中美摩擦繼續(xù)升溫，美方用盡方法，企圖阻止華為打入歐美市場，亦嚴(yán)控購買美國零部件，連提供Android的Google都受到影響。美國的最主要目的就是阻止或最少減慢中國5G發(fā)展。5G真的這么重要？得5G就得天下？

5G固然有它的好處，速度、反應(yīng)時間、支持IoT等等，但也有數(shù)個隱憂。第一個較小的是我在上周另一文章討論過的輻射問題。第二個問題更嚴(yán)重，關(guān)乎5G是否類似1950至1980冷戰(zhàn)年代，美蘇之間的人類太空競賽？后來更演變?yōu)樾菓?zhàn)計劃，勞民傷財，成為美蘇修昔底德陷阱式斗爭的主戰(zhàn)場，最后更成為蘇聯(lián)解體的催化劑。

我曾多次指出5G仍缺乏消費(fèi)者渴求的Killer Apps，更多的是國家和企業(yè)所期待的應(yīng)用，包括監(jiān)控和混合IoT加AI技術(shù)的各種工業(yè)和軍事用途。在未來的5G年代，民事、政府和軍事用途，將變得愈來愈模糊，這亦是所有國家這么緊張的主要原因之一。

5Gkiller app仍只聞樓梯響

今天將集中討論自動駕駛（Autonomous Vehicle，下稱自駕車）的最新發(fā)展和相關(guān)問題。本來自駕車是大家最期待的5G killer app級應(yīng)用，希望2020起開始正式推出，到2030年成為主流。但近期自駕車發(fā)展明顯放緩，所有公司都把計劃推遲，BMW的R&D主管Klaus Fr?hlich更表示業(yè)內(nèi)人士，愈來愈擔(dān)心每家數(shù)以十億美元計的投資，可能血本無歸！

很久以前已討論過自駕車面對的「Trolley Car」難題，在危急情況下，如何作出不同反應(yīng)的取舍。除法律外，亦牽涉到復(fù)雜的道德問題。自駕車的發(fā)展必須重寫交通法和顛覆整個保險行業(yè)。

本來自駕車應(yīng)可充分利用5G的所有優(yōu)勢，亦足以彌補(bǔ)智能手機(jī)飽和的問題。汽車數(shù)量雖不可與手機(jī)匹敵，但汽車價格比手機(jī)高十至一百倍以上，所以有更多空間去「塞進(jìn)」各式各樣的電子零件，包括GPU、CPU、DRAM、NAND、FPGA、通訊ASIC、鏡頭、雷達(dá)、LIDAR、超聲波、GPS等等。軟件方面有最重要的AI運(yùn)算法，和很多其他通訊和系統(tǒng)操作程序。如完全成功，乘客更不用為駕車操勞，將騰出更多時間來上網(wǎng)，可工作、通訊、聽音樂、看視頻或購物等等，可謂商機(jī)無限！

自駕車亦曾被認(rèn)為是電動車的一個絕配，Robotaxi更是全面實現(xiàn)共享運(yùn)輸?shù)慕K極目標(biāo)。Robotaxi不用休息，除充電時間外，可接近全天候運(yùn)作，這才是最環(huán)保，和最有效攤薄暫仍高昂的電動車投資的做法。

最多人見過和接觸過的自駕車，肯定是Tesla，尤其香港路上，每天見到無數(shù)輛。從約3年前，Tesla已大膽推出所謂Level 2-3的Autopilot系統(tǒng)，可用于高速公路上。按Elon Musk的說法，明年Tesla即可推出達(dá)到Level 5的真正自駕車和Robotaxi服務(wù)，完全自動化，可能方向盤都沒有。

但事實是否如此理想？從我個人經(jīng)驗，現(xiàn)在Tesla的Autopilot系統(tǒng)，絕對「Not ready for Prime Time」。初時仍會當(dāng)玩具試用一下，但發(fā)現(xiàn)非常危險。即使啟動了Autopilot，Tesla仍要求司機(jī)繼續(xù)留神，把雙手放在方向盤上。這做法，對我毫無幫助，只會令我更緊張。Tesla只為推卸責(zé)任，準(zhǔn)備在緊急時候，把駕駛控制和責(zé)任突然交還給人類司機(jī)。實驗證明，這交接的一剎那，當(dāng)然也正是最危險的一刻。

這實例也突顯一個問題，就是如何成功利用AI來協(xié)助人類（尤其實時應(yīng)用），絕非一個簡單問題。很多時候，單獨由人控制或完全由AI控制的效果更好，兩個「廚師」合作煑一道菜，未必有幸福。所以不少人寧愿等到Level 5自駕車一步到位，不要經(jīng)過更危險的Level 2、3和4階段。但現(xiàn)在的所謂「循步漸進(jìn)」，仍是大方向。

過去數(shù)年，Tesla最少有4宗與Autopilot相關(guān)的致命交通意外（Uber在測試期間亦曾發(fā)生過）。Tesla的最近一宗，一輛Model 3以65英里（時速約105公里）速度撞向一輛橫向走過的貨車，整個車頂被鏟平，司機(jī)當(dāng)場死亡。意外情況跟三年前的第一宗致命意外，幾乎一模一樣。經(jīng)常被吹噓的Machine Learning，似乎經(jīng)過多年學(xué)習(xí)，仍未有明顯進(jìn)步，最大「改良」僅是較頻密提示駕駛者把手放回方向盤上。

根據(jù)分析，似乎Tesla的Autopilot系統(tǒng)，有頗大困難區(qū)別正在移動和靜止的車輛，和處理垂直（perpendicular）橫向走過的車輛。其他公司的系統(tǒng)，例如Volvo和Nissan，也有類似問題。

勿把自駕與NarrowAI混為一談

到底自駕車是個怎樣的問題呢？是否假以時日，技術(shù)愈來愈完善，修正所有漏洞，就必能解決問題？還是有更深入的發(fā)展方向問題？抑或只是人類對自駕車過度苛刻，其實快將（或已經(jīng)）超越人類駕駛的安全性，但我們?nèi)苑抢硇缘乜謶趾涂咕堋?/p>

最后一個問題最易解答，很簡單，人類當(dāng)然對新的，不熟悉的東西有恐懼感和抗拒，尤其自駕車這回事，人命關(guān)天，保守是可以理解的。根據(jù)美國民調(diào)，只有25%的人愿意乘坐完全無后備司機(jī)的自駕車。汽車業(yè)人士認(rèn)為，自駕車要證明比人類開車安全十至一百倍，才會被大多數(shù)人接受。

單純技術(shù)上，都仍有不足之處。很多人認(rèn)為自駕車技術(shù)上，Tesla相對落后，堅持只用視像鏡頭和傳統(tǒng)雷達(dá)。在一個Navigant Research的獨立報告中，排名第9，僅在榜末的蘋果之上。榜首的頭3位為Alphabet的Waymo，GM的Cruise和Ford，他們都采用較昂貴的Lidar系統(tǒng)（激光雷達(dá)）。但在實驗中，連Lidar在大雪和大雨中都出現(xiàn)失效問題，有時連分隔車道中間線的膠路障都不能分辨出來。

但我認(rèn)為最大問題是可能所有人錯誤地把自駕車分類為一個較容易解決的Narrow AI問題。Narrow AI又名Weak AI，定義是單一任務(wù)，集中解決一個問題，例如下圍棋。

Narrow AI只需要利用Neural Network，設(shè)定算法，供應(yīng)大量數(shù)據(jù)，進(jìn)行大量Machine Learning，就必定進(jìn)步神速，很快就能超越人類，AlphaGo當(dāng)然是個經(jīng)典例子，它的成功也吸引了大量資金投放到Narrow AI的研究和應(yīng)用開發(fā)。

意料之內(nèi)或外人和AI定義不同

除Narrow AI，其實還有另一類Artificial General Intelligence（AGI），又名Strong AI，適用于一些綜合性，靈活性高，尤其需要人類「Common Sense」的應(yīng)用，例如Computer Vision（計算機(jī)視力），Natural Language Understanding（自然語言理解），和處理意料之外的現(xiàn)實世界問題。

試想一下，自駕車不正是需要計算機(jī)視力，理解和處理各種現(xiàn)實世界的問題，亦當(dāng)然包括處理所謂意料以外的問題。意料以內(nèi)或外，對人和AI的定義亦或有差異。對AI來說，以200公里高速駕駛可能很容易，但一個穿著萬圣節(jié)裝束的小孩過馬路就無法處理，人類司機(jī)的反應(yīng)則可能恰恰相反。

專家認(rèn)為，當(dāng)Narrow AI遇到意料以外的處境，經(jīng)常呈現(xiàn)Brittleness（脆弱性），即無法適應(yīng)，結(jié)果采取完全不合理的行動。例如自駕車在路上行駛時，只懂跟隨交通燈指示，但當(dāng)交通燈壞了，就不懂跟隨臨時指揮交通的警員手勢或口頭指示。

早前在美國就有一個頗恐怖例子，在高速公路上，警車發(fā)現(xiàn)一輛Tesla形跡可疑，高速行駛且不斷打轉(zhuǎn)彎燈號。駛至旁邊時發(fā)現(xiàn)司機(jī)昏迷了，但手仍在方向盤上，所以Autopilot仍繼續(xù)行駛。難題是如何安全地截停這輛Tesla呢？警方無法hack進(jìn)Autopilot系統(tǒng)（Tesla或者有方法？），Autopilot又不聽警察指揮，情況有點像電影Speed。結(jié)果唯一方法是用一輛警車超前切入Tesla的線，然后逐漸減速，Tesla的Adaptive Cruise Control系統(tǒng)也幸而跟著減速，最后終于停止。

如果自駕車真的是一個AGI問題就麻煩了，因為AGI發(fā)展仍然非常緩慢，資源也嚴(yán)重不足。AGI的發(fā)展極困難，系統(tǒng)需要在不確定環(huán)境下reasoning（講道理），計劃、學(xué)習(xí)、溝通和融會所有技巧去解決問題。其中最經(jīng)典的標(biāo)準(zhǔn)是需要通過Turing Test，要人類在綜合對話中無法辨別對方是人還是AI?，F(xiàn)時最先進(jìn)的Narrow AI系統(tǒng)，據(jù)專家評估，IQ只有約47分，等同一個6歲小孩，遠(yuǎn)低于正常成年人的100平均分。

整個運(yùn)輸系統(tǒng)智能化代價不菲

如何建造AGI系統(tǒng)亦是個大問題，可能需要從上而下的Symbolic Logic處理能力，再結(jié)合從下而上的Narrow AI，以大量數(shù)據(jù)為基礎(chǔ)的Sensory Approach。純粹猜測，例如Tesla無法準(zhǔn)確辨別車輛是否移動和橫向車輛的漏洞，可能部分原因是系統(tǒng)沒有AGI，對Newtonian Physics的基本relative motion概念，缺乏認(rèn)知。

另一流行的AGI發(fā)展方向更夸張，企圖作Whole Brain Emulation（模仿整個人腦運(yùn)作）。人類腦袋的neurons多達(dá)1000億，synapses更多達(dá)數(shù)百萬億，模仿的難度有多高，可想而知！

反過來如果自駕車的AGI問題太難解決，又能否把問題變回一個較簡單的Narrow AI問題呢？我認(rèn)為可以，但就更需要發(fā)展智能運(yùn)輸系統(tǒng)，利用5G和IoT平臺，支撐V2V（車對車）和V2X（車對環(huán)境）等通訊制式。意思是如果整個運(yùn)輸系統(tǒng)愈智能化，每輛自駕車所需的聰明程度則較低。如統(tǒng)籌妥善，應(yīng)可縮短車與車之間安全距離，整體流量可大大提升。但又回到大型基建的經(jīng)濟(jì)效益，以及誰愿意作出如此巨大投資的問題。在現(xiàn)今環(huán)境下，當(dāng)仁不讓，帶頭的一定是政府，尤其中國。但如果是這樣的話，美國又必將更大力投訴工業(yè)政策和不公平補(bǔ)貼等問題。