周三傍晚，我從倫敦金融城騎車回家。在維多利亞公園附近那座雙車道環(huán)島上，我的余光掃到一輛灰白相間的Waymo測試車正從右側(cè)匝道逼近，車頂?shù)膫鞲衅麝嚵芯従徯D(zhuǎn)，像一只在陌生叢林里探路的機械獸。按英國交規(guī)，環(huán)島內(nèi)的騎行者擁有優(yōu)先權(quán)，我習慣性地加了點速，準備在它進入前搶出半個車身。它卻絲毫沒有減速的意思，反而筆直地朝我切入。

我捏緊車把，把重心稍微后傾。就在我們之間的距離只剩三四米時，那輛車猛然頓住，車頭輕微下沉，像被什么無形的手拽了一把。它停的位置其實還留有余地，并不至于真的撞上，但那股“它會不會停”的緊張感，和后座上突然僵硬的安全駕駛員的目光，還是讓我在接下來幾百米里多回頭看了兩眼。

這在倫敦單車通勤族的日常里絕對算不上驚險。同一天早些時候，一輛黑色出租車為了搶客猛地切進自行車道，一輛外賣騎手逆行擦過我手肘，那才叫險。但這個瞬間之所以被單獨拎出來，只是因為方向盤后面沒有人——做決策的不是一個心煩意亂的倫敦司機，而是一套剛上路不久的人工智能。這讓我忍不住較真。

回到家我立刻翻出地圖記下準確時間地點，發(fā)給Waymo詢問原因。公關(guān)回復倒很快：“自動駕駛系統(tǒng)檢測到一位騎行者正沿著環(huán)島外側(cè)接近右方，安全駕駛員主動接管了車輛，在環(huán)島入口處踩下剎車。” 換言之，AI的判斷里可能并未打算停下，是人介入了。我接著追問了兩個問題：在倫敦測試中，人類安全駕駛員被迫接管的頻率有多高？這次誤判究竟哪里出了岔子——我完全合規(guī)騎行，而且自行車是熒光黃，普通司機在陰天里都不會漏看——未來算法會如何針對性改進？

關(guān)于干預頻率，Waymo明確表示沒有統(tǒng)計這類數(shù)據(jù)，也不傾向?qū)⑺鳛楹诵闹笜藢ν庥懻摗Ｖ劣阱e誤分析，我只收到了沉默。這反而讓我更好奇：在真實道路測試里，很多公司會把每次“安全員接管”事件當作寶貴的學習樣本，回傳云端重新標注、訓練。沉默不代表什么都沒發(fā)生，卻意味著外界無法得知這些瞬間如何塑造下一版算法的行為邊界。

和我一樣在倫敦騎車通勤的朋友里，對Waymo的評價兩極。多數(shù)人覺得這些車遇到騎行者時極其謹慎，幾乎到了慢了半拍的地步。但也有人回憶起一個詭異的場景——施工路段立著醒目標牌：“車道變窄，勿超越騎行者”，結(jié)果一輛Waymo竟然試圖在窄道上超車。倫敦騎行聯(lián)盟的Simon Munk卻提供了更大局觀的觀察：整體而言，這些車在騎行者周圍表現(xiàn)得非常小心，甚至可以說比許多人類駕駛員還守規(guī)矩。

這恰好印證了我去年寫過的觀點。當時我就知道科技公司會把無人車開到我們這座城市里，于是和不少工程師聊過，也讀了大量事故報告。我的結(jié)論是：被一群雖然不完美但從不疲倦、從不路怒、從不偷偷看手機的人工智能駕駛員包圍，可能比與疲勞、分心、充滿攻擊性的人類司機爭道更安全。這幾年我被人類司機撞倒過好幾次，骨折過手腕，也斷過鎖骨。把安全托付給此刻還偶爾犯蠢的AI，聽起來很冒險，但回頭看看每天通勤時遇到的那些真實人類，我竟沒覺得更不放心。

唯一的黑色幽默是，有輛Waymo確實曾徑直沖破警方封鎖現(xiàn)場的警戒帶——但后來公司澄清，當時車輛由人類控制。你看，人類駕駛的安全記錄同樣不完美，只是我們習慣了。

我當然沒有全盤信任讓AI在一個近兩噸的金屬盒子里做生死決策。同樣，我也從未全盤信任過任何掛著駕照的人。區(qū)別在于，AI可以從每次虛驚一場中學得更快，而且車隊里每輛車同時學習。人的錯誤要在駕校回爐或慘痛事故后才糾正，AI的錯誤可以在下一次模型更新中就消減——只要訓練數(shù)據(jù)足夠多元、標注得足夠仔細。而且那些幫助模型感知世界、識別危險的傳感器，無論是激光雷達、高精度攝像頭還是毫米波雷達，每一代都在變清晰、變敏銳、變便宜。

想想看，人類的感知系統(tǒng)只有一對眼睛加耳朵，視野有盲區(qū)，注意力會漂移，還會被情緒染色。而一套成熟的自動駕駛感知棧可以同時360度不間斷地觀察車周，不受刺眼強光或突降暴雨的影響，不會突然想起家里爐子沒關(guān)而分心。今天它還是會犯些粗看不可思議的錯誤，比如把穿著熒光黃衣服的騎行者誤判成路障的反射光斑，或者把施工牌上的“不要超車”理解成相反的指令。但這類低級的錯誤，反而是最容易修復的。把那個特定環(huán)島的圖像數(shù)據(jù)灌入訓練集、加入更大量的騎行者姿態(tài)數(shù)據(jù)、引入對抗生成樣本測試，下一次軟件推送就可能不再重演。

Munk也承認，無人駕駛在技術(shù)層面有著巨大的潛在紅利——比如消除致命的事故主因“人為失誤”。他認為如果這些公司能持續(xù)保持透明、接受公眾監(jiān)督，并在城市低速環(huán)境里證明其安全性，那么對騎行者和行人都是好消息。我從這些話里讀出了一種謹慎的期待，正好也是我的心態(tài)：不需要絕對的完美，只要求比現(xiàn)狀更好，而且有持續(xù)變好的清晰路徑。

騎行者與無人車的關(guān)系，像一場正在進行的長跑測試。我現(xiàn)在可能依然是某種“雙重賭注”里的一員——兩害相權(quán)，我不確定今天的AI是否已經(jīng)比人類更輕。但我有足夠的信心，在傳感器變得更靈敏、算法從更多邊緣案例中畢業(yè)之后，數(shù)據(jù)的優(yōu)勢會告訴我們，機器是更可靠的同行者。那一天也許不會特別遠，而這次差點相撞的傍晚，可能只是這個進程里一個被準確記錄、正被認真消化的訓練樣本。