没有人告诉它要这样做。没有工程师事先写下"用激光雷达扫描公交车底部以探测行人脚步"这样的规则。但Waymo的无人驾驶系统就是做到了。
Waymo联合首席执行官德米特里·多尔戈夫最近在Cheeky Pint播客中分享了一个令他久久难以释怀的亲身经历。他查看了自己座驾的行驶日志，发现车辆完成了一项他认为在物理上不可能实现的感知任务。
这个故事不仅仅是一个技术趣闻，它触碰到了现代人工智能发展中最核心也最令人不安的一个问题：当系统比它的创造者更聪明时，我们该如何自处。
那双藏在车底的脚
事件发生在旧金山街头一个极其普通的场景里。Waymo的自动驾驶汽车停在路口等待红灯，一辆公交车从旁边开过并停下，部分遮住了车道前方的视线。
绿灯亮起，Waymo的车辆开始缓慢绕过这个庞大的金属障碍物。就在这时，系统检测到了公交车另一侧存在行人，随即自动减速、略微加宽行驶路线，直至行人安全离开，车辆才继续前行。
表面上看，这不过是一段优秀软件按照预期运作的寻常片段。真正让多尔戈夫感到震惊的，是这个感知判断背后的物理机制。
"摄像头、激光雷达和雷达的工作原理都不是透视。我们不可能直接看穿一个巨大的金属盒子，"他坦言道。他反复核查传感器数据，起初以为自己看到的是随机噪声，甚至怀疑这不过是一次偶然的巧合判断。
直到他拉出详细的底层数据，真相才浮出水面。Waymo的周边激光雷达将探测信号射向了公交车的底部，捕捉到了从车身下方反射回来的极其微弱的信号。
这些信号混乱而嘈杂，但其中隐藏着行人双脚移动时产生的细微动态特征。人工智能模型抓住了这一线索，推断出公交车另一侧极有可能存在行人，并进一步对其可能的行动轨迹做出了预测。
"这简直令我难以置信，"多尔戈夫说道。没有人教过这套系统要去看车底下的东西，但它就这样做了，并且做对了。
涌现能力：AI自我进化的边界
这个"透过公交车底看脚"的故事，是人工智能领域一种被称为"涌现行为"现象的绝佳注脚。涌现行为是指一个复杂系统在没有被明确编程的情况下，自发展现出其设计者未曾预料到的全新能力。
大型语言模型早就被发现具备类似的特质。当模型参数规模超过某个临界点时，它会突然解锁全新的推理和创作能力。自动驾驶系统如今也开始展现出同样的令人惊异的特性。
这种现象的出现，标志着软件工程范式的一次深刻转变。过去的软件系统完全是规则驱动的，工程师们写什么，系统就做什么，边界清晰且可预测。
但基于深度学习的现代人工智能系统已经根本性地打破了这个逻辑。它在海量真实世界数据的浸润中，逐渐形成了自己对于物理世界规律的内在理解，并在特定的场景触发下，调用这些理解做出超越设计预期的判断。
Waymo目前每周在全美各城市完成约五十万次无人驾驶出行服务。这个庞大的实际运营规模，为系统的持续学习提供了无与伦比的真实数据养料。
与此同时，Waymo还引入了谷歌DeepMind的Genie 3世界模型技术，构建了一套能够生成照片级真实感的驾驶场景模拟系统。它能够凭空生成龙卷风天气、逆行车辆冲突或野生动物横穿马路等极端罕见场景，让系统在不依赖现实世界真实事故的前提下，提前学习如何处理几乎不可能在日常数据中出现的边缘情况。
这套虚实结合的训练体系，正是Waymo得以在自动驾驶这条漫长赛道上持续领跑的关键秘密武器。目标不是让系统记住所有的应对规则，而是让它真正理解世界运作的底层逻辑。
一旦具备了这种底层理解，哪怕面对从未遇到过的全新场景，系统也能够做出合理且安全的判断。就像那双被激光雷达从公交车底捕捉到的脚一样，没有人料到，但一切都在情理之中。
这既是令工程师们兴奋的时刻，也是值得整个行业保持敬畏的信号。当机器开始展现出超越设计者认知的能力时，如何确保它的每一次"自主发挥"都指向安全而非风险，将是未来很长一段时间内，自动驾驶行业最重要的命题。
-
-
-
-
-
-
-
-
-
-