自動車人/黄耀鹏
2020年、自動運転(AP)のスタートアップ技術は約束を果たすことが難しいほど惨憺たる一年になる。
先進運転支援システム(ADAS)を搭載した量産車は益々増えている中、最も大胆な自動車企業でさえ、L2.5レベルが保証限界だ。L3、L4レベルの自動運転に関しては、いくつかの企業はロードテストとシミュレーションテストを多量に実施したと主張しているが、量産着地の所要時間は短縮していない。自動運転技術の最前線として公認されたWaymoでさえ、技術導入の明確なスケジュールを把握していない。
学界では、感知と意思決定が自動運転の難点だと判断する。量産車のうち、純ビジョンソリューションを引き続き採用しているが、最前線では徐々に使わない傾向がある。
そして、意思決定は計算能力に依存する。計算能力が益々安くなり、自動車はより複雑なニューラルネットワークを実現できる。しかし、後者のトレーニングコストが高いだけでなく、現行システムは現実道路の複雑さに適応できない発見は、研究者に絶望感を与える。現実世界の複雑な変化を、数学的シミュレーションすることは困難である。
たくさんの知識を前提とせず、自動運転技術に少し興味があるなら、現段階で手放し運転（L4、L5）の大規模な応用は不可能なことは理解できる。自動運転のロードテストがどれほど完璧かつスムーズであっても、3~5年間で商用化は不可能。ただし、鉱山、港湾、倉庫、工業団地などの特定場面では、低速のL4、L5レベルの自動運転は障害無しで実現できた。これは汎用的なL4技術とはまったく別のものだ。
5Gの発展に伴い、クラウドソリューションに関心が集めた。自動車単体の智能より、5Gとクラウドサポートを依存した運転協同が、優れたオプションにされている。
クラウドサポートの基盤はビッグデータだ。最初に運転経験データを収集し、スマートな運転経験値を持つようになり、道路ごとの最適なソリューションが生じる。同時に、道路や交通施設にセンサーが搭載され、IoEまでに辿り着く方向性がある。自動車はこれら協同によるソリューションに従い、ここでソリューションの理由は重要ではなく、所在シーンに基づいて引用することが大事だ。
しかし、これは5GとIoTの高度な開発が必要とし、都市全体の交通基礎施設を新たに構築するためには、膨大な資金投入と長期化は不可欠である。
先に述べたように、AIトレーニングで挫折を繰り返した技術チームは、全体的なロジックに疑い始めた。AIトレーニングは人工ニューラルネットワークが基本で、後者はニューラルシステムに影響を受け学習する。しかし、Von Neumann architecture（Computer Architecture）の生物学的能力のシミュレートは、推理、連想、潜在意識判断などの先端分野では全く無理だ。これが人間のパイロットのコア能力である。
自動運転は応用分野として、生命科学基礎理論に先んじることは不可能であり、後者が小学校レベルにとどまる時、重大な躍進を遂げるのは白昼夢を見るも同然だ。
この観点では、自動運転は有名無実になり、資本もこれを認識し始めた。無論、この技術は継続発展されており、制限のあるシーンで、有限的アプリケーションを最大に発揮するでしょう。2~3年以内に、資本は大量に引出され、業界は5Gサポート下で、クラウド+安い計算力の道路沿いの情報インフラを構築のソリューションを模索するようにでしょう。
