李開復：無人駕駛必須一步到位，沒有所謂的人機協同
10月28日，在未來論壇頒獎典禮暨年會上，未來論壇理事、創新工場董事長兼首席執行官李開復發表了主題演講。他說，未來交通最大的阻礙就是人類，而無人駕駛將打破這一點。
李開復在演講中說，如果智慧交通能把人的因素剔除出去，可增加安全度，讓整個交通變得更有預測性。
他認為，大部分交通事故產生的原因在于人，人會有情緒，會走神，或者反應不夠快，會犯錯。
李開復提到，谷歌曾經做過一個實驗，讓20多個員工把自動駕駛汽車開回家，員工被勸告要坐在駕駛位上，隨時準備處理可能出現的危險情況。
但谷歌發現，員工幾乎很少聽從這個忠告，他們100%放心地將駕駛操作交給汽車，自己做起任何自己想做的事情來：看地圖，看視頻，躺在后座打盹兒，跟女友親熱
這個實驗讓谷歌發現，人其實是不可被信任的。李開復也認為，無人駕駛必須一步到位，沒有所謂的人機協同。
李開復：人工智能時代的智慧交通
非常有幸作為未來論壇的理事，跟大家分享一下對智慧交通的看法。
人工智能在全世界是最重要的技術，當然也會應用在智慧交通上。我們特別期望人工智能會催化未來交通行業的進步，這也是創新工場投資非常重要的領域之一，我們投資的公司里，大概有七八個是做這個領域的。
智慧交通的數據量，比今天大一百萬倍
我們認為，人工智能的來臨有四個波潮。
第一波是互聯網智能化，通過調用互聯網大量數據，讓互聯網網站、APP變得更聰明；
第二波是商業智能化，把很多商業公司多年留存的數據激活并產生商業價值；
第三波是實體世界智能化，把真實世界里很多過去非數字化的行為數字化上傳；
第四波是全自動智能化，無人駕駛、機器人等進入商業應用。
智慧交通涉及的主要是第三波、第四波浪潮。
今天的出行有各方面的問題，從擁堵到PM2.5，到安全事故、疲勞駕駛等，要解決這些問題，就要有信息流，能實時知道到底多少車在運行，什么地方可能會有擁堵。
人工智能是需要數據驅動的，智慧交通也是。谷歌、百度等互聯網公司有很多數據，銀行、保險等也可以把已存的數據拿出來用，但交通領域很多場景沒有數據，比如每輛車開在什么地方。提取這些新數據的關鍵是布置更多的傳感器。
零售、倉儲、物流、教育、醫療、農業等領域的升級需求，將會促使傳感器的普及。隨著傳感器越來越普及，有很多基礎的事情會被改變，比如并行計算、平行計算越來越重要。怎么存儲比今天數據再大一百萬倍的數據量？今天在淘寶做一次點擊只產生非常少的數據量，但要知道一輛車每兩秒鐘走到什么地方，需要的數據量非常大。
摩拜+滴滴，基于大數據做交通精準預測
下面我用幾個公司作為案例，講一下大數據對智慧交通的作用。
我們投資的摩拜單車，本身就是智能傳感器，每一次你用摩拜的時候，尋找、開鎖、騎行、結費都會產生數據，利用GPS、藍牙、熱探測器，不斷地把行車信息傳遞到網絡上，實現智能調度。這樣產生的數據量有多大呢？非常驚人。
摩拜第一次見中國移動的時候，表示一臺車需要一個SIM卡，說出700萬數字的時候，中國移動幾乎不能相信。而現在，中國移動1%的SIM卡都提供給了摩拜。
摩拜的一臺編號為No.0210010680的單車，從去年4月21日開始投入使用，一年后被騎行了1180次，出行距離2623km，每兩秒鐘上傳一次信息。所有摩拜單車每天上傳的信息量超過20TB。
滴滴的數據量更大，可以做出精準的預測與判斷。交通基礎設施難以改變，但是可以通過智能調度，提高交通的效率。
舉個例子，滴滴不但可以告訴你，今天哪些車會在哪里；一小時以后哪里有車；哪里需要車；還可以預測未來的車會在哪里、某人什么時候需要車。
王堅博士在阿里巴巴做過一個演示，挑一個城市，在城市里面布置人工智能，讓紅綠燈更智能。當有一大批人往某個地方走的時候，給他們放行，或者一輛救護車來的時候，庫卡機器人，讓救護車先走。
紅綠燈的時間和頻率，根據經過車輛的流量來修改。結果表明，在一個擁擠的時間段，這個城市平均的交通效率提升15%，救護車到達現場的時間縮短了50%，這是一個非常簡單的未來城市大腦和智慧交通雛形。
搜集的數據不只是傳上去，還能夠實際應用。比如計算機視覺在智慧交通方面的應用，我們投資的Face++有一個真實部署的案例，可以識別誰在闖紅燈，將臉部捕捉到，直接把罰單寄到他家里。
當兩個人站在人行道上，插著手在這邊，更可能是在聊天，突然進入人行道概率很低，但如果兩個人身體前傾，證明進入人行道的概率會比較高。行駛的車根據這樣的預測，做出準確的、安全的判斷。
人不可被信任，自動駕駛必須一步到位
無人駕駛到底什么時候來？創新工場的看法是，無人駕駛必須一次到位，沒有所謂的人機協同駕駛。
這句話怎么理解？谷歌公司做過一個有趣的實驗。他們在內部招募了一批志愿者，每人發了一輛測試用途的自動駕駛汽車，并告知他們：用于測試的汽車并不完善，仍然需要志愿者坐在駕駛位置，隨時準備應對汽車無法處理的路面突發情況。
但谷歌發現，庫卡機器人，志愿者幾乎很少聽從這個忠告。因為在絕大多數情況下，谷歌自動駕駛汽車表現得非常好，完全可以自如應對路面上發生的各類復雜情況。這樣一來，幾乎每個志愿者都會100%放心地將駕駛操作交給汽車，自己則利用乘車的時間，做起任何自己想做的事情來：有乘車時看地圖的，有乘車時看視頻的，有乘車時躺在后座打盹兒的，有乘車時跟女友親熱的
這次測試讓谷歌明白了一點：一旦自動駕駛汽車達到了足夠高的水平，車內乘客就會想當然地將所有操控權交給汽車。無論這時候自動駕駛汽車的軟件是否還有風險，無論路面上那些極端的路況是不是能被自動駕駛汽車正確處理，車主都不會保持100%的高度警覺。
人其實是不可被信任的，谷歌認為，要保證自動駕駛的絕對安全，就一定不能依賴于人的參與，無人駕駛一定要一步到位，能夠應對所有（至少是極其接近100%的）極端路況。
自動駕駛應先做高速公路和貨車
自動駕駛的提升需要大量數據，一步到位怎么積累數據？
我們認為，自動駕駛必須在場景方面有所限制。比如說：可以先在景區、停車場、機場、清潔車、垃圾車、貨車等限定場景，確保安全后，再嘗試高速公路貨車的自動駕駛，然后再做普通客車、普通街道的駕駛場景。
創新工場投資的馭勢科技，就是做限定場景的低速自動駕駛，不存在危險問題。這種簡單的場景，同樣可以搜集大量的數據，而且沒有安全問題，把數據收集起來再迭代。
在北京的道路上，庫卡機器人，無人駕駛沒有人開的好，因為會有各種突發現象，比如不可預測的小孩跳出來，在胡同會遇到堵車。但是在高速公路上，無人駕駛已經開的比人好了，因為高速公路更可控。
貨車其實是非常好的無人駕駛應用，因為里面沒有乘客，大部分在高速公路上飛奔，可以收集數據，沒有危險。
還可以用跟隨的方法，第一輛卡車有人監督，后面的車是全無人駕駛，只要跟著前面的車就行。
在未來，路權可能會受到智能調整，比如上班時，大部分車往城中開，下班時開回郊區的車更多，路權會隨著人的需求調整，而急救、火警等車輛也會得到優先路權。
人類是智慧交通的最大阻礙