沒有人告訴它要這樣做。沒有工程師事先寫下"用激光雷達掃描公交車底部以探測行人腳步"這樣的規則。但Waymo的無人駕駛系統就是做到了。
Waymo聯合首席執行官德米特里·多爾戈夫最近在Cheeky Pint播客中分享了一個令他久久難以釋懷的親身經歷。他查看了自己座駕的行駛日誌，發現車輛完成了一項他認為在物理上不可能實現的感知任務。
這個故事不僅僅是一個技術趣聞，它觸碰到了現代人工智慧發展中最核心也最令人不安的一個問題：當系統比它的創造者更聰明時，我們該如何自處。
那雙藏在車底的腳
事件發生在舊金山街頭一個極其普通的場景里。Waymo的自動駕駛汽車停在路口等待紅燈，一輛公交車從旁邊開過並停下，部分遮住了車道前方的視線。
綠燈亮起，Waymo的車輛開始緩慢繞過這個龐大的金屬障礙物。就在這時，系統檢測到了公交車另一側存在行人，隨即自動減速、略微加寬行駛路線，直至行人安全離開，車輛才繼續前行。
表面上看，這不過是一段優秀軟體按照預期運作的尋常片段。真正讓多爾戈夫感到震驚的，是這個感知判斷背後的物理機制。
"攝像頭、激光雷達和雷達的工作原理都不是透視。我們不可能直接看穿一個巨大的金屬盒子，"他坦言道。他反覆核查感測器數據，起初以為自己看到的是隨機雜訊，甚至懷疑這不過是一次偶然的巧合判斷。
直到他拉出詳細的底層數據，真相才浮出水面。Waymo的周邊激光雷達將探測信號射向了公交車的底部，捕捉到了從車身下方反射回來的極其微弱的信號。
這些信號混亂而嘈雜，但其中隱藏著行人雙腳移動時產生的細微動態特徵。人工智慧模型抓住了這一線索，推斷出公交車另一側極有可能存在行人，並進一步對其可能的行動軌跡做出了預測。
"這簡直令我難以置信，"多爾戈夫說道。沒有人教過這套系統要去看車底下的東西，但它就這樣做了，並且做對了。
湧現能力：AI自我進化的邊界
這個"透過公交車底看腳"的故事，是人工智慧領域一種被稱為"湧現行為"現象的絕佳註腳。湧現行為是指一個複雜系統在沒有被明確編程的情況下，自發展現出其設計者未曾預料到的全新能力。
大型語言模型早就被發現具備類似的特質。當模型參數規模超過某個臨界點時，它會突然解鎖全新的推理和創作能力。自動駕駛系統如今也開始展現出同樣的令人驚異的特性。
這種現象的出現，標誌著軟體工程範式的一次深刻轉變。過去的軟體系統完全是規則驅動的，工程師們寫什麼，系統就做什麼，邊界清晰且可預測。
但基於深度學習的現代人工智慧系統已經根本性地打破了這個邏輯。它在海量真實世界數據的浸潤中，逐漸形成了自己對於物理世界規律的內在理解，並在特定的場景觸發下，調用這些理解做出超越設計預期的判斷。
Waymo目前每周在全美各城市完成約五十萬次無人駕駛出行服務。這個龐大的實際運營規模，為系統的持續學習提供了無與倫比的真實數據養料。
與此同時，Waymo還引入了谷歌DeepMind的Genie 3世界模型技術，構建了一套能夠生成照片級真實感的駕駛場景模擬系統。它能夠憑空生成龍捲風天氣、逆行車輛衝突或野生動物橫穿馬路等極端罕見場景，讓系統在不依賴現實世界真實事故的前提下，提前學習如何處理幾乎不可能在日常數據中出現的邊緣情況。
這套虛實結合的訓練體系，正是Waymo得以在自動駕駛這條漫長賽道上持續領跑的關鍵秘密武器。目標不是讓系統記住所有的應對規則，而是讓它真正理解世界運作的底層邏輯。
一旦具備了這種底層理解，哪怕面對從未遇到過的全新場景，系統也能夠做出合理且安全的判斷。就像那雙被激光雷達從公交車底捕捉到的腳一樣，沒有人料到，但一切都在情理之中。
這既是令工程師們興奮的時刻，也是值得整個行業保持敬畏的信號。當機器開始展現出超越設計者認知的能力時，如何確保它的每一次"自主發揮"都指向安全而非風險，將是未來很長一段時間內，自動駕駛行業最重要的命題。
