美國汽車工程師學會（SAE）關于自動駕駛分級標準的定義已經成為定義自動駕駛車輛的全球行業參照標準，用以評定自動駕駛技術。其中，L5 級是完全自動化，由無人駕駛系統完成所有的駕駛操作。一些專家認為這將需要十年甚至更長的時間，而另一些專家則認為 L5 級的自動駕駛永遠不會實現。

　　曾經有人告訴我們，到 2018 年，自動駕駛汽車將會在世界范圍內大行其道。但這件事并沒有發生，我們就被告知，這件事將會在 2020 年底發生。假如這一切還是都沒發生，我們會再次被告知它們就在不遠處。

　　如今，專家們似乎正在采取一種更加務實的方法。據《華爾街日報》最近的 一篇報道，許多計算機科學專家認為，我們距離完全無人駕駛汽車還有至少十年的路要走，而有些人認為，無人駕駛汽車可能永遠不會出現。

　　最大的問題無人駕駛汽車技術是一項難以解決的挑戰。

　　就像伊隆?馬斯克（Elon Musk）所說 的那樣：

　　要實現現實世界的人工智能，就必須解決一個關鍵問題：即如何實現無監督、廣義的全自動駕駛汽車，因為整個道路系統都是為帶有光學成像器的生物神經網絡設計的。

　　盡管有這樣的評價，但馬斯克仍然堅持這一毫無根據的想法：認為特斯拉的全自動駕駛功能即將把公司的汽車變成全自動汽車。

　　全自動駕駛是一項強大的駕駛輔助功能，但無論我們如何接近它，都沒有跡象表明特斯拉比其他任何一家公司更接近實現真正的全自動駕駛。

　　為什么老專家們會錯得這么離譜？2014 年，在包括 Ian Goodfellow 在內的眾多計算機科學家的努力下，深度學習出現了爆炸性的普及。他在開發和定義生成對抗網絡（Generative Adversarial Networks，GAN，一種通過充當生成器和判別器來幫助人工智能產生輸出的神經網絡）方面的工作，使人們覺得，幾乎任何自主性的壯舉，都可以通過算法和神經網絡來完成。

　　現代人工智能可以完成的類人壯舉有很多，包括 DeepFake，This Person Does Not Exist（此人不存在），以及許多其他系統，都是由生成對抗網絡實現的。

　　現代深度學習的興起掀起了人工智能研究領域的一股熱潮，并使谷歌、亞馬遜和微軟幾乎在一夜之間成為人工智能先行的公司。

　　目前，根據專家們的說法，到 2028 年，人工智能的價值預計將接 近萬億美元。

　　但這些成果并沒有轉化成 Ray Kurzweil 等專家所預言的技術魔法水平。當今世界運行良好的人工智能幾乎都是非常狹窄的，也就是說，它只是被設計成做一件非常特定的事情，而不是做其它的事情。

　　如果你想象一個人類駕駛員要做的一切事情——從關注周圍環境到導航，再到駕駛汽車本身——那將很快成為一個問題，要么設計出幾十個（或幾百個）協同工作的狹義人工智能系統，要么找出創建通用人工智能的方法。

　　未來會是怎樣通用人工智能的發明和發展也許是解決無人駕駛汽車的主要催化劑，但精靈許的三個愿望也是如此。

　　因為通用人工智能只是另一種說法，即“可以完成人類可以完成的任何相關任務的人工智能”。此外，迄今為止，通用人工智能的出現仍然是遙遠的未來技術。

　　我們可以期望在不遠的將來會發生更多的事情。駕駛員輔助技術繼續以良好的速度發展，明天的汽車肯定會比今天更安全、更先進。但是，我們沒有理由認為它們將很快實現野外自動駕駛。

　　在未來幾年，我們可能會看到世界各地的主要城市劃出特定區域，整條高速公路將被指定用于無人駕駛汽車技術。但是，這并不意味著無人駕駛汽車時代已經來臨。

　　沒有任何跡象表明（除了前面提到的 特斯拉的戰略 之外），任何一家汽車制造商都有望在 5 年內開發出一款能夠實現全自動駕駛的消費型汽車。

　　從這個跡象可以看出，我們至少還要再過十年或更長的時間，才能看到個人買家能夠買到的消費型汽車，不再需要方向盤和手動控制裝置。

　　無人駕駛汽車并非一定不可能。但是，它們的發展不僅僅是聰明的算法、暴力計算和計算機視覺。

　　按照專家們的說法，這一領域的發展可以歸結為 不同類型的人工智能、完全不同的方法、大規模的基礎設施建設，或者這三者結合在一起。