5G对自动驾驶有多重要？自动驾驶是复杂的人工智能问题吗
中美摩擦继续升温，美方用尽方法，企图阻止华为打入欧美市场，亦严控购买美国零部件，连提供android的google都受到影响。美国的最主要目的就是阻止或最少减慢中国5g发展。5g真的这么重要？得5g就得天下？
5g固然有它的好处，速度、反应时间、支持iot等等，但也有数个隐忧。第一个较小的是我在上周另一文章讨论过的辐射问题。第二个问题更严重，关乎5g是否类似1950至1980冷战年代，美苏之间的人类太空竞赛？后来更演变为星战计划，劳民伤财，成为美苏修昔底德陷阱式斗争的主战场，最后更成为苏联解体的催化剂。
我曾多次指出5g仍缺乏消费者渴求的killer apps，更多的是国家和企业所期待的应用，包括监控和混合iot加ai技术的各种工业和军事用途。在未来的5g年代，民事、政府和军事用途，将变得愈来愈模糊，这亦是所有国家这么紧张的主要原因之一。
5gkiller app仍只闻楼梯响
今天将集中讨论自动驾驶（autonomous vehicle，下称自驾车）的最新发展和相关问题。本来自驾车是大家最期待的5g killer app级应用，希望2020起开始正式推出，到2030年成为主流。但近期自驾车发展明显放缓，所有公司都把计划推迟，bmw的r&d主管klaus fröhlich更表示业内人士，愈来愈担心每家数以十亿美元计的投资，可能血本无归！
很久以前已讨论过自驾车面对的「trolley car」难题，在危急情况下，如何作出不同反应的取舍。除法律外，亦牵涉到复杂的道德问题。自驾车的发展必须重写交通法和颠覆整个保险行业。
本来自驾车应可充分利用5g的所有优势，亦足以弥补智能手机饱和的问题。汽车数量虽不可与手机匹敌，但汽车价格比手机高十至一百倍以上，所以有更多空间去「塞进」各式各样的电子零件，包括gpu、cpu、dram、nand、fpga、通讯asic、镜头、雷达、lidar、超声波、gps等等。软件方面有最重要的ai运算法，和很多其他通讯和系统操作程序。如完全成功，乘客更不用为驾车操劳，将腾出更多时间来上网，可工作、通讯、听音乐、看视频或购物等等，可谓商机无限！
自驾车亦曾被认为是电动车的一个绝配，robotaxi更是全面实现共享运输的终极目标。robotaxi不用休息，除充电时间外，可接近全天候运作，这才是最环保，和最有效摊薄暂仍高昂的电动车投资的做法。
最多人见过和接触过的自驾车，肯定是tesla，尤其香港路上，每天见到无数辆。从约3年前，tesla已大胆推出所谓level 2-3的autopilot系统，可用于高速公路上。按elon musk的说法，明年tesla即可推出达到level 5的真正自驾车和robotaxi服务，完全自动化，可能方向盘都没有。
但事实是否如此理想？从我个人经验，现在tesla的autopilot系统，绝对「not ready for prime time」。初时仍会当玩具试用一下，但发现非常危险。即使启动了autopilot，tesla仍要求司机继续留神，把双手放在方向盘上。这做法，对我毫无帮助，只会令我更紧张。tesla只为推卸责任，准备在紧急时候，把驾驶控制和责任突然交还给人类司机。实验证明，这交接的一剎那，当然也正是最危险的一刻。
这实例也突显一个问题，就是如何成功利用ai来协助人类（尤其实时应用），绝非一个简单问题。很多时候，单独由人控制或完全由ai控制的效果更好，两个「厨师」合作煑一道菜，未必有幸福。所以不少人宁愿等到level 5自驾车一步到位，不要经过更危险的level 2、3和4阶段。但现在的所谓「循步渐进」，仍是大方向。
过去数年，tesla最少有4宗与autopilot相关的致命交通意外（uber在测试期间亦曾发生过）。tesla的最近一宗，一辆model 3以65英里（时速约105公里）速度撞向一辆横向走过的货车，整个车顶被铲平，司机当场死亡。意外情况跟三年前的第一宗致命意外，几乎一模一样。经常被吹嘘的machine learning，似乎经过多年学习，仍未有明显进步，最大「改良」仅是较频密提示驾驶者把手放回方向盘上。
根据分析，似乎tesla的autopilot系统，有颇大困难区别正在移动和静止的车辆，和处理垂直（perpendicular）横向走过的车辆。其他公司的系统，例如volvo和nissan，也有类似问题。
勿把自驾与narrowai混为一谈
到底自驾车是个怎样的问题呢？是否假以时日，技术愈来愈完善，修正所有漏洞，就必能解决问题？还是有更深入的发展方向问题？抑或只是人类对自驾车过度苛刻，其实快将（或已经）超越人类驾驶的安全性，但我们仍非理性地恐惧和抗拒。
最后一个问题最易解答，很简单，人类当然对新的，不熟悉的东西有恐惧感和抗拒，尤其自驾车这回事，人命关天，保守是可以理解的。根据美国民调，只有25%的人愿意乘坐完全无后备司机的自驾车。汽车业人士认为，自驾车要证明比人类开车安全十至一百倍，才会被大多数人接受。
单纯技术上，都仍有不足之处。很多人认为自驾车技术上，tesla相对落后，坚持只用视像镜头和传统雷达。在一个navigant research的独立报告中，排名第9，仅在榜末的苹果之上。榜首的头3位为alphabet的waymo，gm的cruise和ford，他们都采用较昂贵的lidar系统（激光雷达）。但在实验中，连lidar在大雪和大雨中都出现失效问题，有时连分隔车道中间线的胶路障都不能分辨出来。
但我认为最大问题是可能所有人错误地把自驾车分类为一个较容易解决的narrow ai问题。narrow ai又名weak ai，定义是单一任务，集中解决一个问题，例如下围棋。
narrow ai只需要利用neural network，设定算法，供应大量数据，进行大量machine learning，就必定进步神速，很快就能超越人类，alphago当然是个经典例子，它的成功也吸引了大量资金投放到narrow ai的研究和应用开发。
意料之内或外人和ai定义不同
除narrow ai，其实还有另一类artificial general intelligence（agi），又名strong ai，适用于一些综合性，灵活性高，尤其需要人类「common sense」的应用，例如computer vision（计算机视力），natural language understanding（自然语言理解），和处理意料之外的现实世界问题。
试想一下，自驾车不正是需要计算机视力，理解和处理各种现实世界的问题，亦当然包括处理所谓意料以外的问题。意料以内或外，对人和ai的定义亦或有差异。对ai来说，以200公里高速驾驶可能很容易，但一个穿着万圣节装束的小孩过马路就无法处理，人类司机的反应则可能恰恰相反。
专家认为，当narrow ai遇到意料以外的处境，经常呈现brittleness（脆弱性），即无法适应，结果采取完全不合理的行动。例如自驾车在路上行驶时，只懂跟随交通灯指示，但当交通灯坏了，就不懂跟随临时指挥交通的警员手势或口头指示。
早前在美国就有一个颇恐怖例子，在高速公路上，警车发现一辆tesla形迹可疑，高速行驶且不断打转弯灯号。驶至旁边时发现司机昏迷了，但手仍在方向盘上，所以autopilot仍继续行驶。难题是如何安全地截停这辆tesla呢？警方无法hack进autopilot系统（tesla或者有方法？），autopilot又不听警察指挥，情况有点像电影speed。结果唯一方法是用一辆警车超前切入tesla的线，然后逐渐减速，tesla的adaptive cruise control系统也幸而跟着减速，最后终于停止。
如果自驾车真的是一个agi问题就麻烦了，因为agi发展仍然非常缓慢，资源也严重不足。agi的发展极困难，系统需要在不确定环境下reasoning（讲道理），计划、学习、沟通和融会所有技巧去解决问题。其中最经典的标准是需要通过turing test，要人类在综合对话中无法辨别对方是人还是ai。现时最先进的narrow ai系统，据专家评估，iq只有约47分，等同一个6岁小孩，远低于正常成年人的100平均分。
整个运输系统智能化代价不菲
如何建造agi系统亦是个大问题，可能需要从上而下的symbolic logic处理能力，再结合从下而上的narrow ai，以大量数据为基础的sensory approach。纯粹猜测，例如tesla无法准确辨别车辆是否移动和横向车辆的漏洞，可能部分原因是系统没有agi，对newtonian physics的基本relative motion概念，缺乏认知。
另一流行的agi发展方向更夸张，企图作whole brain emulation（模仿整个人脑运作）。人类脑袋的neurons多达1000亿，synapses更多达数百万亿，模仿的难度有多高，可想而知！
反过来如果自驾车的agi问题太难解决，又能否把问题变回一个较简单的narrow ai问题呢？我认为可以，但就更需要发展智能运输系统，利用5g和iot平台，支撑v2v（车对车）和v2x（车对环境）等通讯制式。意思是如果整个运输系统愈智能化，每辆自驾车所需的聪明程度则较低。如统筹妥善，应可缩短车与车之间安全距离，整体流量可大大提升。但又回到大型基建的经济效益，以及谁愿意作出如此巨大投资的问题。在现今环境下，当仁不让，带头的一定是政府，尤其中国。但如果是这样的话，美国又必将更大力投诉工业政策和不公平补贴等问题。
台积电1.4纳米用地计划曝光 约2026年可提供建设用地
汽车系统设计的整体解决方案
西门子与宝钢，中德最具传奇色彩的两大工业巨头再次携手，广受世界瞩目
主线科技数十台完全无人驾驶电动集卡登台亮相
特斯拉利用OTA升级刹车系统，在原刹车距离基础上再缩短6米多
5G对自动驾驶有多重要？自动驾驶是复杂的人工智能问题吗
高通展示未来技术路线图 第三代AMD EPYC处理器为IBM云助力
二维扫描模组，“二维条码扫描模组”让扫码读码更加高效、顺畅
qss功能需要开启吗
LTC3616 - 6A、4MHz、单片式同步降压型DC/D
在ARM开发环境下C语言的设置堆栈指针和清理BSS段的作用概述
健身房中的智能显示屏可以将健身设备进行一键控制
中国广电与Qualcomm成功完成全球首次700MHz频段5G数据呼叫
闪联+德州仪器多模态组网技术标准暨芯片模组发布会即将召开
5G广播将帮助手机免费接收电视节目
工程师的采购节! RS欧时电子采购狂欢节 “双十一”采购优惠源源不绝
适用于ADM3055E/ADM3057E CAN FD收发器的浪涌保护解决方案
红色iPhone7/7Plus成苹果史上降价最快的手机，不到一个月降价300元，现在是入手的时机吗？
大疆发布御2无人机，搭载顶级热成像相机
曙光助力区域人工智能产业生态繁荣和数字经济高质量发展
5g固然有它的好处，速度、反应时间、支持iot等等，但也有数个隐忧。第一个较小的是我在上周另一文章讨论过的辐射问题。第二个问题更严重，关乎5g是否类似1950至1980冷战年代，美苏之间的人类太空竞赛？后来更演变为星战计划，劳民伤财，成为美苏修昔底德陷阱式斗争的主战场，最后更成为苏联解体的催化剂。
我曾多次指出5g仍缺乏消费者渴求的killer apps，更多的是国家和企业所期待的应用，包括监控和混合iot加ai技术的各种工业和军事用途。在未来的5g年代，民事、政府和军事用途，将变得愈来愈模糊，这亦是所有国家这么紧张的主要原因之一。
5gkiller app仍只闻楼梯响
今天将集中讨论自动驾驶（autonomous vehicle，下称自驾车）的最新发展和相关问题。本来自驾车是大家最期待的5g killer app级应用，希望2020起开始正式推出，到2030年成为主流。但近期自驾车发展明显放缓，所有公司都把计划推迟，bmw的r&d主管klaus fröhlich更表示业内人士，愈来愈担心每家数以十亿美元计的投资，可能血本无归！
很久以前已讨论过自驾车面对的「trolley car」难题，在危急情况下，如何作出不同反应的取舍。除法律外，亦牵涉到复杂的道德问题。自驾车的发展必须重写交通法和颠覆整个保险行业。
本来自驾车应可充分利用5g的所有优势，亦足以弥补智能手机饱和的问题。汽车数量虽不可与手机匹敌，但汽车价格比手机高十至一百倍以上，所以有更多空间去「塞进」各式各样的电子零件，包括gpu、cpu、dram、nand、fpga、通讯asic、镜头、雷达、lidar、超声波、gps等等。软件方面有最重要的ai运算法，和很多其他通讯和系统操作程序。如完全成功，乘客更不用为驾车操劳，将腾出更多时间来上网，可工作、通讯、听音乐、看视频或购物等等，可谓商机无限！
自驾车亦曾被认为是电动车的一个绝配，robotaxi更是全面实现共享运输的终极目标。robotaxi不用休息，除充电时间外，可接近全天候运作，这才是最环保，和最有效摊薄暂仍高昂的电动车投资的做法。
最多人见过和接触过的自驾车，肯定是tesla，尤其香港路上，每天见到无数辆。从约3年前，tesla已大胆推出所谓level 2-3的autopilot系统，可用于高速公路上。按elon musk的说法，明年tesla即可推出达到level 5的真正自驾车和robotaxi服务，完全自动化，可能方向盘都没有。
但事实是否如此理想？从我个人经验，现在tesla的autopilot系统，绝对「not ready for prime time」。初时仍会当玩具试用一下，但发现非常危险。即使启动了autopilot，tesla仍要求司机继续留神，把双手放在方向盘上。这做法，对我毫无帮助，只会令我更紧张。tesla只为推卸责任，准备在紧急时候，把驾驶控制和责任突然交还给人类司机。实验证明，这交接的一剎那，当然也正是最危险的一刻。
这实例也突显一个问题，就是如何成功利用ai来协助人类（尤其实时应用），绝非一个简单问题。很多时候，单独由人控制或完全由ai控制的效果更好，两个「厨师」合作煑一道菜，未必有幸福。所以不少人宁愿等到level 5自驾车一步到位，不要经过更危险的level 2、3和4阶段。但现在的所谓「循步渐进」，仍是大方向。
过去数年，tesla最少有4宗与autopilot相关的致命交通意外（uber在测试期间亦曾发生过）。tesla的最近一宗，一辆model 3以65英里（时速约105公里）速度撞向一辆横向走过的货车，整个车顶被铲平，司机当场死亡。意外情况跟三年前的第一宗致命意外，几乎一模一样。经常被吹嘘的machine learning，似乎经过多年学习，仍未有明显进步，最大「改良」仅是较频密提示驾驶者把手放回方向盘上。
根据分析，似乎tesla的autopilot系统，有颇大困难区别正在移动和静止的车辆，和处理垂直（perpendicular）横向走过的车辆。其他公司的系统，例如volvo和nissan，也有类似问题。
勿把自驾与narrowai混为一谈
到底自驾车是个怎样的问题呢？是否假以时日，技术愈来愈完善，修正所有漏洞，就必能解决问题？还是有更深入的发展方向问题？抑或只是人类对自驾车过度苛刻，其实快将（或已经）超越人类驾驶的安全性，但我们仍非理性地恐惧和抗拒。
最后一个问题最易解答，很简单，人类当然对新的，不熟悉的东西有恐惧感和抗拒，尤其自驾车这回事，人命关天，保守是可以理解的。根据美国民调，只有25%的人愿意乘坐完全无后备司机的自驾车。汽车业人士认为，自驾车要证明比人类开车安全十至一百倍，才会被大多数人接受。
单纯技术上，都仍有不足之处。很多人认为自驾车技术上，tesla相对落后，坚持只用视像镜头和传统雷达。在一个navigant research的独立报告中，排名第9，仅在榜末的苹果之上。榜首的头3位为alphabet的waymo，gm的cruise和ford，他们都采用较昂贵的lidar系统（激光雷达）。但在实验中，连lidar在大雪和大雨中都出现失效问题，有时连分隔车道中间线的胶路障都不能分辨出来。
但我认为最大问题是可能所有人错误地把自驾车分类为一个较容易解决的narrow ai问题。narrow ai又名weak ai，定义是单一任务，集中解决一个问题，例如下围棋。
narrow ai只需要利用neural network，设定算法，供应大量数据，进行大量machine learning，就必定进步神速，很快就能超越人类，alphago当然是个经典例子，它的成功也吸引了大量资金投放到narrow ai的研究和应用开发。
意料之内或外人和ai定义不同
除narrow ai，其实还有另一类artificial general intelligence（agi），又名strong ai，适用于一些综合性，灵活性高，尤其需要人类「common sense」的应用，例如computer vision（计算机视力），natural language understanding（自然语言理解），和处理意料之外的现实世界问题。
试想一下，自驾车不正是需要计算机视力，理解和处理各种现实世界的问题，亦当然包括处理所谓意料以外的问题。意料以内或外，对人和ai的定义亦或有差异。对ai来说，以200公里高速驾驶可能很容易，但一个穿着万圣节装束的小孩过马路就无法处理，人类司机的反应则可能恰恰相反。
专家认为，当narrow ai遇到意料以外的处境，经常呈现brittleness（脆弱性），即无法适应，结果采取完全不合理的行动。例如自驾车在路上行驶时，只懂跟随交通灯指示，但当交通灯坏了，就不懂跟随临时指挥交通的警员手势或口头指示。
早前在美国就有一个颇恐怖例子，在高速公路上，警车发现一辆tesla形迹可疑，高速行驶且不断打转弯灯号。驶至旁边时发现司机昏迷了，但手仍在方向盘上，所以autopilot仍继续行驶。难题是如何安全地截停这辆tesla呢？警方无法hack进autopilot系统（tesla或者有方法？），autopilot又不听警察指挥，情况有点像电影speed。结果唯一方法是用一辆警车超前切入tesla的线，然后逐渐减速，tesla的adaptive cruise control系统也幸而跟着减速，最后终于停止。
如果自驾车真的是一个agi问题就麻烦了，因为agi发展仍然非常缓慢，资源也严重不足。agi的发展极困难，系统需要在不确定环境下reasoning（讲道理），计划、学习、沟通和融会所有技巧去解决问题。其中最经典的标准是需要通过turing test，要人类在综合对话中无法辨别对方是人还是ai。现时最先进的narrow ai系统，据专家评估，iq只有约47分，等同一个6岁小孩，远低于正常成年人的100平均分。
整个运输系统智能化代价不菲
如何建造agi系统亦是个大问题，可能需要从上而下的symbolic logic处理能力，再结合从下而上的narrow ai，以大量数据为基础的sensory approach。纯粹猜测，例如tesla无法准确辨别车辆是否移动和横向车辆的漏洞，可能部分原因是系统没有agi，对newtonian physics的基本relative motion概念，缺乏认知。
另一流行的agi发展方向更夸张，企图作whole brain emulation（模仿整个人脑运作）。人类脑袋的neurons多达1000亿，synapses更多达数百万亿，模仿的难度有多高，可想而知！
反过来如果自驾车的agi问题太难解决，又能否把问题变回一个较简单的narrow ai问题呢？我认为可以，但就更需要发展智能运输系统，利用5g和iot平台，支撑v2v（车对车）和v2x（车对环境）等通讯制式。意思是如果整个运输系统愈智能化，每辆自驾车所需的聪明程度则较低。如统筹妥善，应可缩短车与车之间安全距离，整体流量可大大提升。但又回到大型基建的经济效益，以及谁愿意作出如此巨大投资的问题。在现今环境下，当仁不让，带头的一定是政府，尤其中国。但如果是这样的话，美国又必将更大力投诉工业政策和不公平补贴等问题。
台积电1.4纳米用地计划曝光 约2026年可提供建设用地
汽车系统设计的整体解决方案
西门子与宝钢，中德最具传奇色彩的两大工业巨头再次携手，广受世界瞩目
主线科技数十台完全无人驾驶电动集卡登台亮相
特斯拉利用OTA升级刹车系统，在原刹车距离基础上再缩短6米多
5G对自动驾驶有多重要？自动驾驶是复杂的人工智能问题吗
高通展示未来技术路线图 第三代AMD EPYC处理器为IBM云助力
二维扫描模组，“二维条码扫描模组”让扫码读码更加高效、顺畅
qss功能需要开启吗
LTC3616 - 6A、4MHz、单片式同步降压型DC/D
在ARM开发环境下C语言的设置堆栈指针和清理BSS段的作用概述
健身房中的智能显示屏可以将健身设备进行一键控制
中国广电与Qualcomm成功完成全球首次700MHz频段5G数据呼叫
闪联+德州仪器多模态组网技术标准暨芯片模组发布会即将召开
5G广播将帮助手机免费接收电视节目
工程师的采购节! RS欧时电子采购狂欢节 “双十一”采购优惠源源不绝
适用于ADM3055E/ADM3057E CAN FD收发器的浪涌保护解决方案
红色iPhone7/7Plus成苹果史上降价最快的手机，不到一个月降价300元，现在是入手的时机吗？
大疆发布御2无人机，搭载顶级热成像相机
曙光助力区域人工智能产业生态繁荣和数字经济高质量发展