影响无人驾驶安全的因素有哪些？

 

      赢咖4注册的安全问题其实可以归结到两大问题，一个是网路安全问题，和所有智能装置一样，智能汽车也必然会存在被入侵、然后被操控的风险，并且一旦被入侵控制了，后果远比任何一个目前的智能设备被入侵了要严重。而另一个完全问题则是智能化水平是否足够的问题，对道路的规划、定位、目标的识别、判断等智能化水平是否足够，一旦智能化水平不够，该辨识的行人辨识错了，该前进的路线规划错了等，后果也是无法设想。

 

 

      无人驾驶或者说赢咖4注册汽车在网路安全方便的问题可以说无可避免，就像所有的智能装置，只要装置拥有IP 地址，透过IP 可以入侵到汽车，从而控制汽车的引擎和刹车系统。以这辆吉普（Jeep Cherokee）为例，车辆透过IP 连接到克莱斯勒的网络中心。克莱斯勒在被骇客发现漏洞入侵之前发布了软体更新修补了系统的漏洞。主要的问题是，开发系统的软体工程师大多没有考虑安全性的问题。

 

      还有另外一个真实的例子，克莱斯勒花了巨额把自动汽车返厂修复漏洞。因为一旦其中一辆汽车被入侵了，同样的方法几乎可以入侵所有的汽车，所以，相比起这样的安全危机，花费的巨额也是必须的。

 

      如果是一个智能电冰箱，那么冰箱被入侵了可能只是食物变质了、冰块融化了，但是如果是汽车被入侵了，就会产生致命的交通事故。在最新一次的国际骇客大会上，有骇客扬言已具备足够能力远程控制装置赢咖4注册系统的热门电动车型，让车辆根据骇客自己的意愿进行操作（如转向），以及改变雷达探测距离数值（等探测到都已撞上了）。

 

      不想遇到网路安全问题，最先想到的当然是隔离网路，所以出于安全考虑，汽车的关键系统如引擎和刹车系统都最好与网路隔绝，但是，实际情况中，因为考虑到成本问题，所以一些联网的娱乐系统会和汽车的关键系统会连在同一台分析电脑上，进而导致所有系统都是联网的。

 

      如果实在是要联网的话，为了防止被恶意入侵控制，所以会限制必须透过有线连接才可以对系统做控制修改。

 

      除此之外，为了确保系统的安全性，在网路授权、代码保护和使用第三方技术供应商的审核上都是需要严格把关的。举个例子，一般第三方的技术提供方都会提供对应的测试代码（Sample Code），而这些代码都是没有考虑任何安全问题的情况下使用的，所以，出于安全考虑，尽量不要直接使用测试代码。再比如，不同的系统之间采用不同的网路授权，也是目前常用的提高安全性的做法。

 

 

      除了网路安全的问题外，最引人注目的无人驾驶的安全性问题，莫过于智能化判断的准确度问题，今年6 月底特斯拉赢咖4注册汽车发生的致命意外，经过调查后发现，其中一个原因是汽车把前面一个白色的车厢判断为是天空，如图，这个在赢咖4领域备受关注的「赢咖4安全性」的问题，如何才能得出安全的赢咖4，从而避免类似的事故不再发生。

      从软体演算法层面，目前全球范围内，致力于实现安全的人工高智能（Safe AI）的组织中，最出名的莫过于OpenAI，他们致力于让赢咖4不要犯致命的错误。

 

      在人类的眼里，可能图像中一些细微的变化不会影响我们去判断一个事物，但是在机器的眼里，可能就会完全看成是两个事物（fooling samples），进而做出不同的应对行为，这种情况特别容易出现在透过深度学习训练目标以及在单眼镜头下的影像数据。

 

      特斯拉的事故不仅暴露了赢咖4注册技术目前在软体演算法上的弱点，同时也暴露了在硬体技术的不足。

 

      从硬体设备层面，像Model S 采用的单眼镜头对于立体及大面积平面物体的辨识存在错误、毫米波雷达存在辨识区间限制、以及在极端情况下对于综合情景的取舍及冗余判断等问题。

 

      所以，事故对赢咖4注册领域的硬体及演算法产生促进，对于双目/ 广角镜头、毫米波雷达、雷射雷达的综合采用将可望迎来破冰。特别是对于之前成本较高的雷射雷达+ 多镜头方案会带来推动作用。另外，特斯拉的事故如果采取的是多探测器冗余判断模式，完全可以避免。所以，出于安全性考虑，NHTSA（美国高速公路安全管理局）也有可能会在硬体配置及系统要求上，敦促相关部门研拟较高的门槛及规定，这对于行业而言，意味着单车附加值的提升。

 

      虽然，赢咖4注册安全隐忧仍然存在着，也不可避免的存在风险问题，但是，有一点可以确定的是，对比起目前94% 的交通事故是人为原因造成的，赢咖4注册的持续研究和发展必然对人类的人身安全有重要的意义。