作为技术世界中最基本的问题之一，这个问题有点难以回答。总而言之，自动驾驶汽车可能比人类驾驶的车辆更安全，但需要大量额外的工程来防止特定类型的认知盲点，这些盲点很容易导致事故甚至死亡。

简单地说，自动驾驶汽车有可能变得更安全，但目前在实践中并不安全。（另请阅读：入侵自动驾驶汽车：这就是我们还没有自动驾驶汽车的原因吗？）

特斯拉的自动驾驶技术就是一个很好的例子——当驾驶员信任车辆这项技术时，我们已经看到了死亡事故的发生（公平地说，特斯拉一直明确表示自动驾驶只是一种部分自动驾驶技术，并要求用户不要信任该技术）车辆完全到达）。

然而， PolicyAdvisor 的这份新报告显示，自动驾驶汽车通常被认为比人类驾驶员驾驶的汽车更安全。

造成这种差异的原因与自动驾驶汽车的运行方式有关。自动驾驶汽车在防止与人类驾驶员失误有关的多种类型事故方面要安全几个数量级——例如，因为驾驶员没有注意而简单地追尾另一辆车。

自动驾驶汽车几乎不会发生此类事故。

考虑到这一点，评估自动驾驶汽车整体安全性的一种方法是，一般来说，事故发生的次数会较少，但确实发生的罕见事故将比涉及驾驶车辆的平均挡泥板弯曲事故更严重由人类。

换句话说，计算机一开始就不太可能犯错误，但如果出现问题，计算机的自我纠正能力也比人类差。

事实上，作为天生的问题解决者，人类在很多方面都优于计算机。

自动驾驶汽车设计中的一个突出问题与无法完全模拟人类反应有关，称为价值学习问题。

价值学习问题解决了技术无法像人类那样清楚地识别抽象风险或抽象目标的问题。专家解释说，人类的目标很复杂，并且基于许多不同的抽象概念。

有些可以编程；其他人则抵制实用的编程解决方案。

例如，特斯拉自动驾驶仪事故中的一起重大死亡事件涉及分叉高速公路上不寻常的物理楔子。自动驾驶软件未能检测到异常障碍物，从而引发了悲剧性事故。

因此，一个明显的区别是，自动驾驶汽车对于某些类型的事故风险极其安全，而对于其他类型的事故风险则非常不安全，尽管它们在不断改进。

新的创新也提高了自动驾驶汽车的安全性。例如，激光雷达激光器和辅助驾驶技术的使用提高了自动驾驶系统的能力。美国国家公路交通安全管理局等机构的新评估计划也解决了自动驾驶汽车的安全问题，以使这些新车在道路上更安全。区分乘用车和货运车辆，监管机构可以专注于创建顶级安全解决方案，以解决载人自动驾驶车辆的安全问题。

    上一篇我们送上的文章是 TensorFlow 在机器学习中的作用是什么？ ， _!在下一篇继续做详细介绍，如需了解更多，请持续关注。
本文由日本NEC锂电池中国营销中心于2023-07-16 17:21:24 整理发布。
转载请注明出处.