摘要:随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。



|李瀚明

OR--商业新媒体

自动驾驶应该是人工智能领域矛盾性最强的技术了:各国政府一方面投入重金积极鼓励车企开发,一方面又对自动驾驶汽车上路提出严格的限制。而随着最近不少带有自动驾驶功能的汽车出现严重交通事故,大家对自动驾驶汽车安全性的担忧又一次浮出水面。

笔者认为,自动驾驶如果想真正被广大车主所接受,其中的一个要素是保险公司必须同意为自动驾驶汽车提供保险;但随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。

现在的车险可以分为责任保险和损失保险两种。责任保险(三者险)赔偿的是自身的过失事故给其它人带来的损失,而损失保险(车损险)赔偿的是自身的过失事故给自己带来的损失。

这两种保险之所以能够正常运作,是因为车主的过失事故在很大程度上是独立事件:我一不小心把油门当成刹车,别的车主不一定会把油门当成刹车;我在高速公路某地出事,别的车主不一定会在此地出事;我变道的时候剐蹭了后车,其他车主不一定会剐蹭后车。这个时候,大量的独立事件就像抛硬币那样组成了近似的二项分布(发生-不发生),使得每个时间段内的理赔金额期望值维持在稳定的水平。

这种「微观波动,宏观稳定」的状态,是保险公司提供理赔的基础。在风险控制行业遵循一个原则:

高概率发生的高损失事件:压根别去做;

高概率发生的低损失事件:要降低概率;

低概率发生的高损失事件:要风险转移;

低概率发生的低损失事件:就无所谓了。

保险公司存在的主要目的,是通过保费-保额形成资金池的方式,避免“低概率发生的高损失事件”发生时,对被保险人的现金流造成重大影响。因此,保险公司在厘定保费的时候,需要考虑“出事的概率”和“出事造成的损失”。这种哲学同样适用于车险。

在考虑损失保险的时候,由于赔付的是自己驾驶的汽车,所以造成的损失也是固定的——这也就是为什么豪车的损失保险比廉价车贵,就是因为在同等的出事概率下,豪车出事造成的损失要普遍大于廉价车出事造成的损失。

但在考虑责任保险的时候的情况有所不同。无论你开廉价车还是豪华车,你剐蹭的车既可能是十万元的廉价车,也可能是五百万元的豪华车。换言之,出事的时候你撞到的车的档次和造成的损失是另一个独立事件,保险公司通常不会考虑自身所驾驶的汽车带来的影响——只会考虑你所在的地方的平均车价等因素(例如住在富人区的话,责任保险会更贵一些)。

因此,车险的最重要因素,还是驾驶者本人的驾驶技能和驾驶意识——这也就是为什么保险公司对喝酒、无驾驶证等行为拒保——拒保行为基于一个典型的条件概率假设:喝酒的人出事的概率显著大于不喝酒的人出事的概率,同时影响了责任保险和损失保险的理赔金额期望值。

同时,这种对驾驶者本人的驾驶技能和驾驶意识的评估,也带来了额外的优惠:例如,多年维持着高驾驶里程,但一直没有事故的司机,会被假设为具有良好的驾驶技能;但如果是名下常年没有汽车的司机,即使有多年的驾龄,也会被认为是“本本族”,从而带来保费的上涨。

换言之,现在的保险标的是高度分散的——同一条公路上,老手和新手一半一半,豪华车和廉价车一半一半。这种分散使得同时出险的概率大大降低,成为了现在车险行业的逻辑基础。

在长年的相处中,保险公司和整车厂之间形成了良好的制衡关系。美国的美国公路安全保险协会(IIHS)和中国的中国保险汽车安全指数(C-IASI)就是典型的保险公司制衡整车厂的机构——通过对汽车整车在事故发生时对人对己造成的损失进行实验室模拟评估公示,保险公司可以鼓励准车主选择更安全、损失更低的汽车,从而降低事故发生的概率,以利己利人的方式提升保险公司的经营效益。

这种保险公司对车厂的制衡一方面发生在日常的改进上,另一方面也发生在出现质量问题时的回应上。这也就是为什么在汽车行业传统上有召回的传统——倘若汽车的某部件出现了关键性问题而汽车厂商不加以解决的话,很有可能会导致数倍于汽车本身的损失。而如果保险公司对某款车型拒保的话,那对车厂而言无疑是致命打击——没有准车主会购买没有人承保的汽车。因此,保险公司作为切身利益相关方,对整车的产品质量是最关心的。

例如,1992年开始,三菱扶桑卡车在十二年内发生了51次前轮脱落的事故,造成多人死伤。保险公司最初对此照单赔偿,但赔偿多了就发现不对劲了——频繁出事的背后,很有可能是车厂设计缺陷导致的产品责任事故。保险公司在内部调查之后,向政府报案举报,最终迫使三菱扶桑召回卡车并承担业务过失致死的刑事责任。

在2010年的丰田急加速事件中,保险公司也扮演了重要的角色:当时的丰田由于地毯和油门踏板设计问题,存在着急加速的隐患。保险公司同样发现了不对劲——如果某款车型的事故发生率显著升高,那必然是车厂的设计出了问题。

但是,这些制衡都是小概率事件:大部分车辆的硬件设计都在几十年的发展中经过多年考验打磨,在设计上已经相当成熟。前轮脱落的原因是因为制造工艺问题,而油门踏板则是因为地毯这一后装零部件的设计问题。同时,这些问题通常仅限于某个品牌在某一年设计的某一款特定车辆(例如三菱在1998年制造的重卡或者丰田在2006年制造的轿车),总数也相对有限(在数万台到数十万台左右)。因此,总体而言保险公司对车厂仍然保持着信任的态度。

但自动驾驶从两个方面改变了这一切。

其中一方面是与人工驾驶时高度分散的驾驶技能和驾驶意识不同,自动驾驶造成了驾驶技能和驾驶意识的集中。这使得自动驾驶系统成为了道路上的单点故障。——一套自动驾驶系统可能在数十万到数千万辆规格不同(SUV或者轿车)、年份不同(从2014年到2020年)、甚至品牌不同(某些互联网公司提出了同时为多家整车厂提供自动驾驶解决方案的想法)的车辆上使用。这种情况下,与传统上分散的风险不同,自动驾驶汽车引入的高度集中的风险,使得保险公司无法进行风险转移——转移到谁头上呢?别的品牌的自动驾驶汽车吗?

另一方面则是自动驾驶(至少在现在)造成了责任模糊。在自动驾驶还是少数的年代,驾驶着具有辅助驾驶功能的汽车的车主对交通事故仍然要负上完全的责任,保险公司仍然可以按照传统汽车的方法厘定保费,甚至可以因为辅助驾驶对司机的辅助作用(例如防止司机跟车太近)而为这样的司机降低一些保费;但在车主开始将事故的责任和自身的损失推诿给汽车厂商的时候,保险公司也需要评估整车厂给自身带来的额外的风险(尤其是在代位索赔等涉及到损失追究的时候)。

而更进一步需要考虑的则是自动驾驶的“黑箱性”。传统汽车的决策逻辑流程是非常简单的,中间的机械系统的可靠性可以达到极高的水平——除非转向助力失效,否则司机打方向,轮胎就转弯;除非刹车失效,否则司机一踩刹车,轮胎就会减速。因此,发现没有刹车痕迹,几乎可以肯定是司机没踩刹车的责任;如果真的发生了转向助力失效或者刹车失效,司机刚起步就能发现不对劲。

但是自动驾驶和新能源汽车往往建立在线传车控(drive-by-wire)的基础上。在这一技术上,踩下刹车踏板时,电脑需要思考是使用电动机进行再生制动以回收电能,还是要驱动液压制动刹车以获得足够的减速度。当这个思考过程出现问题的时候,制动就可能失效;而更可怕的是,这个思考的过程出现的问题,不像刹车漏油这种问题那样能在保险公司查勘定损的时候以肉眼发现——肉眼只知道车没刹车,但是不知道到底是司机没踩刹车踏板,还是汽车刹车失灵。

事实上,计算机的确可以驾驶任何玩意儿:上到飞机下到汽车都能够驾驶。但飞机的案例告诉我们,计算机会不会玩脱是另外一码事——波音737 Max的机动特性增强系统(MCAS)就是案例。这一系统的bug直接导致了两起空难,带走了346条人命。

调查飞机事故比调查汽车事故容易很多。飞机上具有按统一标准建构的黑匣子飞行数据记录仪(FDR)和驾驶舱录音机(CVR),能够按时间重建飞机上每一个传感器收集的数据。例如,在两起空难之后,调查员都能够迅速从黑匣子发现出问题的传感器,并评估传感器问题对飞机姿态控制的影响,从而发现机动特性增强系统的设计缺陷和空难之间的关系。

但是,一方面在数据的收集方面,自动驾驶汽车收集的数据量远比自动驾驶飞机的数据量要大:与自动驾驶飞机仅仅是收集来自各传感器的简单数值数据不同,自动驾驶汽车需要收集包括周围影像在内的不规则数据,数据量和维度都远大于自动驾驶飞机。

另一方面在数据的解读方面,自动驾驶汽车也没有统一的数据建构标准。与飞机事故往往需要邀请国家级的调查机构援引特权调取数据,交由经过多年训练的调查员解读的过程不同,在发生更频繁的汽车事故中,专业的国家机构显然无力参与,而普通的交通警察也没有解读大量数据的能力。同时,各家厂商仍然将自己收集的数据及对数据的运算结果视为商业机密,而拒绝在事故发生时向保险公司等利益相关方和政府等监管机构公开。

车厂这样的行为显然会影响到保险公司、政府乃至整个社会对自动驾驶汽车的信任——如果在辅助驾驶阶段,自动驾驶汽车就把社会搞得一团糟的话,这样的技术是不可能取得落地许可的。毕竟,保险公司不会为一个缺乏透明度的黑箱子承担责任——这种责任应该由黑箱子的设计者承担,而不是交给对黑箱子一无所知的用户和社会。■


(注:本文仅代表作者个人观点。责编邮箱    info@or123.net)



分享到:

自动驾驶是车险行业的噩梦

发布日期:2021-04-27 09:43
摘要:随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。



|李瀚明

OR--商业新媒体

自动驾驶应该是人工智能领域矛盾性最强的技术了:各国政府一方面投入重金积极鼓励车企开发,一方面又对自动驾驶汽车上路提出严格的限制。而随着最近不少带有自动驾驶功能的汽车出现严重交通事故,大家对自动驾驶汽车安全性的担忧又一次浮出水面。

笔者认为,自动驾驶如果想真正被广大车主所接受,其中的一个要素是保险公司必须同意为自动驾驶汽车提供保险;但随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。

现在的车险可以分为责任保险和损失保险两种。责任保险(三者险)赔偿的是自身的过失事故给其它人带来的损失,而损失保险(车损险)赔偿的是自身的过失事故给自己带来的损失。

这两种保险之所以能够正常运作,是因为车主的过失事故在很大程度上是独立事件:我一不小心把油门当成刹车,别的车主不一定会把油门当成刹车;我在高速公路某地出事,别的车主不一定会在此地出事;我变道的时候剐蹭了后车,其他车主不一定会剐蹭后车。这个时候,大量的独立事件就像抛硬币那样组成了近似的二项分布(发生-不发生),使得每个时间段内的理赔金额期望值维持在稳定的水平。

这种「微观波动,宏观稳定」的状态,是保险公司提供理赔的基础。在风险控制行业遵循一个原则:

高概率发生的高损失事件:压根别去做;

高概率发生的低损失事件:要降低概率;

低概率发生的高损失事件:要风险转移;

低概率发生的低损失事件:就无所谓了。

保险公司存在的主要目的,是通过保费-保额形成资金池的方式,避免“低概率发生的高损失事件”发生时,对被保险人的现金流造成重大影响。因此,保险公司在厘定保费的时候,需要考虑“出事的概率”和“出事造成的损失”。这种哲学同样适用于车险。

在考虑损失保险的时候,由于赔付的是自己驾驶的汽车,所以造成的损失也是固定的——这也就是为什么豪车的损失保险比廉价车贵,就是因为在同等的出事概率下,豪车出事造成的损失要普遍大于廉价车出事造成的损失。

但在考虑责任保险的时候的情况有所不同。无论你开廉价车还是豪华车,你剐蹭的车既可能是十万元的廉价车,也可能是五百万元的豪华车。换言之,出事的时候你撞到的车的档次和造成的损失是另一个独立事件,保险公司通常不会考虑自身所驾驶的汽车带来的影响——只会考虑你所在的地方的平均车价等因素(例如住在富人区的话,责任保险会更贵一些)。

因此,车险的最重要因素,还是驾驶者本人的驾驶技能和驾驶意识——这也就是为什么保险公司对喝酒、无驾驶证等行为拒保——拒保行为基于一个典型的条件概率假设:喝酒的人出事的概率显著大于不喝酒的人出事的概率,同时影响了责任保险和损失保险的理赔金额期望值。

同时,这种对驾驶者本人的驾驶技能和驾驶意识的评估,也带来了额外的优惠:例如,多年维持着高驾驶里程,但一直没有事故的司机,会被假设为具有良好的驾驶技能;但如果是名下常年没有汽车的司机,即使有多年的驾龄,也会被认为是“本本族”,从而带来保费的上涨。

换言之,现在的保险标的是高度分散的——同一条公路上,老手和新手一半一半,豪华车和廉价车一半一半。这种分散使得同时出险的概率大大降低,成为了现在车险行业的逻辑基础。

在长年的相处中,保险公司和整车厂之间形成了良好的制衡关系。美国的美国公路安全保险协会(IIHS)和中国的中国保险汽车安全指数(C-IASI)就是典型的保险公司制衡整车厂的机构——通过对汽车整车在事故发生时对人对己造成的损失进行实验室模拟评估公示,保险公司可以鼓励准车主选择更安全、损失更低的汽车,从而降低事故发生的概率,以利己利人的方式提升保险公司的经营效益。

这种保险公司对车厂的制衡一方面发生在日常的改进上,另一方面也发生在出现质量问题时的回应上。这也就是为什么在汽车行业传统上有召回的传统——倘若汽车的某部件出现了关键性问题而汽车厂商不加以解决的话,很有可能会导致数倍于汽车本身的损失。而如果保险公司对某款车型拒保的话,那对车厂而言无疑是致命打击——没有准车主会购买没有人承保的汽车。因此,保险公司作为切身利益相关方,对整车的产品质量是最关心的。

例如,1992年开始,三菱扶桑卡车在十二年内发生了51次前轮脱落的事故,造成多人死伤。保险公司最初对此照单赔偿,但赔偿多了就发现不对劲了——频繁出事的背后,很有可能是车厂设计缺陷导致的产品责任事故。保险公司在内部调查之后,向政府报案举报,最终迫使三菱扶桑召回卡车并承担业务过失致死的刑事责任。

在2010年的丰田急加速事件中,保险公司也扮演了重要的角色:当时的丰田由于地毯和油门踏板设计问题,存在着急加速的隐患。保险公司同样发现了不对劲——如果某款车型的事故发生率显著升高,那必然是车厂的设计出了问题。

但是,这些制衡都是小概率事件:大部分车辆的硬件设计都在几十年的发展中经过多年考验打磨,在设计上已经相当成熟。前轮脱落的原因是因为制造工艺问题,而油门踏板则是因为地毯这一后装零部件的设计问题。同时,这些问题通常仅限于某个品牌在某一年设计的某一款特定车辆(例如三菱在1998年制造的重卡或者丰田在2006年制造的轿车),总数也相对有限(在数万台到数十万台左右)。因此,总体而言保险公司对车厂仍然保持着信任的态度。

但自动驾驶从两个方面改变了这一切。

其中一方面是与人工驾驶时高度分散的驾驶技能和驾驶意识不同,自动驾驶造成了驾驶技能和驾驶意识的集中。这使得自动驾驶系统成为了道路上的单点故障。——一套自动驾驶系统可能在数十万到数千万辆规格不同(SUV或者轿车)、年份不同(从2014年到2020年)、甚至品牌不同(某些互联网公司提出了同时为多家整车厂提供自动驾驶解决方案的想法)的车辆上使用。这种情况下,与传统上分散的风险不同,自动驾驶汽车引入的高度集中的风险,使得保险公司无法进行风险转移——转移到谁头上呢?别的品牌的自动驾驶汽车吗?

另一方面则是自动驾驶(至少在现在)造成了责任模糊。在自动驾驶还是少数的年代,驾驶着具有辅助驾驶功能的汽车的车主对交通事故仍然要负上完全的责任,保险公司仍然可以按照传统汽车的方法厘定保费,甚至可以因为辅助驾驶对司机的辅助作用(例如防止司机跟车太近)而为这样的司机降低一些保费;但在车主开始将事故的责任和自身的损失推诿给汽车厂商的时候,保险公司也需要评估整车厂给自身带来的额外的风险(尤其是在代位索赔等涉及到损失追究的时候)。

而更进一步需要考虑的则是自动驾驶的“黑箱性”。传统汽车的决策逻辑流程是非常简单的,中间的机械系统的可靠性可以达到极高的水平——除非转向助力失效,否则司机打方向,轮胎就转弯;除非刹车失效,否则司机一踩刹车,轮胎就会减速。因此,发现没有刹车痕迹,几乎可以肯定是司机没踩刹车的责任;如果真的发生了转向助力失效或者刹车失效,司机刚起步就能发现不对劲。

但是自动驾驶和新能源汽车往往建立在线传车控(drive-by-wire)的基础上。在这一技术上,踩下刹车踏板时,电脑需要思考是使用电动机进行再生制动以回收电能,还是要驱动液压制动刹车以获得足够的减速度。当这个思考过程出现问题的时候,制动就可能失效;而更可怕的是,这个思考的过程出现的问题,不像刹车漏油这种问题那样能在保险公司查勘定损的时候以肉眼发现——肉眼只知道车没刹车,但是不知道到底是司机没踩刹车踏板,还是汽车刹车失灵。

事实上,计算机的确可以驾驶任何玩意儿:上到飞机下到汽车都能够驾驶。但飞机的案例告诉我们,计算机会不会玩脱是另外一码事——波音737 Max的机动特性增强系统(MCAS)就是案例。这一系统的bug直接导致了两起空难,带走了346条人命。

调查飞机事故比调查汽车事故容易很多。飞机上具有按统一标准建构的黑匣子飞行数据记录仪(FDR)和驾驶舱录音机(CVR),能够按时间重建飞机上每一个传感器收集的数据。例如,在两起空难之后,调查员都能够迅速从黑匣子发现出问题的传感器,并评估传感器问题对飞机姿态控制的影响,从而发现机动特性增强系统的设计缺陷和空难之间的关系。

但是,一方面在数据的收集方面,自动驾驶汽车收集的数据量远比自动驾驶飞机的数据量要大:与自动驾驶飞机仅仅是收集来自各传感器的简单数值数据不同,自动驾驶汽车需要收集包括周围影像在内的不规则数据,数据量和维度都远大于自动驾驶飞机。

另一方面在数据的解读方面,自动驾驶汽车也没有统一的数据建构标准。与飞机事故往往需要邀请国家级的调查机构援引特权调取数据,交由经过多年训练的调查员解读的过程不同,在发生更频繁的汽车事故中,专业的国家机构显然无力参与,而普通的交通警察也没有解读大量数据的能力。同时,各家厂商仍然将自己收集的数据及对数据的运算结果视为商业机密,而拒绝在事故发生时向保险公司等利益相关方和政府等监管机构公开。

车厂这样的行为显然会影响到保险公司、政府乃至整个社会对自动驾驶汽车的信任——如果在辅助驾驶阶段,自动驾驶汽车就把社会搞得一团糟的话,这样的技术是不可能取得落地许可的。毕竟,保险公司不会为一个缺乏透明度的黑箱子承担责任——这种责任应该由黑箱子的设计者承担,而不是交给对黑箱子一无所知的用户和社会。■


(注:本文仅代表作者个人观点。责编邮箱    info@or123.net)



摘要:随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。



|李瀚明

OR--商业新媒体

自动驾驶应该是人工智能领域矛盾性最强的技术了:各国政府一方面投入重金积极鼓励车企开发,一方面又对自动驾驶汽车上路提出严格的限制。而随着最近不少带有自动驾驶功能的汽车出现严重交通事故,大家对自动驾驶汽车安全性的担忧又一次浮出水面。

笔者认为,自动驾驶如果想真正被广大车主所接受,其中的一个要素是保险公司必须同意为自动驾驶汽车提供保险;但随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。

现在的车险可以分为责任保险和损失保险两种。责任保险(三者险)赔偿的是自身的过失事故给其它人带来的损失,而损失保险(车损险)赔偿的是自身的过失事故给自己带来的损失。

这两种保险之所以能够正常运作,是因为车主的过失事故在很大程度上是独立事件:我一不小心把油门当成刹车,别的车主不一定会把油门当成刹车;我在高速公路某地出事,别的车主不一定会在此地出事;我变道的时候剐蹭了后车,其他车主不一定会剐蹭后车。这个时候,大量的独立事件就像抛硬币那样组成了近似的二项分布(发生-不发生),使得每个时间段内的理赔金额期望值维持在稳定的水平。

这种「微观波动,宏观稳定」的状态,是保险公司提供理赔的基础。在风险控制行业遵循一个原则:

高概率发生的高损失事件:压根别去做;

高概率发生的低损失事件:要降低概率;

低概率发生的高损失事件:要风险转移;

低概率发生的低损失事件:就无所谓了。

保险公司存在的主要目的,是通过保费-保额形成资金池的方式,避免“低概率发生的高损失事件”发生时,对被保险人的现金流造成重大影响。因此,保险公司在厘定保费的时候,需要考虑“出事的概率”和“出事造成的损失”。这种哲学同样适用于车险。

在考虑损失保险的时候,由于赔付的是自己驾驶的汽车,所以造成的损失也是固定的——这也就是为什么豪车的损失保险比廉价车贵,就是因为在同等的出事概率下,豪车出事造成的损失要普遍大于廉价车出事造成的损失。

但在考虑责任保险的时候的情况有所不同。无论你开廉价车还是豪华车,你剐蹭的车既可能是十万元的廉价车,也可能是五百万元的豪华车。换言之,出事的时候你撞到的车的档次和造成的损失是另一个独立事件,保险公司通常不会考虑自身所驾驶的汽车带来的影响——只会考虑你所在的地方的平均车价等因素(例如住在富人区的话,责任保险会更贵一些)。

因此,车险的最重要因素,还是驾驶者本人的驾驶技能和驾驶意识——这也就是为什么保险公司对喝酒、无驾驶证等行为拒保——拒保行为基于一个典型的条件概率假设:喝酒的人出事的概率显著大于不喝酒的人出事的概率,同时影响了责任保险和损失保险的理赔金额期望值。

同时,这种对驾驶者本人的驾驶技能和驾驶意识的评估,也带来了额外的优惠:例如,多年维持着高驾驶里程,但一直没有事故的司机,会被假设为具有良好的驾驶技能;但如果是名下常年没有汽车的司机,即使有多年的驾龄,也会被认为是“本本族”,从而带来保费的上涨。

换言之,现在的保险标的是高度分散的——同一条公路上,老手和新手一半一半,豪华车和廉价车一半一半。这种分散使得同时出险的概率大大降低,成为了现在车险行业的逻辑基础。

在长年的相处中,保险公司和整车厂之间形成了良好的制衡关系。美国的美国公路安全保险协会(IIHS)和中国的中国保险汽车安全指数(C-IASI)就是典型的保险公司制衡整车厂的机构——通过对汽车整车在事故发生时对人对己造成的损失进行实验室模拟评估公示,保险公司可以鼓励准车主选择更安全、损失更低的汽车,从而降低事故发生的概率,以利己利人的方式提升保险公司的经营效益。

这种保险公司对车厂的制衡一方面发生在日常的改进上,另一方面也发生在出现质量问题时的回应上。这也就是为什么在汽车行业传统上有召回的传统——倘若汽车的某部件出现了关键性问题而汽车厂商不加以解决的话,很有可能会导致数倍于汽车本身的损失。而如果保险公司对某款车型拒保的话,那对车厂而言无疑是致命打击——没有准车主会购买没有人承保的汽车。因此,保险公司作为切身利益相关方,对整车的产品质量是最关心的。

例如,1992年开始,三菱扶桑卡车在十二年内发生了51次前轮脱落的事故,造成多人死伤。保险公司最初对此照单赔偿,但赔偿多了就发现不对劲了——频繁出事的背后,很有可能是车厂设计缺陷导致的产品责任事故。保险公司在内部调查之后,向政府报案举报,最终迫使三菱扶桑召回卡车并承担业务过失致死的刑事责任。

在2010年的丰田急加速事件中,保险公司也扮演了重要的角色:当时的丰田由于地毯和油门踏板设计问题,存在着急加速的隐患。保险公司同样发现了不对劲——如果某款车型的事故发生率显著升高,那必然是车厂的设计出了问题。

但是,这些制衡都是小概率事件:大部分车辆的硬件设计都在几十年的发展中经过多年考验打磨,在设计上已经相当成熟。前轮脱落的原因是因为制造工艺问题,而油门踏板则是因为地毯这一后装零部件的设计问题。同时,这些问题通常仅限于某个品牌在某一年设计的某一款特定车辆(例如三菱在1998年制造的重卡或者丰田在2006年制造的轿车),总数也相对有限(在数万台到数十万台左右)。因此,总体而言保险公司对车厂仍然保持着信任的态度。

但自动驾驶从两个方面改变了这一切。

其中一方面是与人工驾驶时高度分散的驾驶技能和驾驶意识不同,自动驾驶造成了驾驶技能和驾驶意识的集中。这使得自动驾驶系统成为了道路上的单点故障。——一套自动驾驶系统可能在数十万到数千万辆规格不同(SUV或者轿车)、年份不同(从2014年到2020年)、甚至品牌不同(某些互联网公司提出了同时为多家整车厂提供自动驾驶解决方案的想法)的车辆上使用。这种情况下,与传统上分散的风险不同,自动驾驶汽车引入的高度集中的风险,使得保险公司无法进行风险转移——转移到谁头上呢?别的品牌的自动驾驶汽车吗?

另一方面则是自动驾驶(至少在现在)造成了责任模糊。在自动驾驶还是少数的年代,驾驶着具有辅助驾驶功能的汽车的车主对交通事故仍然要负上完全的责任,保险公司仍然可以按照传统汽车的方法厘定保费,甚至可以因为辅助驾驶对司机的辅助作用(例如防止司机跟车太近)而为这样的司机降低一些保费;但在车主开始将事故的责任和自身的损失推诿给汽车厂商的时候,保险公司也需要评估整车厂给自身带来的额外的风险(尤其是在代位索赔等涉及到损失追究的时候)。

而更进一步需要考虑的则是自动驾驶的“黑箱性”。传统汽车的决策逻辑流程是非常简单的,中间的机械系统的可靠性可以达到极高的水平——除非转向助力失效,否则司机打方向,轮胎就转弯;除非刹车失效,否则司机一踩刹车,轮胎就会减速。因此,发现没有刹车痕迹,几乎可以肯定是司机没踩刹车的责任;如果真的发生了转向助力失效或者刹车失效,司机刚起步就能发现不对劲。

但是自动驾驶和新能源汽车往往建立在线传车控(drive-by-wire)的基础上。在这一技术上,踩下刹车踏板时,电脑需要思考是使用电动机进行再生制动以回收电能,还是要驱动液压制动刹车以获得足够的减速度。当这个思考过程出现问题的时候,制动就可能失效;而更可怕的是,这个思考的过程出现的问题,不像刹车漏油这种问题那样能在保险公司查勘定损的时候以肉眼发现——肉眼只知道车没刹车,但是不知道到底是司机没踩刹车踏板,还是汽车刹车失灵。

事实上,计算机的确可以驾驶任何玩意儿:上到飞机下到汽车都能够驾驶。但飞机的案例告诉我们,计算机会不会玩脱是另外一码事——波音737 Max的机动特性增强系统(MCAS)就是案例。这一系统的bug直接导致了两起空难,带走了346条人命。

调查飞机事故比调查汽车事故容易很多。飞机上具有按统一标准建构的黑匣子飞行数据记录仪(FDR)和驾驶舱录音机(CVR),能够按时间重建飞机上每一个传感器收集的数据。例如,在两起空难之后,调查员都能够迅速从黑匣子发现出问题的传感器,并评估传感器问题对飞机姿态控制的影响,从而发现机动特性增强系统的设计缺陷和空难之间的关系。

但是,一方面在数据的收集方面,自动驾驶汽车收集的数据量远比自动驾驶飞机的数据量要大:与自动驾驶飞机仅仅是收集来自各传感器的简单数值数据不同,自动驾驶汽车需要收集包括周围影像在内的不规则数据,数据量和维度都远大于自动驾驶飞机。

另一方面在数据的解读方面,自动驾驶汽车也没有统一的数据建构标准。与飞机事故往往需要邀请国家级的调查机构援引特权调取数据,交由经过多年训练的调查员解读的过程不同,在发生更频繁的汽车事故中,专业的国家机构显然无力参与,而普通的交通警察也没有解读大量数据的能力。同时,各家厂商仍然将自己收集的数据及对数据的运算结果视为商业机密,而拒绝在事故发生时向保险公司等利益相关方和政府等监管机构公开。

车厂这样的行为显然会影响到保险公司、政府乃至整个社会对自动驾驶汽车的信任——如果在辅助驾驶阶段,自动驾驶汽车就把社会搞得一团糟的话,这样的技术是不可能取得落地许可的。毕竟,保险公司不会为一个缺乏透明度的黑箱子承担责任——这种责任应该由黑箱子的设计者承担,而不是交给对黑箱子一无所知的用户和社会。■


(注:本文仅代表作者个人观点。责编邮箱    info@or123.net)




读者评论


您可能感兴趣的资讯
OR


最新资讯
OR



自动驾驶是车险行业的噩梦

发布日期:2021-04-27 09:43
摘要:随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。



|李瀚明

OR--商业新媒体

自动驾驶应该是人工智能领域矛盾性最强的技术了:各国政府一方面投入重金积极鼓励车企开发,一方面又对自动驾驶汽车上路提出严格的限制。而随着最近不少带有自动驾驶功能的汽车出现严重交通事故,大家对自动驾驶汽车安全性的担忧又一次浮出水面。

笔者认为,自动驾驶如果想真正被广大车主所接受,其中的一个要素是保险公司必须同意为自动驾驶汽车提供保险;但随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。

现在的车险可以分为责任保险和损失保险两种。责任保险(三者险)赔偿的是自身的过失事故给其它人带来的损失,而损失保险(车损险)赔偿的是自身的过失事故给自己带来的损失。

这两种保险之所以能够正常运作,是因为车主的过失事故在很大程度上是独立事件:我一不小心把油门当成刹车,别的车主不一定会把油门当成刹车;我在高速公路某地出事,别的车主不一定会在此地出事;我变道的时候剐蹭了后车,其他车主不一定会剐蹭后车。这个时候,大量的独立事件就像抛硬币那样组成了近似的二项分布(发生-不发生),使得每个时间段内的理赔金额期望值维持在稳定的水平。

这种「微观波动,宏观稳定」的状态,是保险公司提供理赔的基础。在风险控制行业遵循一个原则:

高概率发生的高损失事件:压根别去做;

高概率发生的低损失事件:要降低概率;

低概率发生的高损失事件:要风险转移;

低概率发生的低损失事件:就无所谓了。

保险公司存在的主要目的,是通过保费-保额形成资金池的方式,避免“低概率发生的高损失事件”发生时,对被保险人的现金流造成重大影响。因此,保险公司在厘定保费的时候,需要考虑“出事的概率”和“出事造成的损失”。这种哲学同样适用于车险。

在考虑损失保险的时候,由于赔付的是自己驾驶的汽车,所以造成的损失也是固定的——这也就是为什么豪车的损失保险比廉价车贵,就是因为在同等的出事概率下,豪车出事造成的损失要普遍大于廉价车出事造成的损失。

但在考虑责任保险的时候的情况有所不同。无论你开廉价车还是豪华车,你剐蹭的车既可能是十万元的廉价车,也可能是五百万元的豪华车。换言之,出事的时候你撞到的车的档次和造成的损失是另一个独立事件,保险公司通常不会考虑自身所驾驶的汽车带来的影响——只会考虑你所在的地方的平均车价等因素(例如住在富人区的话,责任保险会更贵一些)。

因此,车险的最重要因素,还是驾驶者本人的驾驶技能和驾驶意识——这也就是为什么保险公司对喝酒、无驾驶证等行为拒保——拒保行为基于一个典型的条件概率假设:喝酒的人出事的概率显著大于不喝酒的人出事的概率,同时影响了责任保险和损失保险的理赔金额期望值。

同时,这种对驾驶者本人的驾驶技能和驾驶意识的评估,也带来了额外的优惠:例如,多年维持着高驾驶里程,但一直没有事故的司机,会被假设为具有良好的驾驶技能;但如果是名下常年没有汽车的司机,即使有多年的驾龄,也会被认为是“本本族”,从而带来保费的上涨。

换言之,现在的保险标的是高度分散的——同一条公路上,老手和新手一半一半,豪华车和廉价车一半一半。这种分散使得同时出险的概率大大降低,成为了现在车险行业的逻辑基础。

在长年的相处中,保险公司和整车厂之间形成了良好的制衡关系。美国的美国公路安全保险协会(IIHS)和中国的中国保险汽车安全指数(C-IASI)就是典型的保险公司制衡整车厂的机构——通过对汽车整车在事故发生时对人对己造成的损失进行实验室模拟评估公示,保险公司可以鼓励准车主选择更安全、损失更低的汽车,从而降低事故发生的概率,以利己利人的方式提升保险公司的经营效益。

这种保险公司对车厂的制衡一方面发生在日常的改进上,另一方面也发生在出现质量问题时的回应上。这也就是为什么在汽车行业传统上有召回的传统——倘若汽车的某部件出现了关键性问题而汽车厂商不加以解决的话,很有可能会导致数倍于汽车本身的损失。而如果保险公司对某款车型拒保的话,那对车厂而言无疑是致命打击——没有准车主会购买没有人承保的汽车。因此,保险公司作为切身利益相关方,对整车的产品质量是最关心的。

例如,1992年开始,三菱扶桑卡车在十二年内发生了51次前轮脱落的事故,造成多人死伤。保险公司最初对此照单赔偿,但赔偿多了就发现不对劲了——频繁出事的背后,很有可能是车厂设计缺陷导致的产品责任事故。保险公司在内部调查之后,向政府报案举报,最终迫使三菱扶桑召回卡车并承担业务过失致死的刑事责任。

在2010年的丰田急加速事件中,保险公司也扮演了重要的角色:当时的丰田由于地毯和油门踏板设计问题,存在着急加速的隐患。保险公司同样发现了不对劲——如果某款车型的事故发生率显著升高,那必然是车厂的设计出了问题。

但是,这些制衡都是小概率事件:大部分车辆的硬件设计都在几十年的发展中经过多年考验打磨,在设计上已经相当成熟。前轮脱落的原因是因为制造工艺问题,而油门踏板则是因为地毯这一后装零部件的设计问题。同时,这些问题通常仅限于某个品牌在某一年设计的某一款特定车辆(例如三菱在1998年制造的重卡或者丰田在2006年制造的轿车),总数也相对有限(在数万台到数十万台左右)。因此,总体而言保险公司对车厂仍然保持着信任的态度。

但自动驾驶从两个方面改变了这一切。

其中一方面是与人工驾驶时高度分散的驾驶技能和驾驶意识不同,自动驾驶造成了驾驶技能和驾驶意识的集中。这使得自动驾驶系统成为了道路上的单点故障。——一套自动驾驶系统可能在数十万到数千万辆规格不同(SUV或者轿车)、年份不同(从2014年到2020年)、甚至品牌不同(某些互联网公司提出了同时为多家整车厂提供自动驾驶解决方案的想法)的车辆上使用。这种情况下,与传统上分散的风险不同,自动驾驶汽车引入的高度集中的风险,使得保险公司无法进行风险转移——转移到谁头上呢?别的品牌的自动驾驶汽车吗?

另一方面则是自动驾驶(至少在现在)造成了责任模糊。在自动驾驶还是少数的年代,驾驶着具有辅助驾驶功能的汽车的车主对交通事故仍然要负上完全的责任,保险公司仍然可以按照传统汽车的方法厘定保费,甚至可以因为辅助驾驶对司机的辅助作用(例如防止司机跟车太近)而为这样的司机降低一些保费;但在车主开始将事故的责任和自身的损失推诿给汽车厂商的时候,保险公司也需要评估整车厂给自身带来的额外的风险(尤其是在代位索赔等涉及到损失追究的时候)。

而更进一步需要考虑的则是自动驾驶的“黑箱性”。传统汽车的决策逻辑流程是非常简单的,中间的机械系统的可靠性可以达到极高的水平——除非转向助力失效,否则司机打方向,轮胎就转弯;除非刹车失效,否则司机一踩刹车,轮胎就会减速。因此,发现没有刹车痕迹,几乎可以肯定是司机没踩刹车的责任;如果真的发生了转向助力失效或者刹车失效,司机刚起步就能发现不对劲。

但是自动驾驶和新能源汽车往往建立在线传车控(drive-by-wire)的基础上。在这一技术上,踩下刹车踏板时,电脑需要思考是使用电动机进行再生制动以回收电能,还是要驱动液压制动刹车以获得足够的减速度。当这个思考过程出现问题的时候,制动就可能失效;而更可怕的是,这个思考的过程出现的问题,不像刹车漏油这种问题那样能在保险公司查勘定损的时候以肉眼发现——肉眼只知道车没刹车,但是不知道到底是司机没踩刹车踏板,还是汽车刹车失灵。

事实上,计算机的确可以驾驶任何玩意儿:上到飞机下到汽车都能够驾驶。但飞机的案例告诉我们,计算机会不会玩脱是另外一码事——波音737 Max的机动特性增强系统(MCAS)就是案例。这一系统的bug直接导致了两起空难,带走了346条人命。

调查飞机事故比调查汽车事故容易很多。飞机上具有按统一标准建构的黑匣子飞行数据记录仪(FDR)和驾驶舱录音机(CVR),能够按时间重建飞机上每一个传感器收集的数据。例如,在两起空难之后,调查员都能够迅速从黑匣子发现出问题的传感器,并评估传感器问题对飞机姿态控制的影响,从而发现机动特性增强系统的设计缺陷和空难之间的关系。

但是,一方面在数据的收集方面,自动驾驶汽车收集的数据量远比自动驾驶飞机的数据量要大:与自动驾驶飞机仅仅是收集来自各传感器的简单数值数据不同,自动驾驶汽车需要收集包括周围影像在内的不规则数据,数据量和维度都远大于自动驾驶飞机。

另一方面在数据的解读方面,自动驾驶汽车也没有统一的数据建构标准。与飞机事故往往需要邀请国家级的调查机构援引特权调取数据,交由经过多年训练的调查员解读的过程不同,在发生更频繁的汽车事故中,专业的国家机构显然无力参与,而普通的交通警察也没有解读大量数据的能力。同时,各家厂商仍然将自己收集的数据及对数据的运算结果视为商业机密,而拒绝在事故发生时向保险公司等利益相关方和政府等监管机构公开。

车厂这样的行为显然会影响到保险公司、政府乃至整个社会对自动驾驶汽车的信任——如果在辅助驾驶阶段,自动驾驶汽车就把社会搞得一团糟的话,这样的技术是不可能取得落地许可的。毕竟,保险公司不会为一个缺乏透明度的黑箱子承担责任——这种责任应该由黑箱子的设计者承担,而不是交给对黑箱子一无所知的用户和社会。■


(注:本文仅代表作者个人观点。责编邮箱    info@or123.net)



摘要:随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。



|李瀚明

OR--商业新媒体

自动驾驶应该是人工智能领域矛盾性最强的技术了:各国政府一方面投入重金积极鼓励车企开发,一方面又对自动驾驶汽车上路提出严格的限制。而随着最近不少带有自动驾驶功能的汽车出现严重交通事故,大家对自动驾驶汽车安全性的担忧又一次浮出水面。

笔者认为,自动驾驶如果想真正被广大车主所接受,其中的一个要素是保险公司必须同意为自动驾驶汽车提供保险;但随着保险公司重新评估自动驾驶汽车的风险因素,现在普通的汽车保险公司接纳自动驾驶的脚步只会越来越慢。

现在的车险可以分为责任保险和损失保险两种。责任保险(三者险)赔偿的是自身的过失事故给其它人带来的损失,而损失保险(车损险)赔偿的是自身的过失事故给自己带来的损失。

这两种保险之所以能够正常运作,是因为车主的过失事故在很大程度上是独立事件:我一不小心把油门当成刹车,别的车主不一定会把油门当成刹车;我在高速公路某地出事,别的车主不一定会在此地出事;我变道的时候剐蹭了后车,其他车主不一定会剐蹭后车。这个时候,大量的独立事件就像抛硬币那样组成了近似的二项分布(发生-不发生),使得每个时间段内的理赔金额期望值维持在稳定的水平。

这种「微观波动,宏观稳定」的状态,是保险公司提供理赔的基础。在风险控制行业遵循一个原则:

高概率发生的高损失事件:压根别去做;

高概率发生的低损失事件:要降低概率;

低概率发生的高损失事件:要风险转移;

低概率发生的低损失事件:就无所谓了。

保险公司存在的主要目的,是通过保费-保额形成资金池的方式,避免“低概率发生的高损失事件”发生时,对被保险人的现金流造成重大影响。因此,保险公司在厘定保费的时候,需要考虑“出事的概率”和“出事造成的损失”。这种哲学同样适用于车险。

在考虑损失保险的时候,由于赔付的是自己驾驶的汽车,所以造成的损失也是固定的——这也就是为什么豪车的损失保险比廉价车贵,就是因为在同等的出事概率下,豪车出事造成的损失要普遍大于廉价车出事造成的损失。

但在考虑责任保险的时候的情况有所不同。无论你开廉价车还是豪华车,你剐蹭的车既可能是十万元的廉价车,也可能是五百万元的豪华车。换言之,出事的时候你撞到的车的档次和造成的损失是另一个独立事件,保险公司通常不会考虑自身所驾驶的汽车带来的影响——只会考虑你所在的地方的平均车价等因素(例如住在富人区的话,责任保险会更贵一些)。

因此,车险的最重要因素,还是驾驶者本人的驾驶技能和驾驶意识——这也就是为什么保险公司对喝酒、无驾驶证等行为拒保——拒保行为基于一个典型的条件概率假设:喝酒的人出事的概率显著大于不喝酒的人出事的概率,同时影响了责任保险和损失保险的理赔金额期望值。

同时,这种对驾驶者本人的驾驶技能和驾驶意识的评估,也带来了额外的优惠:例如,多年维持着高驾驶里程,但一直没有事故的司机,会被假设为具有良好的驾驶技能;但如果是名下常年没有汽车的司机,即使有多年的驾龄,也会被认为是“本本族”,从而带来保费的上涨。

换言之,现在的保险标的是高度分散的——同一条公路上,老手和新手一半一半,豪华车和廉价车一半一半。这种分散使得同时出险的概率大大降低,成为了现在车险行业的逻辑基础。

在长年的相处中,保险公司和整车厂之间形成了良好的制衡关系。美国的美国公路安全保险协会(IIHS)和中国的中国保险汽车安全指数(C-IASI)就是典型的保险公司制衡整车厂的机构——通过对汽车整车在事故发生时对人对己造成的损失进行实验室模拟评估公示,保险公司可以鼓励准车主选择更安全、损失更低的汽车,从而降低事故发生的概率,以利己利人的方式提升保险公司的经营效益。

这种保险公司对车厂的制衡一方面发生在日常的改进上,另一方面也发生在出现质量问题时的回应上。这也就是为什么在汽车行业传统上有召回的传统——倘若汽车的某部件出现了关键性问题而汽车厂商不加以解决的话,很有可能会导致数倍于汽车本身的损失。而如果保险公司对某款车型拒保的话,那对车厂而言无疑是致命打击——没有准车主会购买没有人承保的汽车。因此,保险公司作为切身利益相关方,对整车的产品质量是最关心的。

例如,1992年开始,三菱扶桑卡车在十二年内发生了51次前轮脱落的事故,造成多人死伤。保险公司最初对此照单赔偿,但赔偿多了就发现不对劲了——频繁出事的背后,很有可能是车厂设计缺陷导致的产品责任事故。保险公司在内部调查之后,向政府报案举报,最终迫使三菱扶桑召回卡车并承担业务过失致死的刑事责任。

在2010年的丰田急加速事件中,保险公司也扮演了重要的角色:当时的丰田由于地毯和油门踏板设计问题,存在着急加速的隐患。保险公司同样发现了不对劲——如果某款车型的事故发生率显著升高,那必然是车厂的设计出了问题。

但是,这些制衡都是小概率事件:大部分车辆的硬件设计都在几十年的发展中经过多年考验打磨,在设计上已经相当成熟。前轮脱落的原因是因为制造工艺问题,而油门踏板则是因为地毯这一后装零部件的设计问题。同时,这些问题通常仅限于某个品牌在某一年设计的某一款特定车辆(例如三菱在1998年制造的重卡或者丰田在2006年制造的轿车),总数也相对有限(在数万台到数十万台左右)。因此,总体而言保险公司对车厂仍然保持着信任的态度。

但自动驾驶从两个方面改变了这一切。

其中一方面是与人工驾驶时高度分散的驾驶技能和驾驶意识不同,自动驾驶造成了驾驶技能和驾驶意识的集中。这使得自动驾驶系统成为了道路上的单点故障。——一套自动驾驶系统可能在数十万到数千万辆规格不同(SUV或者轿车)、年份不同(从2014年到2020年)、甚至品牌不同(某些互联网公司提出了同时为多家整车厂提供自动驾驶解决方案的想法)的车辆上使用。这种情况下,与传统上分散的风险不同,自动驾驶汽车引入的高度集中的风险,使得保险公司无法进行风险转移——转移到谁头上呢?别的品牌的自动驾驶汽车吗?

另一方面则是自动驾驶(至少在现在)造成了责任模糊。在自动驾驶还是少数的年代,驾驶着具有辅助驾驶功能的汽车的车主对交通事故仍然要负上完全的责任,保险公司仍然可以按照传统汽车的方法厘定保费,甚至可以因为辅助驾驶对司机的辅助作用(例如防止司机跟车太近)而为这样的司机降低一些保费;但在车主开始将事故的责任和自身的损失推诿给汽车厂商的时候,保险公司也需要评估整车厂给自身带来的额外的风险(尤其是在代位索赔等涉及到损失追究的时候)。

而更进一步需要考虑的则是自动驾驶的“黑箱性”。传统汽车的决策逻辑流程是非常简单的,中间的机械系统的可靠性可以达到极高的水平——除非转向助力失效,否则司机打方向,轮胎就转弯;除非刹车失效,否则司机一踩刹车,轮胎就会减速。因此,发现没有刹车痕迹,几乎可以肯定是司机没踩刹车的责任;如果真的发生了转向助力失效或者刹车失效,司机刚起步就能发现不对劲。

但是自动驾驶和新能源汽车往往建立在线传车控(drive-by-wire)的基础上。在这一技术上,踩下刹车踏板时,电脑需要思考是使用电动机进行再生制动以回收电能,还是要驱动液压制动刹车以获得足够的减速度。当这个思考过程出现问题的时候,制动就可能失效;而更可怕的是,这个思考的过程出现的问题,不像刹车漏油这种问题那样能在保险公司查勘定损的时候以肉眼发现——肉眼只知道车没刹车,但是不知道到底是司机没踩刹车踏板,还是汽车刹车失灵。

事实上,计算机的确可以驾驶任何玩意儿:上到飞机下到汽车都能够驾驶。但飞机的案例告诉我们,计算机会不会玩脱是另外一码事——波音737 Max的机动特性增强系统(MCAS)就是案例。这一系统的bug直接导致了两起空难,带走了346条人命。

调查飞机事故比调查汽车事故容易很多。飞机上具有按统一标准建构的黑匣子飞行数据记录仪(FDR)和驾驶舱录音机(CVR),能够按时间重建飞机上每一个传感器收集的数据。例如,在两起空难之后,调查员都能够迅速从黑匣子发现出问题的传感器,并评估传感器问题对飞机姿态控制的影响,从而发现机动特性增强系统的设计缺陷和空难之间的关系。

但是,一方面在数据的收集方面,自动驾驶汽车收集的数据量远比自动驾驶飞机的数据量要大:与自动驾驶飞机仅仅是收集来自各传感器的简单数值数据不同,自动驾驶汽车需要收集包括周围影像在内的不规则数据,数据量和维度都远大于自动驾驶飞机。

另一方面在数据的解读方面,自动驾驶汽车也没有统一的数据建构标准。与飞机事故往往需要邀请国家级的调查机构援引特权调取数据,交由经过多年训练的调查员解读的过程不同,在发生更频繁的汽车事故中,专业的国家机构显然无力参与,而普通的交通警察也没有解读大量数据的能力。同时,各家厂商仍然将自己收集的数据及对数据的运算结果视为商业机密,而拒绝在事故发生时向保险公司等利益相关方和政府等监管机构公开。

车厂这样的行为显然会影响到保险公司、政府乃至整个社会对自动驾驶汽车的信任——如果在辅助驾驶阶段,自动驾驶汽车就把社会搞得一团糟的话,这样的技术是不可能取得落地许可的。毕竟,保险公司不会为一个缺乏透明度的黑箱子承担责任——这种责任应该由黑箱子的设计者承担,而不是交给对黑箱子一无所知的用户和社会。■


(注:本文仅代表作者个人观点。责编邮箱    info@or123.net)




读者评论


您可能感兴趣的资讯
OR


OR 最新资讯

OR 特别推荐


热门排行榜
OR

OR热门排行榜
横向滑动

关注我们
OR


OR | 商业新媒体


地址:中国成都市高新区天华路299号
  邮编:610041
 手机:18982085896     邮箱:info@or123.net
网址:or123.net
© The OR  2021