自動駕駛是複雜的AGI問題

中美摩擦繼續升溫，美方用盡方法，企圖阻止華為打入歐美市場，亦嚴控購買美國零部件，連提供Android的Google都受到影響。美國的最主要目的就是阻止或最少減慢中國5G發展。5G真的這麼重要？得5G就得天下？

5G固然有它的好處，速度、反應時間、支持IoT等等，但也有數個隱憂。第一個較小的是我在上周另一文章討論過的輻射問題。第二個問題更嚴重，關乎5G是否類似1950至1980冷戰年代，美蘇之間的人類太空競賽？後來更演變為星戰計劃，勞民傷財，成為美蘇修昔底德陷阱式鬥爭的主戰場，最後更成為蘇聯解體的催化劑。

我曾多次指出5G仍缺乏消費者渴求的Killer Apps，更多的是國家和企業所期待的應用，包括監控和混合IoT加AI技術的各種工業和軍事用途。在未來的5G年代，民事、政府和軍事用途，將變得愈來愈糢糊，這亦是所有國家這麼緊張的主要原因之一。

5G killer app仍只聞樓梯響

今天將集中討論自動駕駛（Autonomous Vehicle，下稱自駕車）的最新發展和相關問題。本來自駕車是大家最期待的5G killer app級應用，希望2020起開始正式推出，到2030年成為主流。但近期自駕車發展明顯放緩，所有公司都把計劃推遲，BMW的R&D主管Klaus Fröhlich更表示業內人士，愈來愈擔心每家數以十億美元計的投資，可能血本無歸！

很久以前已討論過自駕車面對的「Trolley Car」難題，在危急情況下，如何作出不同反應的取捨。除法律外，亦牽涉到複雜的道德問題。自駕車的發展必須重寫交通法和顛覆整個保險行業。

本來自駕車應可充分利用5G的所有優勢，亦足以彌補智能手機飽和的問題。汽車數量雖不可與手機匹敵，但汽車價格比手機高十至一百倍以上，所以有更多空間去「塞進」各式各樣的電子零件，包括GPU、CPU、DRAM、NAND、FPGA、通訊ASIC、鏡頭、雷達、LIDAR、超聲波、GPS等等。軟件方面有最重要的AI運算法，和很多其他通訊和系統操作程式。如完全成功，乘客更不用為駕車操勞，將騰出更多時間來上網，可工作、通訊、聽音樂、看視頻或購物等等，可謂商機無限！

自駕車亦曾被認為是電動車的一個絕配，Robotaxi更是全面實現共享運輸的終極目標。Robotaxi不用休息，除充電時間外，可接近全天候運作，這才是最環保，和最有效攤薄暫仍高昂的電動車投資的做法。

最多人見過和接觸過的自駕車，肯定是Tesla，尤其香港路上，每天見到無數輛。從約3年前，Tesla已大膽推出所謂Level 2-3的Autopilot系統，可用於高速公路上。按Elon Musk的說法，明年Tesla即可推出達到Level 5的真正自駕車和Robotaxi服務，完全自動化，可能方向盤都沒有。

但事實是否如此理想？從我個人經驗，現在Tesla的Autopilot系統，絕對「Not ready for Prime Time」。初時仍會當玩具試用一下，但發現非常危險。即使啟動了Autopilot，Tesla仍要求司機繼續留神，把雙手放在方向盤上。這做法，對我毫無幫助，只會令我更緊張。Tesla只為推卸責任，準備在緊急時候，把駕駛控制和責任突然交還給人類司機。實驗證明，這交接的一剎那，當然也正是最危險的一刻。

這實例也突顯一個問題，就是如何成功利用AI來協助人類（尤其實時應用），絕非一個簡單問題。很多時候，單獨由人控制或完全由AI控制的效果更好，兩個「廚師」合作煑一道菜，未必有幸福。所以不少人寧願等到Level 5 自駕車一步到位，不要經過更危險的Level 2、3和4階段。但現在的所謂「循步漸進」，仍是大方向。

過去數年，Tesla最少有4宗與Autopilot相關的致命交通意外（Uber在測試期間亦曾發生過）。Tesla的最近一宗，一輛Model 3以65英里（時速約105公里）速度撞向一輛橫向走過的貨車，整個車頂被鏟平，司機當場死亡。意外情況跟三年前的第一宗致命意外，幾乎一模一樣。經常被吹噓的Machine Learning，似乎經過多年學習，仍未有明顯進步，最大「改良」僅是較頻密提示駕駛者把手放回方向盤上。

根據分析，似乎Tesla的Autopilot系統，有頗大困難區別正在移動和靜止的車輛，和處理垂直（perpendicular）橫向走過的車輛。其他公司的系統，例如Volvo和Nissan，也有類似問題。

勿把自駕與Narrow AI混為一談

到底自駕車是個怎樣的問題呢？是否假以時日，技術愈來愈完善，修正所有漏洞，就必能解決問題？還是有更深入的發展方向問題？抑或只是人類對自駕車過度苛刻，其實快將（或已經）超越人類駕駛的安全性，但我們仍非理性地恐懼和抗拒。

最後一個問題最易解答，很簡單，人類當然對新的，不熟悉的東西有恐懼感和抗拒，尤其自駕車這回事，人命關天，保守是可以理解的。根據美國民調，只有25%的人願意乘坐完全無後備司機的自駕車。汽車業人士認為，自駕車要證明比人類開車安全十至一百倍，才會被大多數人接受。

單純技術上，都仍有不足之處。很多人認為自駕車技術上，Tesla相對落後，堅持只用視像鏡頭和傳統雷達。在一個Navigant Research的獨立報告中，排名第9，僅在榜末的蘋果之上。榜首的頭3位為Alphabet的Waymo，GM的Cruise和Ford，他們都採用較昂貴的Lidar系統（激光雷達）。但在實驗中，連Lidar在大雪和大雨中都出現失效問題，有時連分隔車道中間線的膠路障都不能分辨出來。

但我認為最大問題是可能所有人錯誤地把自駕車分類為一個較容易解決的Narrow AI問題。Narrow AI又名Weak AI，定義是單一任務，集中解決一個問題，例如下圍棋。

Narrow AI只需要利用Neural Network，設定算法，供應大量數據，進行大量Machine Learning，就必定進步神速，很快就能超越人類，AlphaGo當然是個經典例子，它的成功也吸引了大量資金投放到Narrow AI的研究和應用開發。

意料之內或外人和AI定義不同

除Narrow AI，其實還有另一類Artificial General Intelligence（AGI），又名Strong AI，適用於一些綜合性，靈活性高，尤其需要人類「Common Sense」的應用，例如Computer Vision（電腦視力），Natural Language Understanding（自然語言理解），和處理意料之外的現實世界問題。

試想一下，自駕車不正是需要電腦視力，理解和處理各種現實世界的問題，亦當然包括處理所謂意料以外的問題。意料以內或外，對人和AI的定義亦或有差異。對AI來說，以200公里高速駕駛可能很容易，但一個穿着萬聖節裝束的小孩過馬路就無法處理，人類司機的反應則可能恰恰相反。

專家認為，當Narrow AI遇到意料以外的處境，經常呈現Brittleness（脆弱性），即無法適應，結果採取完全不合理的行動。例如自駕車在路上行駛時，只懂跟隨交通燈指示，但當交通燈壞了，就不懂跟隨臨時指揮交通的警員手勢或口頭指示。

早前在美國就有一個頗恐怖例子，在高速公路上，警車發現一輛Tesla形跡可疑，高速行駛且不斷打轉彎燈號。駛至旁邊時發現司機昏迷了，但手仍在方向盤上，所以Autopilot仍繼續行駛。難題是如何安全地截停這輛Tesla呢？警方無法hack進Autopilot系統（Tesla或者有方法？），Autopilot又不聽警察指揮，情況有點像電影Speed。結果唯一方法是用一輛警車超前切入Tesla的線，然後逐漸減速，Tesla的Adaptive Cruise Control系統也幸而跟着減速，最後終於停止。

如果自駕車真的是一個AGI問題就麻煩了，因為AGI發展仍然非常緩慢，資源也嚴重不足。AGI的發展極困難，系統需要在不確定環境下reasoning（講道理），計劃、學習、溝通和融會所有技巧去解決問題。其中最經典的標準是需要通過Turing Test，要人類在綜合對話中無法辨別對方是人還是AI。現時最先進的Narrow AI系統，據專家評估，IQ只有約47分，等同一個6歲小孩，遠低於正常成年人的100平均分。

整個運輸系統智能化代價不菲

如何建造AGI系統亦是個大問題，可能需要從上而下的Symbolic Logic處理能力，再結合從下而上的Narrow AI，以大量數據為基礎的Sensory Approach。純粹猜測，例如Tesla無法準確辨別車輛是否移動和橫向車輛的漏洞，可能部分原因是系統沒有AGI，對Newtonian Physics的基本relative motion概念，缺乏認知。

另一流行的AGI發展方向更誇張，企圖作Whole Brain Emulation（模仿整個人腦運作）。人類腦袋的neurons多達1000億，synapses更多達數百萬億，模仿的難度有多高，可想而知！

反過來如果自駕車的AGI問題太難解決，又能否把問題變回一個較簡單的Narrow AI問題呢？我認為可以，但就更需要發展智能運輸系統，利用5G和IoT平台，支撐V2V（車對車）和V2X（車對環境）等通訊制式。意思是如果整個運輸系統愈智能化，每輛自駕車所需的聰明程度則較低。如統籌妥善，應可縮短車與車之間安全距離，整體流量可大大提升。但又回到大型基建的經濟效益，以及誰願意作出如此巨大投資的問題。在現今環境下，當仁不讓，帶頭的一定是政府，尤其中國。但如果是這樣的話，美國又必將更大力投訴工業政策和不公平補貼等問題。

中環資產持有Google母公司Alphabet、蘋果及Tesla的財務權益。

(英文版本由EJ Insight翻譯)