Uber自动驾驶汽车被赶出了亚利桑那,近300人被裁




作者 | Just

出品 | AI科技大本营(公众号ID:rgznai100)


距离 Uber 在亚利桑那州 Temper 市发生首起完全自动驾驶致死事故两个月后,事件终于有了新进展。


5 月 24 日,据路透社报道,当地时间周三,Uber 宣布关停在亚利桑那州的自动驾驶汽车项目,同时伴随着近 300 名员工被裁,其中大多数是测试驾驶员或者“车辆操作员”。


Uber 早该意识到了这个结果。况且事故发生后一周左右,亚利桑那州州长 Ducey 随即向 Uber 高层发布公开信称,为了保障亚利桑那州人民的安全,亚利桑那州交通局将无限期吊销 Uber 路测的资格。


但这次的扫地出门并不意味着宣告 Uber 整个自动驾驶汽车项目的死刑。


在一封公司内部邮件中,Uber 无人驾驶部门主管 Eric Meyhofer 写道:我们并没有停止无人驾驶项目,我们的目标是在今年夏天在匹兹堡恢复公共道路测试。同时,我们还在与加州州政府、加州交管局、和旧金山市政府协商申请路测资格。


自 2016 年以来,Uber 开始在亚利桑那州凤凰城郊区进行测试,然后在 2017 年初提供载人测试。亚利桑那州良好的路测环境以及对企业相对友好的法规,使其成为了自动驾驶汽车的理想测试地。


但现在他们必须应对更复杂的城市测试环境所带来的挑战,就目前的情形来看,匹兹堡很可能是 Uber 测试车队最后的堡垒。而能否申请到加州的路测资格对 Uber 而言还是个未知数,它在加州监管部门那里留有“不良记录”:此前由于 Uber 不认可加州的路测标准,从而拒绝申请路测许可证,但它却强行在洛杉矶进行了路测。与政府产生不愉快,麻烦还不小。




另一方面的压力来自民众对 Uber 自动驾驶技术的质疑,近期的特斯拉汽车车祸事件虽然未确定是否与自动驾驶功能相关,但却触发了舆论对自动驾驶安全问题的敏感神经。一份民意调查报告显示,自动驾驶撞人致死事件对降低了消费者对这项技术的信任度。


车祸事故以来的诸多报告显示,自 Uber 在亚利桑那州进行测试后,由于迫切想在自动驾驶打车服务上超过其他公司,所以当 Uber 将自动驾驶汽车从福特 Fusions 换成了沃尔沃 XC90 时,他们减少了汽车的传感器数量。据《纽约时报》报道,该公司还将每辆车中的车辆操作员数量或“安全驾驶员”从两人减少到一人,而当时一些员工也曾担心这样做会增加风险。


如此大跃进式的“偷工减料”,自然埋下了安全隐患。


The Verge 援引根据正在进行的调查表明,Uber 没有公开说明为什么它的测试车当时没有避开行人。 但 The Information 最近的一份报告指出,该问题与 Uber 的软件有关。据报道,该自动驾驶汽车的传感器当时检测到了正在过马路的受害者,但软件却可能将其标记成了“误报”,从而造成汽车没有采取相应的行动。


关于此次撞人事件的最终原因分析,美国国家运输安全委员会事故调查报告还未公布。Uber 还在对其自动驾驶汽车项目进行审查,并聘请了前国家运输安全委员会(NTSB)主席 Christopher Hart 在安全问题方面提供建议。


此次被赶出亚利桑那州后,Uber 的自动驾驶汽车将被转移到其他城市。Eric Meyhofer 在给媒体的声明中表示,“我们一直致力于发展无人驾驶技术,并期望在未来几个月内重回公共道路进行测试。”


“Uber 错了就得后退一步”,在去年 8 月一次会议上,Uber  CEO Dara Khosrowshahi 讲述了他在创新上的几点思考,“我们是在做正确的事吗?我们是不是步子迈的太大了?快速的发展是以安全为代价的吗?”


后退一步,更重要的是认识到在自动驾驶安全问题上应该时刻如履薄冰。


参考来源:The Verge


AI科技大本营 公众号ID:rgznai100


☟☟☟点击 | 阅读原文 | 查看更多精彩内容

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值