駕馭未來：自動駕駛汽車——《知識大圖解》

• 本文轉載自科技大觀園，原文為〈年節塞車好心煩！自動駕駛讓你暢行無阻〉
• 作者／科技大觀園特約編輯｜簡茹因

每到年節時期，不管返鄉或是出遊，用路人最討厭遇到的就是塞車，漫長的等待、讓人踩剎車踩到腳痛的行車速度，抑或是被汽車廢煙包圍的感覺，本是愉悅心情恐怕都大打折扣。你也是恨不得讓「塞車」這個詞消失在這世界上的人嗎？自動駕駛或許能幫你達成心願喔～感到好奇的話，那就繼續看下去吧！

造成塞車的幕後黑手是誰?

試想，人類與機器人在駕駛汽車時，要維持車與車之間等速前進，誰會 hold 得最好呢？答案很明顯是……機器人！為什麼呢？關鍵就在於「人類的反應速度」，反應速度因人而異：當老（手）司機在開車時，他們能夠對於哪時候該踩剎車、油門的反應速度快，因此不會因誤判與前車之間的距離，而落下一大段「空白車距」；然而菜鳥司機就不一樣了，他們反應速度沒有老（手）司機快，所以在看到前方車輛時，因無法正確判斷哪時候踩剎車最恰當，加上基於安全意識都會先減慢避免 A 到前車為第一反應，「空白車距」自然就出現了～而後方的車輛們會因為這位菜鳥司機（老鼠屎）的行車速度減慢而開始擠成一團，造成塞車。

相反地，當機器人在行車時，因為他們的動作程序一致，因此能穩穩地維持等速行駛。這也就是為何現今車廠想推出自動駕駛車（以下簡稱「自駕車」）的原因之一。自動駕駛真有那麼神嗎？讓我們來一一剖析它吧！

延伸閱讀：連假無法逃離宿命！為什麼會塞車呢？

自駕車大小事

自動駕駛，顧名思義就是讓車子在無人為操作的情況下，將行車速度與控制車間距離等原本需要手動操控車子行進的動作轉為自動化，以減輕駕駛人的行車負擔。

• 自動駕駛分級：

自動駕駛可是也有分級制度的！國際汽車工程師協會 （Society of Automotive Engineers, SAE） 依據汽車的自動化程度分為以下級別：

時至 2020 年末，汽車業的自動駕駛即將發展至第四級，第五級則是各企業競相達成的最終目標。

• 自駕車的配備主要有哪些？
  • 感測器：相當於人類的眼睛，能辨識障礙物的種類及位置。而感測器又可分為攝影機（Camera）、光達（LiDAR）、雷達（Radar）、超音波這四種，不同種的感測器對於環境辨識及障礙物解析力也會有差異。
  • 動態定位：相當於 Google 地圖功能，當接收來自感測器的環境資訊後，自駕車能協同 GPS、IMU 與高精準地圖資訊等定位工具自動辨識車輛所在位置及設定目的地。
  • 智慧決策：相當於人腦的決斷力，透過整合電子地圖 （RNDF／OpenStreetMap）、感知融合（Perception）、靜態軌跡規劃（Mission Planning）、行為規劃（Behavior Planning）以決定自駕車整體需執行哪些動作及規劃。
  • 電控底盤：負責車子的轉向、剎車及油門。

參考資料：自駕車發展趨勢與關鍵技術

自動駕駛真的能解決塞車嗎？

自駕車本身雖能達到自動辨識路口標誌及安全煞停系統，但它就像一個好的食材，需要透過精湛的廚藝及調料的輔助才能發揮它最完美的風味，而輔助自駕車的便是「車聯網」。究竟什麼是「車聯網」？自駕車與車聯網的搭配真的能解決塞車嗎？就讓台大資工系的林忠緯教授來幫大家解惑吧！

林忠緯教授小檔案：
林忠緯教授在博班時期的研究題目即是關於 Cyber-Physical System（CPS）的研究，而 CPS 簡單來說是指能夠執行物理層面上動作的電子產品，例如車子（能在路上行走）、心律調節器（能放電控制心律）都屬於 CPS。林教授在博班的研究即是關於車子的 CPS，也曾在美國通用汽車（General Motors）實習，畢業後持續拓展自己所長，進入加州矽谷的豐田汽車（Toyota InfoTechnology Center）擔任研究員。林教授熟知自駕車與車聯網的研究，自身也致力於自駕車、車聯網與資安問題的研究，並開心表示對於未來 28 年後自駕車的展望懷抱深深的期許。

1. 車聯網是什麼？
   車聯網（Internet of Vehicles，IoV） ，是指車與車之間（vehicle-to-vehicle，V2V），或車與道路狀況（Vehicle-to-everything, V2X）之間利用網路互相交換、接收感測器所會彙整出的訊息，以達到更完善、迅速的交通網絡資訊交流，讓用路人能即時獲得路況的整體資訊。

2. 自駕車結合車聯網真能解決塞車嗎？
   若要剖析塞車問題，其實可以分成以下幾種狀況，自駕車必須面對各種塞車情況作出相對應的解決方案。
   1. 選擇路徑：假如過年走春行程是去宜蘭玩，大家通常會想到要走雪隧，然而當大家都走雪隧的話，勢必會造成大塞車。而車聯網能即時追蹤到已經開始塞車的道路，並通知自駕車可以改走較為不塞車的路段（例如北宜），這時候就達到了疏散車流量的效果。
   2. 路口與路口間的交通號誌：假如今天車子走在路上，一路都是綠燈當然令人心情愉悅，反之，則會導致後面開始塞車，因此在車聯網當中也可以整合總體交通號誌的順暢運行。
   3. 單一路口的車輛運行：通常遇到駕駛人遇到路口，都需先放慢行駛速度，觀察轉角方向是否有來車，再行通過；當一個路口車多時，塞車肯定逃不掉～而車聯網能達成上述第二點的升級版——便是不用交通號誌！車聯網就像是開上帝視角，可以同時獲得路口的各道路資訊，而這些資訊是單一自駕車無法自行偵測的，自駕車針對這些資訊做出相對應的動作，而自駕車對於這些動作的控制能比駕駛人更加精準，因此車聯網與自駕車能夠相輔相成增加路口的運行效率。
   4. 單一車輛的運行：車聯網與自駕車亦能互相搭配在安全的前提下縮短跟車距離並減少過度保守的煞車，如此道路的使用率能夠提升，也能減少塞車的機率。

林教授認為自駕車結合車聯網勢必能解決部分層面的塞車問題，也能避免酒駕、恍神、視線死角等人為意外肇事的發生比率，但在現實生活要自駕車能實際放在道路上跑，現階段仍面臨重重難關。

3. 自駕車的發展現階段會遇到哪些瓶頸？
   讓我們想像一下，當自駕車、車聯網已完全取代所有的交通系統，實際上最有可能會發生以下幾種瓶頸：
   • 瓶頸一：自駕車的整合系統尚未完善
     林教授個人認為目前自駕車的整合系統會是一大問題，即便供應商提供再好的車組配件，配件與配件之間的整合系統不佳還是會造成車子載運行時效率不佳，甚至還可能會釀成車禍，或是遭駭客入侵自駕車系統。所以教授認為設計一個具縝密規畫的整合系統，不僅可以讓車子運行順暢，也能保障駕駛人的安全。
   • 瓶頸二：法規訂定的難題
     當自駕車發生車禍了，那誰該跳出來負責任呢？該怪自駕車內部的機器學習沒有收納進這些意外狀況的數據嗎？還是都是工程師的錯？其實這也是自駕車衍伸出的頭疼題，而林教授針對這個問題也提出相關建議，例如在購買自駕車時，售價的一部分可以作為保險補償，當發生意外時，便能獲得補償金。
   • 瓶頸三：消費者的接受程度
     消費者在購買商品時常會考慮價格及使用感受，而自駕車雖然目前製造成本高昂，但相信未來隨著自駕車的研發技術逐漸成熟，成本也會隨之下降，但成本要降到多低才能達到量產，以及售價普遍是消費者能接受的範圍仍是個問題。另外，感受度的部分，當我們坐進自駕車裡面，由於自駕車可以精準縮小車距，因此當對向來車很近地迎面衝過來，真的不會嚇到嗎？因為自駕車有別於以往的行車感受，所以也不見得能被所有消費者接受。
     另外，有部分消費者享受自己駕馭車子的樂趣，所以他們也不會想使用自駕車，當道路上並非統一是自駕車的情形，要達成車聯網更是難上加難哪～
   • 瓶頸四：資安問題
     自駕車結合車聯網運行時極需網路，而有網路的地方，駭客便如影隨形，當駭客像電影情節一樣駭入車聯網時，不但會構成駕駛人的性命威脅，甚至還會造成全面性的交通世紀大癱瘓！水能載舟亦能覆舟，車聯網雖能讓交通運行更順暢，也可能會釀成一場可怕的災難，因此林教授強調維護資安也是設計車聯網的重點項目。

解決塞車問題的理想藍圖

當我們檢視塞車問題的視野再拉遠一點，除了自駕車及車聯網以外，教授也慷慨地分享了以下管道解決塞車問題：

• 共享汽車：當大家都選擇搭乘共享自駕車，便能減低車流量與車子的總量（大家更傾向不買車），路上的車子少了，便能減低塞車的發生率。（傳染病盛行的時代不太適用）
• 道路擴大：當車子的總量下降，停車需求減少，空間使用更有彈性。當道路新增了好幾條線，便能分散車流，避免全部車子堵在同一條路上。
• 網路通訊：現在網路科技發達，人們在家也能透過網路完成視訊會議、參與活動，減少出門的必要性，也就無須駕車。

結語

雖然現階段自駕車要完全解決塞車問題仍需經時間歷練，但相信透過林忠緯教授及眾多研發單位的辛勤貢獻，大家在春節期間能夠利用自駕車與車聯網享受更加順暢、迅速的行車體驗，而不再受塞車之苦的日子指日可待!新春期間，也祝大家行車平安，旅途別塞！

參考資料

1. 「自駕車受騙上當和辨識盲點」之專家回應
2. 為何美國交通部選用SAE的自動駕駛分級，而棄NHTSA丨汽車商業評論
3. 自動駕駛車發展現況與未來趨勢
4. 何謂自動駕駛？
5. 關於自動駕駛：內行人才會懂的有話直說
6. 對於塞車問題，智慧交通提供的四大解決方案
7. 塞車讓駕駛踩煞車踩到抽筋，汽車新科技解決這困擾！（內有影片）
8. 2020 最新自動駕駛技術報告出爐！以特斯拉、Volvo 為例，全面涵蓋智駕技術
9. 網宇實體系統與製造應用- 熱門焦點- 經濟部技術處
10. Wevolver: Knowledge for engineers
11. 一起來用十分鐘略懂自駕車吧！GoGoGo！
12. 無人駕駛車/自駕車技術探索
13. SAE International
14. 科學月刊：不需駕駛也能輕鬆上路－淺談自駕車與高精地圖

• 文／張智皓

「在演算法的年代，人類從未如此刻這般的重要。」——弗萊（Hannah Fry）

圖靈（Alan Turing）在 1936 年提出圖靈機（Turing Machine）的基本構想，人類文明揭開了電腦時代的序幕，並在很短時間內為人類生活帶來了劇烈的變化。上一次有這樣的景況，大概是 17 世紀末蒸汽機的發明，帶領人類文明進入工業時代。

這兩個時代有類似之處。蒸汽機讓人開始擔心自己被機械取代：生產模式改變，人力不再重要，生產機器和失業人口大量出現。然而，這種困境並沒有維持太久。新技術讓人失業，也拓展了人的想像力，讓各種新興行業與技術應運而生。這些行業和技術促進產業轉型，反而提高了人力需求，讓人類文明變得更加繁盛。此時，我們知道人類變得比以前更重要。

電腦，或者我們說，演算法，就像是現代的蒸氣機，同樣大幅地改變人類生活模式。在本書中，倫敦大學學院（UCL）先進空間分析中心（CASA）的數學家漢娜弗萊從權力、資料、司法、醫療、車輛、犯罪與藝術這七個面向出發，告訴我們演算法已經如何深入我們日常生活中，為我們帶來前所未見的巨大貢獻，並展現出取代人類的企圖心。

更重要的是，弗萊也透過她細膩的觀察，提醒我們：就如同蒸汽機時代的人類沒有被取代一樣，在演算法時代，人類也只會比以前更重要。

人機合作，讓人類的棋藝再創高峰

讓我們從書中一個輕鬆的例子開始。弗萊告訴我們，在 1997 年，西洋棋世界冠軍卡斯帕洛夫（Gary Kasporov）被 IBM 設計的「深藍」擊敗後，他並沒有因此排斥電腦，反之，他創辦了人類與電腦合作的棋賽。卡斯帕洛夫相信，有了電腦的輔助，人類不再需要花時間在棋盤細節的計算上，而是將心思放在整體戰略上，人機合作，能讓人類的棋藝再創高峰。

這樣的劇情非常類似於 DeepMind 的圍棋軟體 AlphaGo 在 2016 年的創舉。在 AlphaGo 相繼打敗世界冠軍李世乭以及柯潔後，AlphaGo 以及其繼任 AlphaGo Zero 的棋譜變成職業選手們爭相學習的目標。DeepMind 甚至推出 AlphaGo 圍棋教學工具，讓大家學習它的佈局，並進而開發出新的佈局形式。AlphaGo 沒有取代人類棋手，反之，它為圍棋世界注入了新的生命。

演算法無法回答的問題：隱私與安全該如何平衡

接著讓我們談談一個較嚴肅的例子。在本書「犯罪」這一章節中，弗萊提到「臉孔辨識系統」如何對人類產生顯而易見的貢獻。在 2015 年，紐約警察局透過臉孔辨識系統「成功指認了 1700 名嫌犯，並且發動了 900 次逮捕行動。」另外，她也提到從 2010 年以來，紐約州「僅僅針對詐欺和身分盜用就發動了超過四千次逮捕行動。」有了臉孔辨識系統，各大交通運輸管道也可藉恐怖份子資料庫來預防恐怖襲擊（而事實證明這很有用）。

作為預防手段，臉孔辨識系統可以有效增進人們生命與財產之安全。但這些好處有其代價。弗萊指出，就連目前全世界最先進的臉孔辨識系統（來自於中國的「騰訊優圖實驗室」），在一百萬張臉孔資料庫的測試中，也只有 83.29% 的辨識率。這在技術上已經令人佩服，但在現實中卻可能釀成大禍。

比方說，2014 年，一位住在丹佛的居民被錯誤辨識為銀行搶匪，並在警察的逮捕過程中「遭受神經損傷、血栓及陰莖折斷。」或許有人會主張，只要技術更好，辨識率更高，問題就解決了。但情況可能沒這麼簡單，辨識率提高的代價是隱私度的下降。試問，我們願意讓「老大哥」看著大家嗎？

臉孔辨識系統有其好處，有其代價。我們願意讓此系統做到甚麼程度？為了安全，我們願意犧牲多大的隱私？而為了隱私，我們又願意犧牲多少安全？這些問題是演算法無法回答的，只有人類可以，因此，人類只會更重要。

演算法兩難：自駕車該拯救駕駛還是行人？

另外一個嚴肅例子，我想談談「車輛」這一章節中的自動駕駛技術。一旦自動駕駛技術普及，將可以大幅減少人為車禍的發生。而我們知道，現代大多數車禍都源於人為。然而，將駕駛工作交給演算法，也意味著將決策的任務交給演算法。當失控的自駕車面臨的選項是「拯救駕駛，還是拯救行人」時，演算法應該如何行動？

弗萊提到，在 2016 年發表於《科學》期刊（Science）的一篇文章指出，多數人主張應該盡可能的拯救更多人命。然而，當詢問他們自身較願意購買哪一款自駕車時，我們可以從賓士汽車發言人胡苟（Christoph von Hugo）的回應（當被問到賓士車會如何設計時），理解他們的猶豫：「保護駕駛。」

這衝突看起來不可調和，我們一方面希望盡可能拯救人命，另一方面又希望可以保障駕駛的安全（否則我幹嘛買它呢？）。在這樣的衝突中，弗萊指出另外一個可能選項：放棄全自動駕駛，將演算法的目標放在輔佐駕駛人上（比方說，現在已有的「自動緊急煞車」或「自動與前車保持距離」等設計）。換言之，演算法不扮演「司機」，而是扮演「守護者」。我們該做的，是讓演算法配合人類，主動性依然在人類手上，因此，人類只會更重要。

在《打開演算法黑箱》中，弗萊透過大量有趣的案例，說明演算法如何深入日常的同時，也提醒我們人類的重要性，這是我認為本書最大的優點。新技術的提出值得受到肯定，然而，在肯定其貢獻的同時，背後所付出代價卻往往會被忽略。本書在闡述新技術的同時，也很平衡地展示這些技術背後的代價。

就如同作者一再強調的，她肯定技術所帶來的好處，但我們必須思考如何在新技術所帶來的進步中，保有人類的主動性，或者說，如何在機器年代中當個人。

本文為《打開演算法黑箱：反噬的AI、走鐘的運算，當演算法出了錯，人類還能控制它嗎？》書評

聽說現代商務客機基本上可以全自動駕駛，這話的真實性多高？遠端操控無人機真的可行嗎？

自動駕駛的都市傳說：機師只是個備胎？

航空領域總是充滿了陰謀論和都市傳說，我聽得可多了。然而，最讓我錯愕的，莫過於關於自動駕駛的迷思與誇大不實的傳言：以為現代飛機是由電腦操控，機師在場只不過是當做緊要關頭時的備胎，諸如此類的想法。

我們都聽說過，在不遠的將來，機師會完全遭到淘汰。舉例而言，《連線》雜誌曾在二○一二年刊登一篇關於機械的報導，記者寫道：「自動駕駛是一種電腦裝置，能夠獨立操控一架 787，無須人力支援，但我們還是不理性地在駕駛艙塞幾個人類機師當保母，只為了以防萬一。」

這段關於民航機師工作內容的描述，是我聽過最不經大腦、最侮辱人的話。說 787 或任何民航機「無須人力支援」就能航行、機師在場只是要當自動駕駛的「保母」，已經不只是誇飾，不只是為了文采而稍稍曲解事實，不只是「不太對」──而是大錯特錯。既然連一份口碑良好的科技雜誌都不明白這點，讓這種言論得以出版，可見這種迷思有多盛行。這種謬論一天到晚出現在媒體上，竟到了大眾視之為理所當然的地步。

你會發現，說這種荒唐論調的多半不是機師，而是新聞記者或學者（教授、研究者之類的）。管他多聰明、研究多有價值，這些人都極為不熟悉商務航空每天要面對的狀況。有些時候，機師自己也助長了這種歪風，我們之中可能有人會說：「媽啊，這架飛機根本就是自己飛了嘛。」最大的敵人往往就是自己人；我們由衷讚歎高科技工具，在對外行人解釋複雜操作步驟時，索性簡化內容，最後描繪出一幅把飛行實際情況給扭曲的誇大漫畫，同時貶低了這個職業的價值。

自動駕駛是輔助工具，操作才是硬功夫！

高科技駕駛艙設備基本上是輔助機師，就像高科技醫療設備輔助醫生和外科醫師一樣。設備大幅提升機師的能力，但絕對不可能減少操作設備所需的經驗和技巧，更遠遠談不上把經驗、技術變成沒有必要的東西。要飛機自動駕駛，差不多像是要現代手術室自動開刀。外科醫師兼作家葛文德寫過一篇文章，刊登在二○一一年某期《紐約客》雜誌：「說到醫學進步，每個人都只想到科技。可是，醫生的技術也非常重要，絲毫不輸科技。這點可以套用在各行各業上。真正造成差異的，是大家運用科技的技巧。」這話可說是一針見血。

再說，「自動化」和「自動駕駛」到底是什麼意思呢？自動駕駛就跟其他設備一樣，是供機組成員使用的工具，你還是得告訴它該做什麼、何時做、如何做。我自己比較喜歡「自動飛行系統」這個詞，因為自動駕駛綜合了好幾種不同功能，可以調整速度、推力、水平和垂直航向，要同時或獨立控制都行，這些功能全都需要組員定時輸入指令，才能妥善運作。

在我開的波音飛機上，如果要設定自動爬升或下降，我可以各想出七種不同的方式，視情況判斷採用哪一種。媒體會引用所謂的專家說的「每趟航班，機師手動操作的時間大概只有九十秒」，然而這種話不但有誤，更表明說話的人根本不知道手動、自動的差別，彷彿自動操作純粹只是按下按鈕、雙手抱胸等待。

應對複雜狀況，下達成千指令

有天晚上，我搭飛機坐經濟艙，降落過程出奇平順，背後有個老兄喊道：「幹得好啊，自動駕駛！ 」也許很好笑，但完全錯了，這次著陸從頭到尾是手動操作，絕大多數飛機著陸都是如此。對，大部分噴射客機都獲得認證，可以自動執行降落（用機師行話來說，這叫做「自動落地」），可是現實中極為少用，飛機降落時，採取自動控制的不到百分之一。要詳細解釋如何設定、實行自動落地，要花上好幾頁篇幅才行。總之，假如只要按個按鈕這麼簡單，我又何必每年用模擬器練習兩次，還要每隔一段時間就複習手冊上標記起來的地方。就很多層面而言，自動落地遠比手動要來得耗神。

一趟航行中，情況時時刻刻變化，複雜、流動，絕對不是死的，所以機師必須隨時下決定，每個決策都事關重大。雖然有各式各樣的協定、檢查表、步驟，寫成白紙黑字，機組成員仍舊必須依據主觀判斷，下達成百上千個指令，譬如避開堆疊起來的積雲、解決機械問題等等，不勝枚舉。我指的是那些稀鬆平常的狀況，任何一天、任何一次飛行都會遇到，甚至多到工作飽和的程度。即使是在最最普通的情況，駕駛艙一樣會忙到讓你驚訝──而且還開著自動駕駛。

另外一種老掉牙的言論是，駕駛艙自動化讓開飛機比以前簡單。恰恰相反，現在開飛機大概是有史以來最難。考量到現代航空所有操作相關領域（從飛行計畫、導航，再到通訊），駕駛飛機的必要知識比以往多上許多。現在，主要所需技能的確和過去不太一樣，但如果你認為某些技能比其他更重要，那你就錯了。

無人載具行不行？

你一定想指出：

可是，遠端駕駛的軍用遙控機跟無人飛行載具數量暴增，又怎麼說？這難道不是未來趨勢的預兆嗎？

這種觀點的確很誘人。這些機器設計精密，事實也證明它們很可靠──可惜程度有限。遙控飛機不像商務客機一樣載著上百名乘客，它的任務與客機大相逕庭，運作環境截然不同，若是出了差池，代價輕微得多。光是借用無人機的概念，將之擴大規模、加上幾個備用設施就想上路，這是行不通的。

我很想見識看看，遠端操控無人機如果遇到引擎失效放棄起飛，接著遭遇煞車過熱輪胎起火，要怎麼迅速放棄起飛，疏散兩百五十名乘客。我很想見識看看，無人機如果在山區遇到加壓系統問題，需要改航，會怎麼排除問題。我很想見識看看，無人機要怎麼在海上穿越風暴。老天，就連最簡單的任務，我都想見識一下。每一趟航程都會發生無數大大小小的偶發事件，需要機組成員花費心神處理、憑直覺下判斷，如果你身在千里之外的地面上，要怎麼解決這些狀況，我真沒辦法想像。

即使真的要把無人飛行載具的模型應用在商務航空領域，也必須砸下大筆資本，大幅修改現行民用航空制度與基礎架構，舉凡設計一代的新飛機並進行測試、建立新的飛航管制系統，諸如此類。連無人汽車、無人火車、無人船的概念都未臻完美了，就要一下子跳到商務客機，難度和成本都會呈次方成長，即使真的成功，還是要有人遠端控制那些飛機才行。

我不是要說人類辦不到這種事，說不定有一天，我們真的可以搭無人民航機旅行，就好比我們也可能在月球上或海底建造城市。說到最後，最大的問題不在於科技是否做得到，而在於成本和實用性。離這個目標還有很長一段路要走，前提是我們真的要走這一條路。

我知道這些話聽在你聽來有什麼感覺。對你來說，我不過是個反科技分子，抗拒逐步進逼的科技，只為保住終將被時代淘汰的飯碗；正因為我是民航機機師，所以我的論據不足採信。你大可這樣想無所謂，但我可以保證，我不是過於天真，說話也完全憑良心，更不反對科技進步；我只反對過度引申科技功用的愚昧之舉，以及那些明顯曲解機師在做些什麼的言論，因為我和同事賴以維生的工作絕不是那樣。

本文摘自《機艙機密：空中旅行大百科》，2019 年 1 月，行路出版。