Google 發(fā)布了自動駕駛路測報告，已經(jīng)達到了1 000萬英里，機器人一直在問人類：“你們?yōu)槭裁催€不給我們發(fā)駕照？”如果發(fā)駕照發(fā)什么？中國的駕照有A 類、B 類、C 類，開小車的是C 照，開大車的可以拿到A 照。無人駕駛車發(fā)什么照？將來是不是發(fā)AP 照、BP 照、CP 照？無人車上路要頒發(fā)駕照已經(jīng)成為各國交管部門當務(wù)之急。

當客服機器人和我們聊天時，它在聽，你也在聽;它在說，你也在說;甚至可以同時問問題、翻譯、語音。當機器人醫(yī)生進行遠程醫(yī)療時，當陪讀機器人為孩子做咨詢或輔導時，當機器同傳能夠使我們和外國朋友直接交談時，當機器人寫作的詩集出版了，著作權(quán)人是誰？法官和法官機器人，誰判決準確率更高？

人類是拿駕照的，當剛拿到駕照時，你跑了5 000 公里了？ 可能500公里 都沒有，50 公里還差不多。你當了1-2 年菜鳥，后來跑了幾萬公里時，你才成為老司機。為什么對機器人那么苛刻？人類社會常年考駕照，測試標準和測試環(huán)境已經(jīng)能夠清楚界定，加之駕駛行為大數(shù)據(jù)可以精準收集，評測結(jié)果較為客觀。國內(nèi)的人考駕照，考官不在現(xiàn)場，都在房間里看你有沒有碰到桿子，已經(jīng)積累了豐富的測試經(jīng)驗。

在這樣的情況下，SAE 標準給了我們一個檔案，把智能駕駛分為六個等級，到L4 時就可以不用眼睛和注意力了，到L5時就不要駕駛員了。自動駕駛等級轉(zhuǎn)換點如何度量？有的企業(yè)說是3.5，有的說是2.5，怎么度量？當汽車把接管權(quán)交給人時，反復說怎樣度量。尤其是第五級，什么叫完全自動？惡劣天氣，人都不能開，還能完全自動嗎？所以將來人類怎樣給無人駕駛車發(fā)駕照？第一步，在車里配一個安全駕駛員，讓無人車自己開，但安全駕駛員有駕照，隨時干預。這是目前的狀況。第二步，不要駕照的安全員在車里，可以干預車。但這個安全員本身可以沒有駕照。第三步，共享汽車時乘員不必有駕照，但仍然可以人工指揮。因為我們知道，機器人和人在一起時一定要聽人指揮。按照這“三步曲”，可以看出圖靈測試是多么重要，因為各行各業(yè)都需要人，這個機器人應該持照上崗，這個“照”誰來發(fā)？

圖靈測試本質(zhì)上是替代測試

圖靈測試本質(zhì)上不是智能測試，是替代測試，是機器人能不能替代人的工作。無人駕駛難在擬人。我們有馬車時，覺得馬車不夠快，換了汽車。雖然汽車開得快，但有時不如馬，因為老馬識途，汽車沒有地圖怎么回去？當我們討論L2 是輔助駕駛、L3 是自動駕駛時，L3 的基本問題到底是放在車上還是人上？如果放在車上，就要讓車企把車越做越好。我最近訪問了博世，它是做底層設(shè)計的，要在中國做線控的自動改造，我們把車子越做越好，像Tesla 一樣，做一個軟件定義的機器人，要自動駕駛，這是一條龍。我做無人駕駛車時，也希望有一個好線控的、高精度的自動駕駛汽車，但我把重點放在解決人的問題上，把駕駛員的認知用機器人替代，讓機器人成為記憶、決策和行為能力的認知主體。長期以來，有一個詞不停地被提及，那就是Agency，其實本意就叫代理。實際上，現(xiàn)在做的就是做一個駕駛員的智能代理，實現(xiàn)智能駕駛，希望這個代理有駕駛的技巧，還有駕駛的個性。

汽車的行為由駕駛員決定，無人駕駛難在擬人，要研究駕駛員的行為學和心理學，物化駕駛員的感知、決策、記憶、控制和行為技巧，而不是一味地改進車輛動力學性能，實現(xiàn)自動駕駛。最近我們的團隊在天津港用卡車做了一個精準定位，以前我們做精準定位，無論是空載還是滿載，大概誤差在20 厘米。港口的集裝箱要求準確落在無人駕駛卡車上，提出精確到5 厘米的定位要求，其實集裝箱的大卡車很難達到。所以做好無人駕駛，既要有好的車，更要有好的駕駛員的智能代理。

交互智能測試

圖靈先生提出用對話的方式考慮機器的語言智能。把機器人的記憶智能和計算智能藏起來，當前的聊天機器人把對話交互方式推向了高潮。在開車過程中，駕駛員與環(huán)境和周邊車輛有沒有交互？我認為是有的，必須不時地與環(huán)境和周邊車輛進行交互，駕駛員的經(jīng)驗和臨場處置能力必須能夠體現(xiàn)。為此我們在交互認知之上做了很多的工作，首先研究了無人駕駛基于語言的交互。無人駕駛車面對復雜、不確定的周圍環(huán)境，可以通過智能音箱、手機和互聯(lián)網(wǎng)的方式，進行語音、語義等自然語言的理解，與車主、乘員、運行維護人員、遠程約車請求等不同人群進行交互。

無人駕駛要能夠響應遠程車主的干預，因為車主是車子的主人，要能夠響應約車的請求。運維人員可以遠程在線干預無人駕駛車，研發(fā)人員可以利用特定的接口，與無人駕駛車進行交互，監(jiān)控車輛實時狀態(tài)，完成調(diào)試工作。無人駕駛車還要能夠識別周邊人群的肢體語言，例如現(xiàn)場執(zhí)勤的交警，你必須服從它。行人要坐你的車，可能看你比較遠，用手勢來表達，你也必須能理解。超車并道在無人駕駛中是一個難點，尤其從低速車道匯入高速車道比較難。例如有四輛紅色車是由人駕駛的，一輛灰色車輛是無人駕駛的，怎么換道？一定不時用打燈、按喇叭或者踩油門、剎車的方式告訴周邊的人，如果他與你協(xié)作，你就能超車并道了。

不確定性智能測試

圖靈測試有沒有漏洞？我就發(fā)現(xiàn)了一個。因為圖靈測試要求測試人是主體，如果被測試的一方支支吾吾、保持沉默或者主動插話介入，就可能搶奪了話語權(quán)，顛覆了測試者的主導定位。就像青年人去面試，本來老板考他，他很厲害，考了老板。就很難區(qū)分對方到底是人還是機器人，這再一次暴露出圖靈測試的瑕疵。

圖靈測試對話過程中充滿了不確定性，例如聊天本來是淺層次、短時長的對話，也是最通用的對話，有的就是為了消磨時間，對話客氣而禮貌，充滿了不確定性，總是在講一些所謂的廢話。其實廢話不廢，它帶來了親和感，在社交生活中不可或缺，不會聊天的對話機器人，人們會覺得它太乏味。不確定性智能測試，表現(xiàn)在對話的語境和語用、情感的交互、交互環(huán)境的不確定性。我們必須研究不確定性智能的客觀性、普遍性和積極意義，尋找不確定性中的基本確定。駕駛員曾經(jīng)開過這樣的車，想換道，后面的車不讓你，你開了一半又回到原來車道。這種情況還是經(jīng)常會發(fā)生的，并且有下面幾種情況：首先常見的就是超車并道，成功了;也有在超車的過程中，中途放棄換道;還有強行換道，不換也得換……無人泊車過程中有很多的不確定性，尤其是非常規(guī)泊車，我們叫做邊緣泊車。大家都說無人駕駛難在最后1 公里，因為它把人放下之后，往哪里去？有很多選擇，加油站、停車場？我個人認為，應該把最后1 公里當做最先1 公里來解決，否則老百姓不接受。

人工智能的使命就是加速汽車向可交互的輪式機器人轉(zhuǎn)變。目前，全國各地火爆的智能駕駛專用實驗場和評估環(huán)境，很可能發(fā)展成為人與輪式機器人比賽駕駛智能的實驗場，發(fā)展成為賽車手和賽車機器人角逐冠軍的比賽場，發(fā)展成為后圖靈時代的圖靈測試場。我們一般看車就是看底盤、發(fā)動機，底盤就是看它的手和腳，實際上是駕駛?cè)肆α康难由?發(fā)動機就相當于心臟，而我們加了傳感器、指紋，等于加了一個智能代理。因此有可能使汽車成為駕駛員自己，這應該是人工智能時代最有意義的科學課題， 再一次彰顯了圖靈測試的意義。機器人給人類帶來了一個新的行業(yè)，就是后圖靈時代的圖靈測試應該考慮人機共生、共融、共發(fā)展的測試方法學和測試標準。

（本文根據(jù)李德毅的公開演講整理而成，未經(jīng)本人確認。）