何时才能购买到没有方向盘的汽车呢？如今是2021年，这个问题的答案仍然难以确定。尽管投资者和科技汽车公司的CEO们可能感到有些失望，但学术专家们认为，实现真正的无人驾驶汽车还需要很多年，甚至几十年的时间。

悲观者认为，尽管无人驾驶技术已经吸引了高达800亿美元的投资，但如果AI技术没有突破，无人驾驶汽车可能永远无法实现。特斯拉CEO马斯克曾表示，特斯拉的自动驾驶出租车将在2020年推出，但这一预言显然过于乐观。要使汽车像人类一样驾驶，必须创造出能够媲美人类的AI系统。然而，如何做到这一点，目前还没有明确的答案。

最近，学术杂志发表了一篇名为《为什么AI比我们想象的更难》的文章，探讨了当前无人驾驶技术面临的主要挑战。圣塔菲研究所的计算机科学家Melanie Mitchell在文章中指出，无人驾驶汽车的推广时间表已经被推迟，业内专家也重新定义了“无人驾驶”的概念。汽车需要满足一些前提条件，例如在特定的地理区域、理想的天气条件下运行，并且通常需要配备安全驾驶员或远程监控。即使加上这些条件，无人驾驶汽车的前景仍不乐观。

前不久，Waymo汽车发生了追尾事故，这可能是由于Waymo汽车的行为模式对人类来说显得有些奇怪。Waymo团队的软件工程师Nathaniel Fairfield表示，Waymo汽车对碰撞的感知并不比人类司机强。Waymo已经调整了其算法，使其更加谨慎。

无人驾驶卡车创业公司Aurora的负责人Chris Urmson则表示，未来几年内，无人驾驶汽车将在公路上做一些有用的事情，但要实现广泛普及还需要时间。Aurora的汽车目前只能在已绘制高清3D地图的高速公路上自动行驶。至于何时能够突破高速和干道的限制，Urmson并未给出具体的时间表。

早期，一些CEO和工程师认为，只要系统在公路上收集足够的数据，行驶足够远的距离，自动驾驶技术就会逐渐完善。然而，现在他们的观点有所改变，全球所有的测试数据也无法弥补AI的本质缺陷。

杜克大学人类与自动化实验室主任、计算机教授Mary Cummings认为，在过去的几十年里，AI技术确实取得了长足的进步，特别是在深度学习方面。然而，即使是如此先进的AI系统，其智能水平仍然相对粗糙。

为了评估现代的机器学习系统，Cummings将AI的复杂程度分为四个级别。最简单的就是“自下而上的推理”，即汽车能够在车道线内行驶。接下来是“基于规则的学习和推理”，例如在遇到停车标志时的反应。第三级是“基于知识的推理”，即在停车标志被部分遮挡时，汽车是否仍然会停下来。最高级别的推理则是像人类一样，将汽车置于全新的环境中，系统根据知识、经验和技能做出响应，这就是所谓的“专家推理”。

在第三级推理阶段，无人驾驶技术面临的主要问题开始显现。Cummings指出，今天的深度学习算法无法基于知识全面理解和应对环境。工程师们正在尝试各种方法解决这些问题，例如绘制超清晰地图，以弥补传感器数据的不足。此外，由于系统更新速度不够快，也无法在各种环境中有效地引导汽车。

深度学习系统擅长模式匹配，但在迁移学习方面（即将学到的知识应用到不同领域）表现不佳。Cummings解释说，对于人类而言，从小就知道炉子是热的，但对于AI来说，这种知识迁移非常困难。MIT的研究人员试图从基础出发，研究儿童是如何学习的。

Cummings还提到，尽管无人驾驶技术已经吸引了大量投资，但实际成果并不如预期。不过，这并不意味着无人驾驶汽车最终无法实现，只是它不会像人们期望的那样迅速实现。在地图精确的区域，可能会首先出现一些小型低速班车，它们装有传感器，工程师们会不断改进这些车辆，直到它们的性能达到监管机构和公众的接受标准。

Waymo的行为团队主管、软件工程师Nathaniel Fairfield认为，从技术角度来看，开发无人驾驶出租车服务并非不可能。越来越多的专家认为，实现完全自主驾驶的道路可能并不是依靠单一的AI技术。将问题分解成小块，让聪明的人类不断优化系统，解决各个部分的问题，这是一种有效的策略。卡内基梅隆大学的工程学教授Raj Rajkumar对此表示乐观，他认为无人驾驶汽车的发展是一个逐步的过程，但光明的前景就在前方。

Aurora的Urmson指出，他们结合了AI和其他技术，开发出能够适应新环境的系统，类似于人类的行为。Mitchell博士则认为，采用传统的系统工程方法，结合可靠的硬件设备，可能是一种更为稳妥的选择。这种方式在特定区域和特定天气条件下较为有效，同时配备了远程监控，以避免意外发生。

总之，无人驾驶汽车的道路充满挑战，但随着技术的不断进步，实现这一目标的可能性依然存在。