这几年，无人驾驶汽车特别火爆，Google、特斯拉等高科技公司将更多的资源和精力投入到无人驾驶汽车的研发当中，意图在未来实现汽车自动驾驶，从而改变人类的驾车体验。

无人驾驶的概念的本质就是实现“机器换人”，而我和我的团队则提倡汽车实现智能驾驶，即汽车“双驾双控”，并且研发了“驾驶脑”：汽车向人学习怎么开车，实现汽车和人的驾驶交互。

我们把驾驶交互分为三种，分别为驾驶过程中的人车交互、驾驶员对周边环境和车流的交互、轮式机器人和多种人交互。

驾驶过程中的人车交互毋庸多言，即驾驶员根据自身的脚感、手感、路感、体感获得的交互认知，达到灵巧操作，确保行车安全和乘员舒适、让车省油。

驾驶员对周边环境和车流的交互，是指车辆行进中，驾驶员对道路环境变化和周边流量不停地进行交互，用车的运动行为让周边车辆感知自身的存在，通过灯语、笛语、手势等和附近车辆、行人沟通，认知的结果转为对自身车辆的控制。如果驾驶员不和周边环境进行交互，只是凭借自己的主观判断认为车该怎么开，道路势必会造成拥堵。

那么以后自动驾驶汽车会不会也造成道路拥堵呢？由于自动驾驶模式缺少交互认知能力，受到不按规则的人工驾车干扰，预设的自动驾驶门槛立马崩溃，几乎全都转为人工驾驶，这就是自动驾驶陷阱。所以我们认为特斯拉的自动驾驶不可靠，把手放在方向盘上，只能叫作辅助驾驶，而我们追求汽车实现自动驾驶，让汽车成为一个认知主体，成为一个交互轮式机器人。

汽车有了自动驾驶成为轮式机器人，它需要和各种人进行交互，分别是驾驶员（可空缺）、程序员、乘员、互联网远端的车主、互联网远端的服务请求和互联网远端的黑客，通过和这六种人的交互才能保证轮式机器人能自主驾驶，能安全驾驶，更能懂“人情世故”，实现驾驶交互的应用。

轮式机器人应该具在线交互认知。我们的团队研发出“驾驶脑”，其实这才是无人驾驶在线认知的真正核心。“驾驶脑”的功能决定了它不只是简单的自动驾驶，而是要和驾驶员“取经”。轮式机器人的“驾驶脑”在驾驶员开车时能“默默地”学习，把驾驶员在线交互认知转化为机器驾驶脑，并和机器行为融合在一起，让驾驶员调教机器开车，让大数据开车。

因此，智能车研发的困难，不仅仅是汽车动力学的性质和各种各样的传感器要求，更重要的是要研发和驾驶员一样在线的“机器驾驶脑”，模拟实现人脑回路的自主预测和控制，应对车辆行驶中的不确定性。

我们把“驾驶脑”比喻为对应的“驾照”、“驾龄”、“路熟”、个性化驾驶和标杆驾驶，因为“驾驶脑”通过和人之间的驾驶交互已经学会了开车，拥有了驾照，也有了相应的驾龄，并且在学习驾驶的过程中掌握了大量的路况信息，形成互联网地图替代不了的“路熟”，同时也具有了独特的个性化驾驶。通过这些信息的积累与分析，“驾驶脑”成为了驾驶高手，这大大减少、简化了实时处理的数据量。

轮式机器人向驾驶员学习开车，这是正学习的过程。人们通过深度学习来认知如何去开车，同时摄像头等车载传感器记录下行车中的驾驶态势，通过把人的认知和汽车的驾驶态势融合形成驾驶态势认知图库，并由驾驶记忆棒认证提取。当轮式机器人在自主驾驶的时候，通过搜索记忆棒中相同的认知，自主操控油门、制动和方向盘，实现驾车态势的自主判断，而不是由互联网去控制，可大大提高驾驶的安全和效率。

人常常是在错误中学习的，在实践中吸取事故教训是提高驾驶认知水平的重要环节。因此机器人也需要从驾驶事故中吸取教训，防止相同的驾驶事故再次发生，这是自学习中的负学习。

（作者系中国工程院院士、人工智能学会理事长，本报记者赵广立根据其在2016年中国智能车大会暨国家智能车发展论坛上的主题报告整理）