周三傍晚，我从伦敦金融城骑车回家。在维多利亚公园附近那座双车道环岛上，我的余光扫到一辆灰白相间的Waymo测试车正从右侧匝道逼近，车顶的传感器阵列缓缓旋转，像一只在陌生丛林里探路的机械兽。按英国交规，环岛内的骑行者拥有优先权，我习惯性地加了点速，准备在它进入前抢出半个车身。它却丝毫没有减速的意思，反而笔直地朝我切入。
我捏紧车把，把重心稍微后倾。就在我们之间的距离只剩三四米时，那辆车猛然顿住，车头轻微下沉，像被什么无形的手拽了一把。它停的位置其实还留有余地，并不至于真的撞上，但那股“它会不会停”的紧张感，和后座上突然僵硬的安全驾驶员的目光，还是让我在接下来几百米里多回头看了两眼。
这在伦敦单车通勤族的日常里绝对算不上惊险。同一天早些时候，一辆黑色出租车为了抢客猛地切进自行车道，一辆外卖骑手逆行擦过我手肘，那才叫险。但这个瞬间之所以被单独拎出来，只是因为方向盘后面没有人——做决策的不是一个心烦意乱的伦敦司机，而是一套刚上路不久的人工智能。这让我忍不住较真。
回到家我立刻翻出地图记下准确时间地点，发给Waymo询问原因。公关回复倒很快：“自动驾驶系统检测到一位骑行者正沿着环岛外侧接近右方，安全驾驶员主动接管了车辆，在环岛入口处踩下刹车。” 换言之，AI的判断里可能并未打算停下，是人介入了。我接着追问了两个问题：在伦敦测试中，人类安全驾驶员被迫接管的频率有多高？这次误判究竟哪里出了岔子——我完全合规骑行，而且自行车是荧光黄，普通司机在阴天里都不会漏看——未来算法会如何针对性改进？
关于干预频率，Waymo明确表示没有统计这类数据，也不倾向将它作为核心指标对外讨论。至于错误分析，我只收到了沉默。这反而让我更好奇：在真实道路测试里，很多公司会把每次“安全员接管”事件当作宝贵的学习样本，回传云端重新标注、训练。沉默不代表什么都没发生，却意味着外界无法得知这些瞬间如何塑造下一版算法的行为边界。
和我一样在伦敦骑车通勤的朋友里，对Waymo的评价两极。多数人觉得这些车遇到骑行者时极其谨慎，几乎到了慢了半拍的地步。但也有人回忆起一个诡异的场景——施工路段立着醒目标牌：“车道变窄，勿超越骑行者”，结果一辆Waymo竟然试图在窄道上超车。伦敦骑行联盟的Simon Munk却提供了更大局观的观察：整体而言，这些车在骑行者周围表现得非常小心，甚至可以说比许多人类驾驶员还守规矩。
这恰好印证了我去年写过的观点。当时我就知道科技公司会把无人车开到我们这座城市里，于是和不少工程师聊过，也读了大量事故报告。我的结论是：被一群虽然不完美但从不疲倦、从不路怒、从不偷偷看手机的人工智能驾驶员包围，可能比与疲劳、分心、充满攻击性的人类司机争道更安全。这几年我被人类司机撞倒过好几次，骨折过手腕，也断过锁骨。把安全托付给此刻还偶尔犯蠢的AI，听起来很冒险，但回头看看每天通勤时遇到的那些真实人类，我竟没觉得更不放心。
唯一的黑色幽默是，有辆Waymo确实曾径直冲破警方封锁现场的警戒带——但后来公司澄清，当时车辆由人类控制。你看，人类驾驶的安全记录同样不完美，只是我们习惯了。
我当然没有全盘信任让AI在一个近两吨的金属盒子里做生死决策。同样，我也从未全盘信任过任何挂着驾照的人。区别在于，AI可以从每次虚惊一场中学得更快，而且车队里每辆车同时学习。人的错误要在驾校回炉或惨痛事故后才纠正，AI的错误可以在下一次模型更新中就消减——只要训练数据足够多元、标注得足够仔细。而且那些帮助模型感知世界、识别危险的传感器，无论是激光雷达、高精度摄像头还是毫米波雷达，每一代都在变清晰、变敏锐、变便宜。
想想看，人类的感知系统只有一对眼睛加耳朵，视野有盲区，注意力会漂移，还会被情绪染色。而一套成熟的自动驾驶感知栈可以同时360度不间断地观察车周，不受刺眼强光或突降暴雨的影响，不会突然想起家里炉子没关而分心。今天它还是会犯些粗看不可思议的错误，比如把穿着荧光黄衣服的骑行者误判成路障的反射光斑，或者把施工牌上的“不要超车”理解成相反的指令。但这类低级的错误，反而是最容易修复的。把那个特定环岛的图像数据灌入训练集、加入更大量的骑行者姿态数据、引入对抗生成样本测试，下一次软件推送就可能不再重演。
Munk也承认，无人驾驶在技术层面有着巨大的潜在红利——比如消除致命的事故主因“人为失误”。他认为如果这些公司能持续保持透明、接受公众监督，并在城市低速环境里证明其安全性，那么对骑行者和行人都是好消息。我从这些话里读出了一种谨慎的期待，正好也是我的心态：不需要绝对的完美，只要求比现状更好，而且有持续变好的清晰路径。
骑行者与无人车的关系，像一场正在进行的长跑测试。我现在可能依然是某种“双重赌注”里的一员——两害相权，我不确定今天的AI是否已经比人类更轻。但我有足够的信心，在传感器变得更灵敏、算法从更多边缘案例中毕业之后，数据的优势会告诉我们，机器是更可靠的同行者。那一天也许不会特别远，而这次差点相撞的傍晚，可能只是这个进程里一个被准确记录、正被认真消化的训练样本。
热门跟贴