第四章 AI时代：人类将如何变革？（第10/33页）

无论是飞机的自动驾驶，还是汽车的自动驾驶，无论是早期系统，还是结合了深度学习算法的现代系统，大抵都符合这样一个基本的概念模型。

图37　自动驾驶系统的基本概念模型

因为高空的环境复杂度较低，飞行器的自动驾驶系统发展很快。两次世界大战前后，飞机自动驾驶或辅助驾驶技术不断改进。1947年，美国空军用一架道格拉斯C-54运输机完成了一次横跨大西洋的飞行，飞机全程使用自动驾驶系统控制，包括起飞和降落环节，这是自动驾驶系统在航空工业中走向普及的标志性事件。今天，现代客机、货机、战斗机绝大多数都拥有自动驾驶或辅助驾驶系统，可以大幅减轻飞行员的工作强度。在大部分气象条件下，只要飞行员允许，飞机的自动驾驶系统都可以自动完成包含起飞、降落在内的全部飞行控制操作。为了解决较复杂的降落段自动驾驶问题，全球各大机场还根据情况，安装了不同级别的仪表着陆系统（ILS），使用无线电信号或高强度灯光阵列，来为飞机提供精密引导。

自动驾驶系统在航空领域取得的巨大成功也为汽车的自动驾驶系统提供了有价值的参考，这包括：

·飞机飞行过程中需要感知的环境信息，几乎都可以由已有的机上传感器提供。而目前大批量生产的普通汽车，通常只装配了感知自身行驶速度的简单传感器。为现有汽车安装附加传感器，是实现汽车自动驾驶的必经之路，但也客观上增加了自动驾驶系统的成本。为汽车设计生产廉价、精准、可靠的传感器，是未来自动驾驶行业的重心之一。

·因为环境简化，飞机的感知和决策过程相对简单，系统算法通常不需要涉及复杂的深度学习模型。即便如此，目前从事货运、客运航空飞行时，飞行员仍需要全程监控，与自动驾驶系统协同工作。完全不需要飞行员的无人机只在军事领域得到了广泛应用，进入大规模商业客运、货运飞行还为时尚早。这提醒我们，为汽车研发自动驾驶系统的时候，也不能急于求成，从机器辅助人类驾驶开始，逐渐过渡到人类辅助机器驾驶，最终实现无人驾驶，才是理性和正确的选择。

·正如机场可以安装仪表着陆系统（ILS）来辅助降落一样，对道路的改造（如新的易于识别的交通标志、与汽车传感器配合的信号源等）也许是简化汽车自动驾驶系统实现难度的一条捷径。

谈到汽车的自动驾驶系统，很多人是通过谷歌公司发布的自动驾驶汽车认识这一现代科技成果的。其实，在谷歌之前，大批公司和科研机构，已经对汽车的自动驾驶系统做了多年的研究。

最早在20世纪20年代，当时的主流汽车厂商就开始实验自动驾驶或辅助驾驶功能。现代意义上的第一辆自动驾驶汽车，出现在20世纪80年代的卡内基-梅隆大学计算机科学学院的机器人研究中心，它的名字叫Navlab。1986年制造的第一辆Navlab汽车上安装了3台Sun工作站、1台卡内基-梅隆大学自行研制的WARP并行计算阵列、1部GPS信号接收器以及其他相关的硬件单元。限于当时的软硬件条件，这部自动驾驶汽车的最高时速只能达到32千米，而且还很不实用，但起码算是具备了现代自动驾驶汽车的雏形。1989年，卡内基-梅隆大学还在自动驾驶系统中，使用神经网络技术，进行了感知和控制单元的实验。大约在同一时期，奔驰、通用、博世、尼桑、丰田、奥迪等传统汽车行业的厂商也开始加大对自动驾驶系统的投入，陆续推出了不少原型车。

在中国，早在1987年，国防科技大学就研制出了一辆自动驾驶汽车的原型车，虽然这辆车非常小，样子也与普通汽车相差甚远，但基本具备了自动驾驶汽车的主要组成部分。2003年，国防科技大学和一汽集团联合改装了一辆红旗轿车，自动驾驶最高时速可以达到130千米，且实现了自主超车功能。2011年，改进后的自动驾驶红旗轿车完成了从长沙到武汉的公路测试，总里程286千米，其中人工干预里程2240米。此外，清华大学、中国科技大学等国内科研机构，也各自开展了自动驾驶技术的早期研究。