突破L2的天花板， 進入L3？
光靠自動化解決不了無人駕駛， 於是人工智慧來了。 汽車絕不是四個輪子加一個手機， 我們人工智慧工作者要對汽車人心存敬畏， 開過好車的就知道汽車的人機設計非常好。
汽車是在開放的不確定性環境下行駛，人工駕駛常常會遇到偶發的事件，“常常”就是概率比較大，“偶發”就是概率比較小，一個駕駛員遇到這樣的情況是必然的，什麼情況呢？大霧、大雪、大雨、大風、狹小胡同、崎嶇小道、傍山險路、積水、冰雪、地裂以及地陷；紅綠燈失效、道路施工、行人違規、以及熙熙攘攘農貿集散區等通行狀況。連新手駕駛員都難以完成這些駕駛任務，而有經驗的駕駛員往往能夠靈活處置，那麼自駕車如何應對呢？
在道路狹小的地方，如果一個無人駕駛遇到有人駕駛車，怎樣辦？一旦突破了自動駕駛所設置的視窗條件，如地理柵欄、氣候柵欄、以及人文地俗柵欄，馬上需要進行駕駛掌控權的交接。在這樣的交接過程中的事故也許比純粹的人工駕駛更危險，因此汽車拿駕照不是容易的事情。
L3的基本問題到底是要解決車的問題，還是解決人的問題？
車子的問題就是把車越做越好，做成軟體定義的機器。而人是指把駕駛員的認知用機器人替代，要具有記憶能力、決策能力和行為能力，要實現自主駕駛，不但有技巧還要有個性。
汽車是從馬車演變而來的，現在的動力可以達到100匹馬力，但汽車遠遠不如馬在不同負荷、不同天氣、不同路面狀況、不同車輛情況下的適應能力。汽車的感知、認知能力遠不如馬這個認知主體，老馬識途，車不如馬。在自動駕駛過程中，駕駛員和周邊車輛的交互認知哪裡去了？駕駛員的經驗和臨場處置能力由誰來替代？
重要結論：自動駕駛好在專注，感測器不會疲勞，但是自動駕駛難在擬人，不僅在車。駕駛員腦不等於駕駛腦。
人在回路中的預測與控制被駕駛腦取代
駕駛過程中，駕駛員在回路中的預測與控制是汽車自身無法替代的。輪式機器人駕駛腦應運而生，它不同于雷達等感測器的感知，要去完成包括記憶認知、計算認知和交互認知在內的駕駛認知，成為智慧車產業化鏈條中的重要零部件，車載機算機和機器人作業系統也無法替代。
記憶、計算或和交互同樣重要。電腦的計算能力已經超過人的能力，要把注意力轉移到記憶、計算以及交互上，靠一個車的電腦無法替代駕駛腦。
利用微電子技術，採用CPU+GPU+PFGA+ASIC架構，生產專用晶片和板片，研發駕駛腦。
通過雷達感測器、視覺感測器，車姿感測器以及定位感測器這四個感知通道，形成認知的態勢圖。這個形成以後，對資料的需求就會大大減少。
駕駛就是記憶，駕駛不是靠計算的，要強調記憶認知、交互認知和計算認知。
上圖中駕駛員記憶分三個區：瞬間記憶、工作記憶以及場景記憶。
創新：駕駛腦
駕照：感測器替代不了，車廠替代不了
駕駛技能：駕照替代不了
路熟：地圖替代不了
個性化駕駛和標杆駕駛
經驗駕駛員和標杆駕駛員
經驗駕駛員不但要符合駕規，安全行駛，文明行駛，其經驗還體現在節能技巧、駕乘舒適性、對不同動力學的車輛適應性等方面。世界上駕駛員的經驗和行為，如同人的行走姿態，各個不同，可用駕駛行為作為駕駛員的身份識別，稱為駕駛指紋。標杆駕駛員是經驗駕駛員中的傑出代表。
智慧車研發的困難，不僅僅是汽車動力學的性質和各種各樣的感測器要求，更重要的是要研發和駕駛員一樣的線上的機器駕駛腦，模擬實現人在回路的自主預測和控制，應對車輛行駛中的不確定性。
駕駛指紋和開車目的地無關
集圖靈獎、諾貝爾經濟學獎和美國心理學會終身成就獎於一身的人工智慧早期學者赫伯特·西蒙（Herbert.A. Simon）的工作啟發了我們，有了線控、數控汽車，通過深度學習，挖掘駕駛員對方向盤、動力踏板、制動踏板的駕駛行為大資料，就可以判斷並獲得特定駕駛員技巧的個性。駕駛技巧和開車目的地無關。
駕駛腦有個性，有線上學習能力，記憶許多駕駛事故的預防應對，還能和乘員聊天，和雲上的駕駛超腦交互......
傳統汽車僅僅是駕駛員的手、腳和力量的延伸，控制車輛行為的是人，線控汽車裝備了感測器以後，用駕駛腦替代駕駛員認知，並獲得駕駛指紋和駕駛技巧，使得汽車成為駕駛員自己，或者說讓機器成為自己，應該是人工智慧時代最有意義的問題之一。不同的駕駛腦，認知水準可以有差異，技巧和經驗也可以有不同，但都具備了基本的駕駛認知能力，獲得了駕照的自駕駛。有個性、有線上學習能力，有很多駕駛事故的預防應對能力，尤其重要的是我們還要關心駕駛超腦。
三、量產L3的挑戰
截止 2016 年底，中國產銷汽車超過 2680 萬輛，汽車保有量2.79億輛。對於自動駕駛：
我覺得不必把全球所有地域的道路狀態，都壓在一款特定的車型上，這很重要，否則跑多少英里也不能拿到駕照。不必把所有的認知放一個駕駛腦裡面。先做園區觀光車、通勤車、巡邏車、高速，無人泊車、定點物流、校車、定點電接駁，快速公交。這些場景下，自駕車能否取代駕駛員掌控，取決於能否處置特定場景下的意外情況，能否發出求助資訊要求人工敢於，或者在迫不得已時做出最小損失的策略。
無人泊車是繞不過去的
從當前的代客泊車市場預估無人泊車，有很大後裝市場（百億元規模）。泊車通常是怠速狀態，四輪軌跡差異大，體現車輛動力學。泊車工況多樣，手腳並用，繁忙切換，考驗小腦，考驗駕駛技巧，難搞定；可模擬多種多樣艱難泊車環境，但用地不大。
大資料開車
未來汽車會成為大資料的源泉，移動社會的感測器，駕駛腦有學習和自學習能力，技巧和經驗 可以線上提升，駕駛腦智慧的進化速度超過自然人，尤其是群體智慧發揮駕駛超腦的作用，這樣汽車製造商逐步地成為汽車運營商。隨著L3、L4級別車輛的出現，L5級別的自動駕駛車遲早也會實現。當人們對L3、L4、L5的差異不再介意時，這個世界就變了。
從特定的應用環境尋找量產L3著手，人類擺脫了駕駛的羈絆，開始享受移動辦公和移動生活，逐步推廣到更高車速、更加複雜的道路場景、更多不確定性天氣氣侯下的自動駕駛。
最後以一句話總結今天的發言，那就是——人工智慧以潤物無聲的柔軟改變著整個世界。
謝謝大家！
CAAI原創 丨 作者李德毅
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會
汽車是在開放的不確定性環境下行駛，人工駕駛常常會遇到偶發的事件，“常常”就是概率比較大，“偶發”就是概率比較小，一個駕駛員遇到這樣的情況是必然的，什麼情況呢？大霧、大雪、大雨、大風、狹小胡同、崎嶇小道、傍山險路、積水、冰雪、地裂以及地陷；紅綠燈失效、道路施工、行人違規、以及熙熙攘攘農貿集散區等通行狀況。連新手駕駛員都難以完成這些駕駛任務，而有經驗的駕駛員往往能夠靈活處置，那麼自駕車如何應對呢？
在道路狹小的地方，如果一個無人駕駛遇到有人駕駛車，怎樣辦？一旦突破了自動駕駛所設置的視窗條件，如地理柵欄、氣候柵欄、以及人文地俗柵欄，馬上需要進行駕駛掌控權的交接。在這樣的交接過程中的事故也許比純粹的人工駕駛更危險，因此汽車拿駕照不是容易的事情。
L3的基本問題到底是要解決車的問題，還是解決人的問題？
車子的問題就是把車越做越好，做成軟體定義的機器。而人是指把駕駛員的認知用機器人替代，要具有記憶能力、決策能力和行為能力，要實現自主駕駛，不但有技巧還要有個性。
汽車是從馬車演變而來的，現在的動力可以達到100匹馬力，但汽車遠遠不如馬在不同負荷、不同天氣、不同路面狀況、不同車輛情況下的適應能力。汽車的感知、認知能力遠不如馬這個認知主體，老馬識途，車不如馬。在自動駕駛過程中，駕駛員和周邊車輛的交互認知哪裡去了？駕駛員的經驗和臨場處置能力由誰來替代？
重要結論：自動駕駛好在專注，感測器不會疲勞，但是自動駕駛難在擬人，不僅在車。駕駛員腦不等於駕駛腦。
人在回路中的預測與控制被駕駛腦取代
駕駛過程中，駕駛員在回路中的預測與控制是汽車自身無法替代的。輪式機器人駕駛腦應運而生，它不同于雷達等感測器的感知，要去完成包括記憶認知、計算認知和交互認知在內的駕駛認知，成為智慧車產業化鏈條中的重要零部件，車載機算機和機器人作業系統也無法替代。
記憶、計算或和交互同樣重要。電腦的計算能力已經超過人的能力，要把注意力轉移到記憶、計算以及交互上，靠一個車的電腦無法替代駕駛腦。
利用微電子技術，採用CPU+GPU+PFGA+ASIC架構，生產專用晶片和板片，研發駕駛腦。
通過雷達感測器、視覺感測器，車姿感測器以及定位感測器這四個感知通道，形成認知的態勢圖。這個形成以後，對資料的需求就會大大減少。
駕駛就是記憶，駕駛不是靠計算的，要強調記憶認知、交互認知和計算認知。
上圖中駕駛員記憶分三個區：瞬間記憶、工作記憶以及場景記憶。
創新：駕駛腦
駕照：感測器替代不了，車廠替代不了
駕駛技能：駕照替代不了
路熟：地圖替代不了
個性化駕駛和標杆駕駛
經驗駕駛員和標杆駕駛員
經驗駕駛員不但要符合駕規，安全行駛，文明行駛，其經驗還體現在節能技巧、駕乘舒適性、對不同動力學的車輛適應性等方面。世界上駕駛員的經驗和行為，如同人的行走姿態，各個不同，可用駕駛行為作為駕駛員的身份識別，稱為駕駛指紋。標杆駕駛員是經驗駕駛員中的傑出代表。
智慧車研發的困難，不僅僅是汽車動力學的性質和各種各樣的感測器要求，更重要的是要研發和駕駛員一樣的線上的機器駕駛腦，模擬實現人在回路的自主預測和控制，應對車輛行駛中的不確定性。
駕駛指紋和開車目的地無關
集圖靈獎、諾貝爾經濟學獎和美國心理學會終身成就獎於一身的人工智慧早期學者赫伯特·西蒙（Herbert.A. Simon）的工作啟發了我們，有了線控、數控汽車，通過深度學習，挖掘駕駛員對方向盤、動力踏板、制動踏板的駕駛行為大資料，就可以判斷並獲得特定駕駛員技巧的個性。駕駛技巧和開車目的地無關。
駕駛腦有個性，有線上學習能力，記憶許多駕駛事故的預防應對，還能和乘員聊天，和雲上的駕駛超腦交互......
傳統汽車僅僅是駕駛員的手、腳和力量的延伸，控制車輛行為的是人，線控汽車裝備了感測器以後，用駕駛腦替代駕駛員認知，並獲得駕駛指紋和駕駛技巧，使得汽車成為駕駛員自己，或者說讓機器成為自己，應該是人工智慧時代最有意義的問題之一。不同的駕駛腦，認知水準可以有差異，技巧和經驗也可以有不同，但都具備了基本的駕駛認知能力，獲得了駕照的自駕駛。有個性、有線上學習能力，有很多駕駛事故的預防應對能力，尤其重要的是我們還要關心駕駛超腦。
三、量產L3的挑戰
截止 2016 年底，中國產銷汽車超過 2680 萬輛，汽車保有量2.79億輛。對於自動駕駛：
我覺得不必把全球所有地域的道路狀態，都壓在一款特定的車型上，這很重要，否則跑多少英里也不能拿到駕照。不必把所有的認知放一個駕駛腦裡面。先做園區觀光車、通勤車、巡邏車、高速，無人泊車、定點物流、校車、定點電接駁，快速公交。這些場景下，自駕車能否取代駕駛員掌控，取決於能否處置特定場景下的意外情況，能否發出求助資訊要求人工敢於，或者在迫不得已時做出最小損失的策略。
無人泊車是繞不過去的
從當前的代客泊車市場預估無人泊車，有很大後裝市場（百億元規模）。泊車通常是怠速狀態，四輪軌跡差異大，體現車輛動力學。泊車工況多樣，手腳並用，繁忙切換，考驗小腦，考驗駕駛技巧，難搞定；可模擬多種多樣艱難泊車環境，但用地不大。
大資料開車
未來汽車會成為大資料的源泉，移動社會的感測器，駕駛腦有學習和自學習能力，技巧和經驗 可以線上提升，駕駛腦智慧的進化速度超過自然人，尤其是群體智慧發揮駕駛超腦的作用，這樣汽車製造商逐步地成為汽車運營商。隨著L3、L4級別車輛的出現，L5級別的自動駕駛車遲早也會實現。當人們對L3、L4、L5的差異不再介意時，這個世界就變了。
從特定的應用環境尋找量產L3著手，人類擺脫了駕駛的羈絆，開始享受移動辦公和移動生活，逐步推廣到更高車速、更加複雜的道路場景、更多不確定性天氣氣侯下的自動駕駛。
最後以一句話總結今天的發言，那就是——人工智慧以潤物無聲的柔軟改變著整個世界。
謝謝大家！
CAAI原創 丨 作者李德毅
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會