Podcast Script (zh)
[0.120-13.125] SPEAKER_03: 今天我们有幸请到斯坦福教授克里斯·格德斯。 他研究怎么造自动驾驶车，赛道和公路都能超越人类。 还有一辆赛道自动赛车，时速120英里，太棒了。
[13.205-23.085] SPEAKER_03: 2016年他主要担任美国交通部首席创新官。 也是制定联邦自动驾驶政策团队的一员。 所以他很关心人工智能在社会中的作用。
[23.165-31.709] SPEAKER_03: 他既懂技术又懂政策，现在算是政策专家。 他是世界知名工程师，也一直爱车。他告诉我。 他做过一场问答。
[31.789-46.280] SPEAKER_03: 上周他为三年级学生做问答，回答了各种深入问题。 所以请大家演讲后继续提问，热烈欢迎克里斯。 好，莱克斯，感谢你热情介绍和邀请。 今天和大家聊聊，这是我回归普通人的第一周。
[46.360-50.562] SPEAKER_03: 我上周结束交通部工作，不再代表部门发言。
[50.862-63.728] SPEAKER_00: 虽然有些幻灯片和我以前发言时用的很像。所以我觉得。 今天来聊聊，这是我回来的第一周。 一个普通人。 我上周结束交通部工作，不再代表其发言。 正式代表部门，虽然有些幻灯片非常。
[63.808-75.780] SPEAKER_00: 和我以前代表部门演讲时说的很像。所以我认为。 到周五还挺新，但我有点像在聊我的 立场，所以我想聊聊技术方面和 自动驾驶车政策，特别是课上学到的一些技术
[75.860-86.274] SPEAKER_00: 涉及深度学习和神经网络的技术 给力求车辆安全的监管者带来挑战 所以简单说下我背景里的一些车。我的 背景。我车迷，参与了好多酷炫
[86.354-102.622] SPEAKER_00: 的车。我从1992年就开始研究自动驾驶，那辆 角落的林肯城市是自动化高速项目的一部分 伯克利读博时参与的项目。之后去了戴姆勒的福莱纳重卡 公司，并从事 重卡悬架系统的工作，然后来斯坦福，做了像
[102.702-112.106] SPEAKER_00: 右上角建P1这样的项目，完全由学生制造 线控转向线控驱动的电车。还为老式 赛车加装仪器，德罗宁改电车，稍后展示，还与
[112.186-126.759] SPEAKER_00: 如Lex说的，跟Shelly合作，那是我们的自动驾驶奥迪TT，一辆 自动驾驶赛车。除了斯坦福的工作，我还是 Peloton Technologies的联合创始人 这是一家卡车编队公司，致力于把编队技术带入
[126.839-137.139] SPEAKER_00: 车辆间通信，实现更短跟车距离 在高速公路上，这些是我有幸碰到的。为了 让你感受一下，这是Shelly在赛道上跑 Thunder Hill，她大概能跑到120英里每小时
[137.219-147.867] SPEAKER_00: 这个速度只受直道长度限制，外面看很有趣 偶尔让人紧张，因为你会看到 车里没人，但里面看其实很 从容。我们和Shelly在赛道上合作了一段时间。她
[147.947-160.279] SPEAKER_00: 现在表现已经超过了 开发团队所有人。我们很多是业余赛车手。大部分 我的博士生都有新手赛车执照。我们确保他们拿到 执照后才上赛道测试。所以Shelly能打败
[160.359-170.459] SPEAKER_00: 研究组里所有人。她甚至能打败赛道总裁David Vodden。 我们最近和印地赛车手J.R. Hildebrandt合作， 他去年印地500拿了第六。他更快。但是
[170.539-183.382] SPEAKER_00: 他只比我们快一秒左右，圈速1分25秒。所以 我们正在接近他，他也在帮我们达到那个水平。现在 有趣的是，我们是从 物理学角度来处理。力等于质量乘以加速度。所以汽车在
[183.462-195.051] SPEAKER_00: 计算怎么进下一个弯道。它认为 有多少抓地力等等，在赛道上跑时。它并不 其实核心是学习方法，我们虽然加了很多 学习算法，因为人与车的性能差距
[195.131-198.718] SPEAKER_00: 其实就是获取那最后一点点 轮胎的能力。
[198.798-208.912] SPEAKER_00: 本能上，最优秀车手都凭本能驾驶 不断把车推向极限，所以如果你预判 预判极限反而开不快，所以我们一直做这个 我们一直跟学习算法合作，研究弯道摩擦
[208.992-218.187] SPEAKER_00: 以及轮胎赛道升温时的摩擦变化 这些都是赛道快速行驶要考虑的 要在赛道上快速行驶。 现实世界要安全驾驶，同样要考虑这些
[218.267-230.239] SPEAKER_00: 这个项目，我们要理解汽车如何在最大 在轮胎与路面摩擦极限下行驶。车手这样做 为了快。赛车有句话：要拿第一，先完赛 所以他们既要开快又要避免事故。我们学习
[230.319-238.306] SPEAKER_00: 同样，让车遇到未知情况时 做出最安全操作，充分利用轮胎摩擦，避免 任何物理上能避免的事故。这就是我们的目标。
[238.386-252.529] SPEAKER_00: 我们在雪莉上玩得很开心。车已经开到了派克斯峰， 邦纳维尔盐沼。雪莉和扎克瑞·昆图、伦纳德·尼莫伊一起拍过奥迪广告。 尼莫伊。片尾他俩对视，说这太迷人了。 所以，你要是科幻迷就能懂——
[252.609-261.688] SPEAKER_00: 一旦被两位斯波克夸迷人，就没啥可追求了。所以我只好 换个路子，进了政府。过去一年我当了 美国交通部首任首席创新官。这绝对是
[261.768-273.717] SPEAKER_00: 联邦政府里最酷的差事，因为我没有固定日常 工作，但能参与各种超酷的项目， 比如制定第一份联邦的自动 驾驶政策。这真是换个角度看世界的好机会。
[273.797-285.293] SPEAKER_00: 所以，作为工程师出身的我，想让你 体验一下车辆安全监管方的视角， 看他们怎么看待你们的技术，以及这给 工程师留下多大为社会做贡献的空间。咱们先
[285.373-294.974] SPEAKER_00: 看看现在的车辆安全情况。目前有 一套联邦机动车安全标准，是最低性能要求， 每条都得配一个客观测试，才能判断车
[295.054-304.074] SPEAKER_00: 合不合格。有意思的是，没有任何联邦 机构在卖车前做测试。我们靠的是 制造商自我认证。政府定规则，制造商执行。 加油，我们能行。
[304.154-313.592] SPEAKER_00: 满足要求后，自我认证，再投放市场。 随后管理局买下车辆测试，并 确保合规，但我们靠厂家自认证。 这跟多数地区不同，他们有
[313.672-325.284] SPEAKER_00: 上市前认证，销售前政府必须 说：“检查过了，符合要求。” 比如航空领域就有这种认证。 汽车卖前要认证。 汽车不用。 那这系统哪来的？ 简短历史课。
[325.364-334.419] SPEAKER_00: 1965年，纳德出书《任何速度都不安全》，常被看作 关于科威尔车的书。 其实不是。 科威尔车只是不安全设计的例子 被重点提到。
[334.499-347.319] SPEAKER_00: 有意思的是，他当时就倡导 比如 1965年就提倡安全气囊和防抱死刹车。 这些技术很久以后才出现。 他认为汽车行业已经失败了。 不是工程失败，是想象力失败。
[347.399-364.003] SPEAKER_00: 如果你对车辆安全感兴趣，我推荐你读这本书。 它非常吸引人。 书里引用1960年代的人说，任何碰撞如果速度太快，就活不了。 超过约40或45英里的碰撞都无法幸存。 所以没必要用安全带和可溃缩的转向
[364.083-379.306] SPEAKER_00: 柱。 有位道路安全方面的先驱说过： 我想不出安全带除了让你用手撑住，还能有什么帮助。 学过物理的人都知道这很荒谬。 但当时普遍认为，没必要在车辆碰撞安全上做任何 努力，因为速度一超界限，碰撞就必死。
[379.386-392.449] SPEAKER_00: 我觉得这很有意思。 现在回头看更有意思，因为一旦发生碰撞， 如果我们任何人开着现代车以约40英里时速撞车， 我们很可能觉得能安然无恙地走出来。 我们其实不担心自己能不能活下来。
[392.529-404.884] SPEAKER_00: 我们根本不会去想生存问题。 所以引发了很多公众抗议，最终导致国家 1966年《交通和机动车安全法》成立NHTSA并制定了这套 联邦机动车安全标准。 现在。
[404.964-416.179] SPEAKER_00: 制定新标准的过程，即政府规则制定过程，是 非常耗时。 乐观估计，最短大概两年。 实际上，更像七年。 所以要是经历这个过程，问题很大。
[416.259-428.045] SPEAKER_00: 想想我们两年前或七年前讨论的自动驾驶汽车 年前的事。 再想想七年前开始制定的法律，将决定 这些车今天在路上怎么跑。 这很疯狂，对吧？ 真的没办法做到。
[428.125-442.326] SPEAKER_00: 另外，仔细想想，我们体系其实源于这种 想象力失败，政府得说，嘿，行业，照做。 别偷懒了。 这些就是要求。 达到目标。 不过，如今自动化进步了，很难说 工业界缺少想象力。
[442.406-455.794] SPEAKER_00: 人们正在提出各种新科技想法。 用于新型交通和自动化。 科技公司、初创企业、大设备商，各种概念 正在路上测试。 现在很难说缺乏想象力。 问题是，这样做合法吗？
[455.874-468.717] SPEAKER_00: 这个问题挺有意思的，对吧？ 我能合法干这个吗？ 联邦层面，10个月前有份报告 来自街对面的沃尔普中心，他们扫描问：哪些因素 可能阻碍你？ 根据现行联邦机动车安全标准，把一辆自动化
[468.797-479.794] SPEAKER_00: 车辆投入道路？ 答案其实是不多。 如果你有辆车，启动并自动化一辆目前符合 所有标准的车，没专门自动化标准，你 可以证明车符合联邦机动车安全标准。
[479.874-493.483] SPEAKER_00: 所以联邦层面总体没什么阻止自动化。 车辆上路。 这有道理吗？ 所以，没有强制安全标准，符合现有标准的创新车就能上路，联邦政府不拦着。 上路，符合标准有创新，联邦政府没障碍。 对此没有障碍。
[493.563-506.545] SPEAKER_00: 不过，有几个例外。 其中提到驾驶员，管理局解释了规则，这是他们的职权，就是说会给出解释。 规则解释是他们能做的，就是说，我们会 给出一个解释。 这不是定新规，而是解释现有规则。
[506.625-522.510] SPEAKER_00: 他们表示，对驾驶员的提及可以指代AI系统。 人工智能系统。 因此，这是部门政策声明：联邦安全标准中很多“驾驶员”可用自动驾驶AI替代，规则照此适用。 联邦安全标准中“驾驶员”可用自动驾驶
[522.590-538.080] SPEAKER_00: AI替代，规则相应适用。 所以，车符合现行标准，基本没阻碍上路。 如果它符合现行标准。 所以，把现代量产车自动化。 这没什么不同。 但联邦安全标准不会阻止。 但我展示的很多设计都没方向盘
[538.160-546.379] SPEAKER_00: 或其他部件其实不合规，因为要求必须有 方向盘和踏板。 再说一次，这些是当时的最佳实践，当时人们没 考虑自动驾驶汽车。
[546.459-560.428] SPEAKER_00: 所以这些车需要NHTSA豁免，意思是如果 这辆车虽不符合现行标准，但允许上路 因为它达到了等效安全水平，确定这种等效很有挑战 好的。 问题来了，如果联邦政府负责
[560.508-576.288] SPEAKER_00: 而NHTSA依《交通安全法》负责道路安全，但不能阻止 人们推出任何东西，那该怎么办呢？ 一种方法是，我们制定一些联邦机动车安全标准 出来。 但正如所说，这大概要七年，如果你现在开始 制定最佳实践，会是什么样呢？
[576.368-588.375] SPEAKER_00: 所以我们面临这个挑战。 我们希望鼓励这项技术上路测试，因为 这是学习、获取真实数据和积累真实经验的途径 经验。 同时联邦政府管全国道路安全。 它能召回有问题的东西。
[588.455-598.848] SPEAKER_00: 所以你把自动驾驶系统用在高速上，还被认为有 不合理的风险。 即使你是售后厂商，政府也能要求你召回 出道路。 问题是如何做得更好？ 怎么主动讨论？
[598.928-609.144] SPEAKER_00: 我们知道标准太慢，不一定最好。 要保护公众，同时测试这项技术。 所以，鼓励创新的同时 保安全的方法是联邦自动驾驶政策，它于 9月推出。
[609.224-619.243] SPEAKER_00: 这次尝试就是提出一个不同于 联邦机动车安全标准的框架。 我们实际推出一个自愿指导系统。 所以NHTSA要求制造商自愿遵循指导，并
[619.323-628.622] SPEAKER_00: 向机构提交信函说他们完成了安全评估。 有意思的是，这种方式不是为了告诉制造商 怎么做。 说实话，这些正是我们希望你来解决的。
[628.702-636.248] SPEAKER_00: 跟我们讲讲你是怎么解决的，这样能总结最佳做法。 以后我们就能找到最优方法。 以此确保安全。 所以九月就推出了。
[636.328-645.708] SPEAKER_00: 我们旁边有辆MIT的车，能看到马萨诸塞车牌。 嗯，就这样。 谢谢你提到这个。 如果你真贴了高迪贴纸，就更靠近中心，所以这 值得以后参考。
[645.788-654.193] SPEAKER_00: 但这是部长在华盛顿推出的，主要由 多个部分，但跟汽车设计最相关的是15点安全 评估。 所以这是评估的15点，我想聊其中几个
[654.273-662.794] SPEAKER_00: 具体细节。 好的。 那我们从第一点开始，它从操作 设计领域和最小风险或后备条件开始。 意思是，与其分类说你的
[662.874-675.601] SPEAKER_00: 自动化系统可以是高速上的自适应巡航，或 完全自动驾驶或低速穿梭车的操作指引 制造商要定义，这个定义叫操作设计 也就是操作设计领域 简单说，告诉我们系统能在哪些地方运行
[675.681-687.131] SPEAKER_00: 它能在高速公路上跑吗 它能在限制区域运行吗 它能在所有天气下运行吗 还是只在白天、晴天、南佛罗里达区域运行 这些都可以，但制造商或开发商要定义
[687.211-697.918] SPEAKER_00: 操作设计领域，定义系统运行区域后，需要 定义如何确保它只在这些条件下运行 怎么确保系统不超出那个区域 系统超出范围了，后备方案是什么
[697.998-709.250] SPEAKER_00: 后备方案可以不同 如果是人类驾驶的汽车，比如这里的沃尔沃 Drive Me实验，合理做法是让人类驾驶员 重新接管控制 但如果搭载盲人乘客，或者车辆没有
[709.330-714.937] SPEAKER_00: 方向盘，就需要不同后备系统，所以 在这个框架内 指导其实允许厂商有很多不同概念
[715.017-724.479] SPEAKER_00: 只要能定义自动化范围，就能按预期来做 不工作时的后备方案，以及怎么做 让消费者了解技术能做什么、不能做什么
[724.559-729.202] SPEAKER_00: 好让人们理解系统性能 还有验证方法和伦理考虑 我们这里提出验证方法
[729.282-739.115] SPEAKER_00: 在AI中很有趣，所以想法是 测试自动驾驶有很多不同方法，你可以 在测试轨道上做标准操作，你可以累积 一定里程的真实驾驶经验，并了解
[739.195-751.922] SPEAKER_00: 车辆的行为怎么样 你可以积累一定里程的真实驾驶经验 在有限环境里，测试轨道明显有问题 因为模拟不了现实里的未知情况 但在真实环境测试也有问题 信息能不能迁移，比如在某地开一定里程
[752.002-765.170] SPEAKER_00: 在加州山景城开一定里程，能不能说明 在马萨诸塞州剑桥市车会怎么表现？也许 也许不能，有时很难推断，最后 有 模拟分析的想法，如果能记录这些情况，如果我
[765.250-774.352] SPEAKER_00: 创建一个虚拟环境，模拟路上各种情况， 也许能让车辆经历许多 这些扰动情景，实际测试系统，比 模拟中更稳健，远超路上测试，所以
[774.432-789.283] SPEAKER_00: 指南对制造商技术保持中立，并且 允许制造商不同处理，基于这些情景测试系统 不同方式处理，你知道基于 对话，考虑客户或公司开发方式时 他们采用不同方法，像特斯拉公司
[789.363-800.160] SPEAKER_00: 例如，它记录所有车辆数据流， 能在车辆中静默运行想法或技术， 实际测试系统，获取真实数据，决定是否 激活系统。无数据访问权限的公司
[800.240-808.076] SPEAKER_00: 无法用这种方法，更依赖 模拟或测试跑道经验，指南 无特定混合比例，它设想到你 将来可空中软件更新，所以
[808.156-819.269] SPEAKER_00: 思考你是否采用数据驱动，很有趣 像人工神经网络这些，或者你真开始编程？ 在硬性规则里 但是 想这个问题很有趣，因为开始考虑时 系统需求，实际怎么设定？
[819.349-828.044] SPEAKER_00: 它学会了自己行为，你不知内部 算法或运作方式？还有一个问题 伦理考量。拿麻省理工举例，这是 我实际和斯坦福以及一些
[828.124-837.620] SPEAKER_00: 我们团队哲学家的工作领域。所以听到自动驾驶伦理 考量时，常联想到电车 问题。经典说法是关于你 自动驾驶车朝十人驶去，它可以
[837.700-846.163] SPEAKER_00: 要么撞死十人，要么转向杀驾驶员 怎么办？经典哲学问题。你实际上 来看电车问题：一辆失控电车 我要么转到另一轨道，撞死一人
[846.243-858.459] SPEAKER_00: 穿过轨道，要么电车五人被撞死 我怎么办？文章指出，就像，在它们 自动驾驶普及前，制造商必须解决不可能问题 算法道德的困境，如果这还不够难，我是说
[858.539-870.395] SPEAKER_00: 你在理解实际编程有多难 然后你得把规定弄对，现在我们实际上 得解决那些不可能的哲学问题。 嗯，我觉得其实不是这样。 而且这对工程师有好处 跟哲学家合作，但别
[870.475-881.983] SPEAKER_00: 太死扣字面意思。 这是哲学家能问的问题， 但工程师会问很多不同的问题， 比如谁为电车的刹车负责？ 为啥没有备用系统？ 为什么我正冲向十个人 却没有办法停下来？
[882.063-894.790] SPEAKER_00: 所以工程师必须回答这个问题， 但处理方式会很不一样。 所以拿这个电车难题来说， 我可能会说，好，我们看看。 假设我有一辆电车，它 失控了。 先要个紧急刹车系统。 我得确认我有那个。 嗯，那个也可能坏。
[894.870-908.479] SPEAKER_00: 所以如果主刹车失灵 而且紧急刹车也坏了， 那就只能转到侧轨上了。 嗯，知道那是我的选择。 我可能该停下了。 我可能得建篱笆，再立个警告牌，写着 禁止穿越。 失控电车轨道。
[908.559-920.868] SPEAKER_00: 好了，假设这些我都做了。 刹车失灵。 紧急刹车失灵。 我只好转电车，有人 没看我的警告牌，跨过篱笆。 现在被电车撞了。 对这事，我感觉不一样吗？ 相比一开始只想着决定
[920.948-935.555] SPEAKER_00: 谁生谁死？ 这个方案是工程师为了降低风险做的，不是考虑道德或谁该死。 降低风险，而不是空想。 关于道德，谁该生谁该死。 所以我觉得这问题特别重要。 写进指导原则，不是让大家解电车难题。 而是思考这些更大的问题。
[935.635-950.498] SPEAKER_00: 伦理不止是这些，自动驾驶里更多靠工程原则解决。 而不是用哲学判断谁该死。 关于这类情况，其实 会出现在自动驾驶车里，我想。 更多靠工程原理处理。 而不是从哲学价值推断。 但这里有更广泛的问题。
[950.578-964.466] SPEAKER_00: 只要关心人类安全， 离行人该多近？ 离自行车该多近？ 该对环境中的其他人投入多少关心？ 这很大程度上是伦理问题。 在环境中？ 这很大程度上是伦理问题。 这是个伦理问题，制造商
[964.546-975.926] SPEAKER_00: 其实已经在解决了。 你看大多数制造商在 车辆上装的自动紧急制动系统， 它们其实会 根据前方是车还是人， 用不同算法。 所以它们在检测并判断：
[976.006-989.812] SPEAKER_00: 撞到行人的后果 比撞车严重多了。 所以这时候， 它们会猛刹车。 这正是伦理考量起作用的地方。 指南的意义是公开分享和讨论 制造商怎么处理这个问题， 以形成最佳实践， 不仅让车里乘客，
[989.892-1002.445] SPEAKER_00: 也让路上其他人 感受到应有关怀。 觉得关怀程度合适。 都是为了他们好。 这就是伦理学的关键领域之一。 伦理学的另一个重点 就是开车的时候 有不同的目标。 我们有安全目标。 想到达目的地。
[1002.525-1015.437] SPEAKER_00: 还有效率目标。 希望快点到。 还要讲合法性。 要遵守规则。 但有时这些会互相矛盾。 发生冲突。 比如你正在开车， 有辆货车停在绝对不该停的地方。 这里禁止商业停车，
[1015.517-1024.514] SPEAKER_00: 地上画着双黄线。 能压过去吗？ 至少在加州，双黄线意味着 毫无例外。 这辆车的车道边界 停在它不该停的地方。 所以，按交规，
[1024.594-1037.181] SPEAKER_00: 你应该在这儿停一会儿。 没人会这么做吧？ 对吧？ 其实，在加州 开车过山的时候， 遇到骑车的，几乎每辆车 都会越过双黄线， 给骑车人多留点空间。 这也不是你该 按交规去做的事。
[1037.261-1049.732] SPEAKER_00: 你应该待在双黄线自己这边， 但减速到合适速度再通过。 所以有些行为中，我们对机动性的渴望 或对安全的渴望超过了 对合法性的渴望。 这就是个挑战，想想怎么 给自动驾驶车编程。
[1049.812-1063.038] SPEAKER_00: 到底该按人类开车的方式？ 还是按法规条文？ 来开车？ 当然，法律条文从没真正 预料到自动驾驶车。 从人类角度看，双黄线 简化说法，意思是前面可能 有情况，你最好 别开到另一条车道。
[1063.118-1075.775] SPEAKER_00: 但如果车有感知能力， 能自己判断， 那双黄线 就没那么有意义了。 这些都得解决，限速 是另一个问题。 在高速上， 通常有点灵活性。 我们要给自动驾驶车同样的灵活性吗，
[1075.855-1089.185] SPEAKER_00: 还是为这些神奇的自驾车制定 还是我们创造了这些神奇的自驾车？ 车开到限速时遇到的障碍 周围没其他车时？ 我们允许它们稍加速吗？ 汇入车流？ 能否允许超速来避免 这种情况？
[1089.265-1101.794] SPEAKER_00: 我们更渴望安全还是合法？ 这些是道德问题 我认为非常重要。 这些要讨论透彻， 因为如果车辆真正 守法，没人愿跟它们开。 所以我们需要想办法 给车辆灵活性
[1101.874-1113.985] SPEAKER_00: 或修改法律让它们 像人一样驾驶。 这就引出很有趣的领域， 涉及学习和编程。 问题是自动驾驶车应该 像人一样驾驶，表现相同行为。 该像机器人那样开，还是像人？
[1114.065-1122.366] SPEAKER_00: 实际上按法律规定来执行 他们该怎么开？ 显然，固定规则是一种办法 学人类司机怎么做 也许是另一种方法 我们得在目标间找平衡
[1122.446-1134.697] SPEAKER_00: 分析处理，比如受环境影响 双黄线要遵守到什么程度？ 环境里的其他因素 有意思的是，当你想这个问题时 极端情况下，这些方法都有局限 就像自动驾驶赛车上看到的 如果不从经验学习
[1134.777-1150.046] SPEAKER_00: 就没充分利用所有数据 表现就不会那么好 你没法提前编程 让自动驾驶车应对所有场景 它会遇到的所有情况 某种程度上，必须考虑插值 不知为啥，你得想想学习这事儿。 同时，你可能会说，那我们为啥不直接 对人测量呢？
[1150.126-1164.733] SPEAKER_00: 嗯，人类错误其实是94%事故的原因或因素， 主要因素。 这要么是人缺乏判断力，要么是缺乏某种感知力。 所以，如果我们只跟着人类的行为， 其实我们只是学人类能做多好。 汽车潜力方面，我们留了很多未开发空间。
[1164.813-1178.840] SPEAKER_00: 所以，这是个很有趣的讨论，我觉得 它会继续存在于这些车的开发层面 和政策层面。 正确的平衡是什么？ 我想学什么，又想编程什么？ 怎么避免留下未开发的空间？ 所以，因为我展示了很多带文字的幻灯片，
[1178.920-1189.592] SPEAKER_00: 我想让大家感受一下。 所以，因为这是我已有的点。 这里有一堆带文字的幻灯片。 我想让人有点感觉。 那些可能失去的机会 如果不做出改变 这是马蒂
[1189.672-1197.172] SPEAKER_00: 马蒂是实验室研究的德罗宁车 德罗宁车真的很棒 除非要加速、刹车或转弯 它确实不太好 无动力转向
[1197.252-1208.202] SPEAKER_00: 发动机弱，刹车也小 这些都能修复 德罗宁好拆是优点 很轻松 玻璃纤维车身能掀起 这些可以拆下来 这是发动机 可以拆刹车 可以对车架做些改装
[1208.282-1217.906] SPEAKER_00: 加固悬挂，和雷诺合作 硅谷初创，装新电动系统 再全部装回去 这样做，就能得到一辆 其实挺有意思的，我们还 已经让它自动驾驶了
[1217.986-1221.852] SPEAKER_00: 这是《流言终结者》的亚当·萨维奇 正在兜风
[1221.932-1228.839] SPEAKER_00: 你看，马蒂正在做点事 我们很有把握，它的精度 人类司机根本达不到 JR说他做不到 你看，它漂移得真完美
[1228.919-1238.415] SPEAKER_00: 绕着锥桶画完美的圆 然后冲过下一道门 侧身进入下一个锥桶 现在它就这么做 你看，它冲过门，躲开锥桶 再冲进下一个锥桶的紧圈
[1238.495-1252.267] SPEAKER_00: 它其实用了类似 轨道力学的算法，你想啊 它是怎么绕这些点运转的 因为它自己设定了轨迹 现在限制在轮胎上。 你看，它转到这儿时， 轮胎碎成碎片飞向镜头。 就在我们做动作时。
[1252.347-1265.875] SPEAKER_00: 但汽车能一直持续， 继续前进。 就算轮胎发热也要继续 走出漂亮轨迹。 你看，它又穿过闸门 进入稳定平衡态。 轮胎轨迹几乎 正好落在之前的位置。
[1265.955-1276.496] SPEAKER_00: 然后最终结束。 所以这就是我认为可能的事。 当你看着这些车， 这些车潜力巨大。 不只是像普通人驾驶， 而是远远超越。 人类的能力表现
[1276.576-1291.207] SPEAKER_00: 要充分利用轮胎所有功能。 做点让人惊叹的事。 所以，可能这不是你想要的。 日常开车的样子。 虽然一开始发这些视频时， 有网友说，我想要这辆车。 这样我就能下车去买甜甜圈。 它就在停车场原地转圈。
[1291.287-1300.981] SPEAKER_00: 这我倒没想到过。 但我们考虑的一个关键是： 如何？ 如果你只考虑， 轮胎在达到抓地极限前， 路面的摩擦饱和表现， 那你只考虑了一种轨迹。
[1301.061-1311.733] SPEAKER_00: 除此之外还有很多可能，紧急时 会很有用。 如果车子能利用这些，不是很好吗？ 但只监测日常驾驶， 永远做不到这点。 我们的车永远得不到这种能力。 播客还提到另一个方面，
[1311.813-1324.482] SPEAKER_00: 政策，这点非常重要，当我们思考 神经网络和学习时， 就是数据共享。 而且，如果能共享某些信息，特别是 边缘场景信息，那么加速自动驾驶 发展潜力巨大。 所以，如果考虑训练神经网络
[1324.562-1339.901] SPEAKER_00: 来处理极端情况， 如果你的训练数据集 包含这些极端情况就容易多了。 所以，想想路上可能的怪事， 如果有包含这些情况的数据库， 这些构成训练集， 就有了先发优势， 能获得神经网络并开始
[1339.981-1353.671] SPEAKER_00: 验证它能否在这些情况下工作。 问题是，在自动驾驶生态系统中， 有没有办法共享这些信息， 让不同参与者能真正 分享一些危急情况的信息 而且能确保，如果你学到了东西，
[1353.751-1368.695] SPEAKER_00: 对，你可以让车更安全，但实际上是， 路上所有车都变得更安全。 显然，你得平衡这一点 跟其他一些考虑因素。 有知识产权方面的担忧 来自公司。 任何个人隐私问题 可能涉及其中。 但在我看来，这里潜力巨大
[1368.775-1381.258] SPEAKER_00: 考虑分享某些数据的方法，这些方法 能促进安全。 这个讨论将会持续进行， 我认为学术界可以做很多来促成 这个讨论，一开始人们会说， 你知道，数据共享，我不知道， 公司不会分享。
[1381.338-1395.969] SPEAKER_00: 我们无法得到所需的信息。 但大多数时候，人们停留在抽象层面， 而不是说，嗯，什么信息 会最有帮助？ 什么信息才能让人放心？ 这些车安不安全？ 让监管机构了解它们的运作方式。 同时，它也会 保护公司投入的
[1396.049-1411.144] SPEAKER_00: 研发投入。 我觉得有办法解决。 其实，看看航空业， 就有个现成的例子。 这例子特别好。 它叫做ASIAS系统。 一开始只有四家航空公司 决定共享安全信息。 这通过MITRE进行，MITRE 是联邦政府资助的研发中心。
[1411.224-1424.520] SPEAKER_00: 现在已经发展到40家航空公司。 如果公司被踢出MITRE项目， 它们会拼命争取重新加入。 现在这些是匿名数据。 这些匿名数据，公司可以 能评估他们的安全记录。 还能和其他航空公司比较。 从抽象层面看。
[1424.600-1437.292] SPEAKER_00: 但没法跟具体航空公司比。 所以没有排名。 不用在执法技术上。 大家花了很多时间建立并开始 分享这些数据。 但现在信任度已经很高了。 而且他们分享的数据越来越多。 并寻找他们可能
[1437.372-1451.712] SPEAKER_00: 开始编码天气、时间等因素， 因为匿名被去掉了。 在系统最初的版本里。 所以我觉得有些好例子。 这里就有这样的例子， 对自动驾驶汽车非常重要。 而且随着讨论进行。 对开发感兴趣的人
[1451.792-1459.953] SPEAKER_00: 这些依赖数据技术的车辆 会成为重要声音 数据共享 我觉得这作用很大 让大家明白，这其实 在更大生态系统里很有价值
[1460.033-1470.226] SPEAKER_00: 所以我能更广泛参与的事 也一样 我曾是其中一员，交通部代表 在国家科技委的 机器学习与AI小组委员会 这是其中一个建议 也被真正推动了
[1470.306-1479.582] SPEAKER_00: 因为AI往往在 有好数据集就能大进展 为在交通领域取得好进展 这个小组也在 呼吁这些数据集要 广泛提供 所以关于愿景的那一点点
[1479.662-1491.530] SPEAKER_00: 在自动驾驶汽车政策背后 真正的目标是什么？ 尝试转向主动安全理念 文化，而非过早制定法规 并且老实说，我们 不知道研发自动驾驶车的最佳方法时 而是让政府能够
[1491.610-1506.217] SPEAKER_00: 尽早和制造商讨论 并对即将上路的技术放心 随着数据推进，我认为 我们会看到更多类似情况 实际上，为了帮美国继续 在这方面发挥主导作用 显然，如果车被禁止上路 这个国家就很难
[1506.297-1516.795] SPEAKER_00: 继续成为人们测试和开发 这项技术的地方 而且相信确实 可以加速技术带来的安全效益 靠数据共享。 所以每辆车不用遇到 各种奇怪情况，而是能从
[1516.875-1531.900] SPEAKER_00: 其他车的经验里学习。 这个理念就是，它是个不断发展的 框架。 所以它就是个指导。 它能引发讨论。 它产生最佳做法，最终能 演变成标准和法律。 这里有个大机会， 因为大家不觉得美国国家公路交通
[1531.980-1542.603] SPEAKER_00: 安全管理局会开发所有 这些最佳实践，而是这会 从公司行动和我们大学人员 能做的事，来产生解决 问题的方法，用创意方式，真正保持
[1542.683-1557.569] SPEAKER_00: 创新持续，同时确保安全。 所以当你开始思考所有人工智能系统 你开发系统时，思维会转变。 那，监管者怎么 才放心它不会 搞出什么怪事？ 这都是很棒的研究问题。 这些也是很好的实践问题。 而这些需要
[1557.649-1569.377] SPEAKER_00: 以后慢慢解决。 所以这个问题留给你们。 谢谢。 这就当挑战留给你们 学这门课时，不光要 思考你们学的技术， 还要想怎么传给别人？ 哪些差距要补？ 你们会发现很棒的机会
[1569.457-1578.396] SPEAKER_00: 在研究、创业和工作里 跟政策、政府合作。 谢谢能和大家交流。 我就打住，因为可能 你们聊的事情更有趣 我想聊那个。 我很乐意回答问题。
[1578.696-1579.613] SPEAKER_03: 谢谢。
[1579.913-1581.921] SPEAKER_00: 有人很快举手了。 是吗？
[1582.221-1584.751] SPEAKER_03: 是的。 我在想，未来，
[1585.051-1596.684] SPEAKER_04: 如果能解决这些问题， 自动驾驶的事故率， 路上多数车都自动驾驶时， 事故率极低。 你觉得一些安全要求， 可能会取消，像安全气囊、安全带，
[1596.984-1609.780] SPEAKER_00: 未来因为事故率很低， 可能汽车类型会减少？ 乔纳森·格鲁伯：对，我认为那是 好，这个问题，如果——谢谢提醒， 问未来车都自动化时，我们能否 取消安全气囊、安全带那些东西，
[1609.860-1619.638] SPEAKER_00: 车上这些被动安全装置。 我觉得我们其实会看到，最重要的一点是… 从可持续发展来看，这真的很厉害，当… 你看车辆的平均重量和载客率时…
[1619.718-1634.012] SPEAKER_00: 在美国，比如乘用车，我们大概用了… 差不多90%的能量在移动车子本身，而不是… 车里的人，其中一个原因是碰撞安全标准，这些标准… 很棒，让我们在时速40英里的碰撞中能活下来。 但如果车子不会撞，或者它们…
[1634.092-1646.261] SPEAKER_00: 有某些模式，可能设计得特别… 精细。 我设计那些溃缩区之类的东西，就可以去掉… 很多重量，尤其是低速车辆，它们… 专门为城市设计，而且不会发生碰撞，
[1646.341-1655.106] SPEAKER_00: 因为开得比较保守，或者某种程度上… 和行人分开，那我觉得能减掉很多重量， 然后你就有跟骑车差不多环保的… 出行方式。 嗯。
[1655.186-1660.793] SPEAKER_00: 所以，我觉得这真的是一个很好的目标， 尽管我们要么限制环境，要么长远考虑。 未来和这些技术
[1661.093-1661.870] SPEAKER_03: 对
[1662.170-1671.214] SPEAKER_05: 所以 主要目标是让你在赛道上进行最后的对话，还是用学到的未来物理来讨论？ 好的，好问题。我们和Shelly在做的是
[1671.514-1686.400] SPEAKER_00: 好的，好问题，我们和Shelly在做的是 我们的使命是尽可能快，比人类更快，还是从中学习？ 一些可用于其他自动驾驶车辆的东西，这确实是个愿望 从其他自动驾驶车辆中学习，用于发展其他自动驾驶车辆
[1686.480-1698.986] SPEAKER_00: 车辆，我们常说，当你明白差异时 在Shelly和人类驾驶员之间，开始变得 很平凡的事情，比如换挡模式，这并不 适用，我们有点 失去兴趣。但到目前为止，每个洞见
[1699.066-1713.708] SPEAKER_00: 我们从Shelley得到的都是直接可用的，我们已经 对车辆编程，使其在某些情况下紧急变道，这时你 没有足够空间刹车，我们实际上已经演示 在某些情况下，汽车可以比人类甚至专家更快做到
[1713.788-1725.180] SPEAKER_00: 人类反应如此，所以我们做过一些类似场景 从更大的角度来看，真正令人着迷的是 一开始我们就想找到最佳路线。 沿着赛道尽量贴近行驶，但观察人类时，
[1725.260-1735.700] SPEAKER_00: 赛车手的做法其实很不一样，他们把 把车推到极限，看打开了哪些路径。 这颠覆了问题，我觉得这实际上 非常适合开发道路安全系统。 在道路上。 但据我所知，人们不是这么看的。
[1735.780-1744.882] SPEAKER_00: 目前来说，我们真正希望的是 重现人类表现时的灵感，能带来更好的 安全算法。到现在一直如此，但当 不再这样时，我想我们肯定不会那么
[1744.962-1751.568] SPEAKER_00: 感兴趣。对，责任是个好问题。那么，什么什么 谁该负责？重新表述，对于一起在
[1751.648-1762.598] SPEAKER_00: 自动驾驶的事故，一方面，是开放式问题，另一方面 我们有法院系统，所以新技术出现时，这些 事情通常在法庭解决，而且可能是 各州不同。所以这方面，可能
[1762.678-1773.988] SPEAKER_00: 一些讨论，让制造商不受不同条件影响 不同州有帮助，但实际运作，我们并不是 受多种条件影响，原因各异 因为这样，工作方式通常不是二元的
[1774.068-1783.530] SPEAKER_00: 美国有连带责任，所以你可以 责任按不同比例分给不同参与者 这场游戏中，沃尔沃和谷歌已做出 声明，如果车辆出事，它们
[1783.610-1796.650] SPEAKER_00: 期望为此负责，所以人们常谈需要 当然，法院系统能最终确定 谁该负责。随着新技术，一些制造商正在 开始就产品责任发声明，对于那 我提过一个真正有帮助的事，也许是某种
[1796.730-1801.652] SPEAKER_00: 协调统一，因为保险由各州设定 各州自定，所以不同州规定可能不同 很不一样
[1801.732-1809.928] SPEAKER_00: 好，那是什么？ 如果公司发安全信函时，用标准设定安全性 但这些标准公众不接受，希望这些 车辆有更高安全性？
[1810.008-1816.614] SPEAKER_00: 好处是，首先我们会知道这点 我们会感觉公司开发时有特定安全措施 可能大家会讨论这算不算可接受水平。
[1816.694-1828.921] SPEAKER_00: 这个问题很难，因为不清楚人们知不知道啥是可接受的。 可接受的水平怎么定？ 它必须比人类开车更安全吗？ 我个人的感觉是，是的。 那它必须非常非常安全吗？ 嗯，这很难说。
[1829.001-1840.509] SPEAKER_00: 然后你会慢慢觉得，某种程度上，挺自在。 但现有的法律体系和人类可能犯错， 会造成致命后果。 我们对机器也这样想吗？ 我们总觉得机器得更完美，所以可能 社会容忍度会降低。
[1840.589-1851.412] SPEAKER_00: 大家常说，全国事故总数下降就好， 但受影响家庭不这么想。 那辆自动驾驶车。 尤其在安全标准极低的情况下。 这印象非常差，我这么说啥意思？
[1851.492-1861.314] SPEAKER_00: 想想机械系统故障，跟人为故障不同， 它们看起来往往更糟糕。 想象一下，车没检测到东西，直接开过去。 猛冲过去，视觉效果很震撼。
[1861.394-1867.895] SPEAKER_00: 反复播放，留在人们脑海里。 引发恐惧。 我觉得那是个... 是啊。 是啊。 我觉得这问题得解决。
[1868.195-1869.948] SPEAKER_03: 是啊。
[1870.248-1880.580] SPEAKER_02: 嗯，我问的是全球自动驾驶汽车。 你谈到数据共享和合作的可能，技术上， 也可能在政策方面。 有没有什么... 不同...之间的合作？
[1880.660-1885.362] SPEAKER_02: 世界各地研究的交流，不同的 政策... 因为各地情况很不一样。
[1885.662-1899.968] SPEAKER_00: 对，好问题。 全球来看，实际在做什么？ 来分享想法和研究？ 然后用一些办法去解决这些问题， 特别是在政策方面。 所以，大多数汽车制造商 都是全球企业，很多相关研究 都在世界各地进行。
[1900.048-1911.637] SPEAKER_00: 比如雷诺-日产在硅谷、欧洲和日本 做了大量研究。 我觉得这在不同的制造商里 挺常见的。 我工作中一件很酷的事是 和交通部长一起 去日本参加G7交通部长会议，
[1911.717-1925.303] SPEAKER_00: 向部长们介绍美国 关于自动驾驶汽车的政策。 那次讨论中有一部分是， 美国的规则很不一样。 我们用的是制造商自我认证， 而不是上市前认证。 而在日本，我们也有这种自我认证， 而不是上市前认证。
[1925.383-1934.345] SPEAKER_00: 但比如说测试 无论如何都得完成。 所以要么由制造商来测， 要么由比如德国 的TÜV等道路安全机构 来进行测试。 所以，我们也许可以共享
[1934.425-1941.808] SPEAKER_00: 测试经验，统一标准。 然后全球厂商都能 按各国政策 和监管环境不同 来进行测试。 我们在G7上提了这个想法。
[1941.888-1944.221] SPEAKER_00: 而且进展很顺利。
[1944.521-1947.249] SPEAKER_03: 政策制定上，你想做什么？
[1947.549-1959.672] SPEAKER_00: 这机会怎么来的？ 我从来没刻意决定过。 有天我接到白宫电话。 我收到一条消息或邮件。 白宫请你回电话。 回电话。 我当然立刻回电了。 还有帕姆·科尔曼。 我就是接电话的人。 我当时想，我喜欢干这个。
[1959.752-1974.580] SPEAKER_00: 她说，给白宫打电话时， 每个人都会回你电话。 她老实说，情况就是这样。 我们在考察很多这类领域， 在交通部。 好像涉及你的专业。 我们想跟你谈谈合作。 某种意义上，圣杯就是让你 来华盛顿工作一段时间。
[1974.660-1988.397] SPEAKER_00: 后来交通部给我打了电话。 他们说，我们知道你 不想来华盛顿待一段时间。 我说，试试看吧。 我能做点酷事吗？ 我能产生影响吗？ 然后我见到了交通部长。 在旧金山。 他跟我保证，你会大吃一惊。 你会惊讶地发现
[1988.477-1999.195] SPEAKER_00: 自己能带来多大的影响。 结果还真是这样。 很多事推进得很快。 参与政策制定的人 不一定有技术背景。 比如，他们可能是竞选上来的 然后担任了政治职务。 但跟我合作的人确实
[1999.275-2013.128] SPEAKER_00: 努力获取信息、做正确决定。 所以我常被请去给建议， 关于各种各样的事。 我发现大家其实真的 想掌握这些技术信息并利用好。 就这么发生了。 这似乎是个机会 去处理我一直做的事。
[2013.208-2026.771] SPEAKER_00: 1992年起就有自动驾驶车，然后 成了这项政策发展的一部分，这 进展很快。 我二月份来时，它只是一页大纲。 然后九月发布了。 这个过程里，全是。 各种编辑和谈判。 在白宫和其他机构进行。
[2026.851-2037.267] SPEAKER_00: 真迷人，这个过程。 所以我算是偶然进了这行。 但像莱克斯说的，我在变成政策专家。 在这里，因为这次经历很有趣。 我们来看看这边。 有什么要提的吗？
[2037.567-2049.005] SPEAKER_01: 数据共享方面，很多公司。 在大量数据上有垄断地位。 尤其是谷歌，拥有更多数据。 是的。 很多小初创公司。 你怎么激励这些大公司？ 真正分享他们的数据？
[2049.305-2062.937] SPEAKER_00: 好的。 那么，怎么激励公司？ 投了很多钱还让分享数据？ 在数据收集和数据 处理能力方面？ 我觉得得从小处做起，试着说， 有没有高价值数据，能再次 让公众和决策者放心，
[2063.017-2075.628] SPEAKER_00: 还不给公司添负担？ 所以我一直在做的一件事是， 我做了大量研究，还 从Peloton角度看，做了许多研究， 曾被提到，其实我们的卡车 用车对车通信 作为连接的一部分。 嗯，这么做你会发现其实有
[2075.708-2087.599] SPEAKER_00: 很多地方信号会断， 因为手机基站本不该 在那个频率上广播。 好像那里造成了很多干扰。 嗯，那可能很有趣。 从公共政策角度看，了解我们的…… 我们有点像在监测，越来越多。
[2087.679-2103.041] SPEAKER_00: 我们每去一个地方，那个频段都有干扰。 比如，这信息非常有用。 跟政策制定者分享，这不会 有什么真正的专有问题要分享。 从公司角度来看。 所以我觉得关键是先从小处入手。 找出哪些是高价值数据，然后在这些数据中 分享就不是什么大问题。
[2103.121-2120.271] SPEAKER_00: 我是说，如果你找谷歌说，好吧，谷歌， 你需要什么条件才能分享你获取的所有数据？ 从整个自动驾驶汽车项目中拿到的数据？ 我猜现在叫Waymo。 我觉得那个数字会非常庞大。 所以我不认为那是起点。 我认为你从，你知道，什么开始 就是高价值的数据，价值高的。
[2120.351-2128.930] SPEAKER_00: 公共政策需要，而且没什么麻烦。 对公司来说。 不知道还能撑多久。 我很乐意留下来，多回答几个问题。 但我知道你还有课。 我们怎么样？
[2129.230-2131.366] SPEAKER_05: 嗯，大概还有三个问题。
[2131.666-2133.535] SPEAKER_00: 好，行。 对。
[2133.835-2140.394] SPEAKER_05: 我们知道有人在推。 制定共享地图和事故数据的标准。 还有模拟数据？
[2140.694-2153.839] SPEAKER_00: 那么目前有没有努力 共享地图数据、边缘案例、事故数据， 还有模拟能力？ 这是NHTSA下一步计划之一。 政策里有提到。 所以NHTSA确实有人 在推进这些下一步工作，
[2153.919-2160.943] SPEAKER_00: 还是以试点或原型模式。 所以说。 目前正在 部门内部处理中。 过不久你可能会 听到更多消息。
[2161.243-2162.113] SPEAKER_03: 对。
[2162.413-2176.382] SPEAKER_05: 我想问个数据学习的问题。 对，市区开车和高速上开车 很不一样。 你觉得联邦政府的要求 是为整个公司定标准数据集 只用于数据生产？ 还是说应该针对 测试本身？
[2176.682-2187.806] SPEAKER_00: 好的。 所以问题就是。 所以在城市农村测试 甚至城市农村开车 很不一样。 那政府应不应该 定一套标准数据。 所有公司都得证明吗？ 政策设计的原因之一是 就是要确保咱们
[2187.886-2199.080] SPEAKER_00: 有操作设计域这个概念。 所以实际上，如果我唯一划的区域 而且我唯一想开的区域，比方校园 环境或四分之一平方英里内， 那我们的想法是希望公司
[2199.160-2213.245] SPEAKER_00: 解释他们咋处理各种可能情况 就在那四分之一平方英里内。 但他们确实没理由 处理别的情况，因为车不会 遇到那些，只要车设计成待在 它的操作设计域里。 所以短期内，你会看到人们常
[2213.325-2226.179] SPEAKER_00: 关注超本地化方案或低垂果实 用在很多自动化上。 就算你考虑出行即服务， 如果我要提供自动出租车， 可能只在有限环境下这么干 先开始。 所以如果我只在剑桥干这事儿
[2226.259-2237.685] SPEAKER_00: 我在山景城能不能开车真的很重要吗？ 所以我的想法是从 从定义操作设计域开始 再配一个合适的 操作设计域的数据集 然后随着大家的设计域 慢慢扩展到全国范围
[2237.765-2247.241] SPEAKER_00: 通用数据集的概念就有意思了 尽管感觉没有任何有限数据集能 覆盖所有可能 所以人们可以想办法开发或设计 测试方案 这够吗？ 我觉得这让人更安心
[2247.321-2261.406] SPEAKER_00: 但我怀疑这有多大价值 就跟试验场测试一样 我能想出20种不同的测试 自动驾驶汽车呢，需要 通过所有测试，人们也会想办法 让它们全过。 这或许能让有些人安心， 但我还是不放心， 怕它们应付不了真实路况。
[2261.706-2263.819] SPEAKER_03: 最后一个问题。
[2264.119-2279.470] SPEAKER_04: 好。 来看看。 最后一次举手。 我对开源汽车挺感兴趣。 但现在开源汽车还不现实， 因为现有监管规定太多。 而你的新系统，监管要求够低吗？ 能让它变成可能吗？ 你能造出开源汽车吗？
[2279.770-2288.233] SPEAKER_00: 你能在现有框架下造吗？ 问题是，你能在 美国交通部的指导下造出开源汽车吗？ 按照美国交通部的指导来造开源汽车？
[2288.313-2301.713] SPEAKER_00: 问题是，从实际来说， 你得交一份安全评估信， 而且要有负责人签字。 所以，如果要开源，就有个问题： 你知道，我用不用这个？ 我用不用这个模块？ 到底谁在签字批准？
[2301.793-2311.011] SPEAKER_00: 如果我说开源， 能不能放心签字？ 我不是律师，但我觉得， 如果有团队在做这事， 而且有人愿意签字， 那应该没啥阻碍， 不管软件版本如何，
[2311.091-2320.413] SPEAKER_00: 只要用在开源汽车上就行。 注意，这个指南也适用于大学， 或者任何上路的汽车团体。 而且我觉得，仔细看这15条， 其实不是为了过度限制。
[2320.493-2332.128] SPEAKER_00: 其实，我觉得几乎任何团体都能 可能会让真人冒险。 把自动驾驶车放到路上。 本来应该仔细考虑过的。 所以我觉得负担不算高。 我觉得一个团队就能搞定。
[2332.208-2336.596] SPEAKER_00: 但问题是从开源角度看， 你怎么追查谁负责？ 还有谁签的字？
[2336.896-2341.447] SPEAKER_03: 好了。 我觉得我们和三年级学生竞争很激烈。
[2341.747-2343.534] SPEAKER_00: 对，完全同意。
[2343.834-2348.524] SPEAKER_03: 非常感谢。 来，给克里斯鼓掌。 感谢你的到来。 太棒了。
[2348.824-2350.577] SPEAKER_00: 非常感谢。