自動運転はカエルが車を運転するのと同じですか？スマートカーはどこまで進化できるのでしょうか?

自動運転車は誰もが知っているホットな話題となっており、多くのハイテク企業がその将来に楽観的です。では、自動運転車はどのくらい遠いのでしょうか?自動運転はどのような技術的課題に直面しているのでしょうか?自動運転について知らないことや知りたいことはすべてここにあります!

（左）ドゥアン・ユロン

北京ラジオテレビ局司会者

（中央）李慧雲

中国科学院深圳先進技術研究所研究員

（右）李勝波

清華大学自動車工学部終身教授

**Duan Yulong: **合理性も真実もありません。こんにちは、親愛なる聴衆の友人たち、理性的なパーティーへようこそ。ホストのDuan Yulongです。このエピソードでは自動運転についてお話します。

なぜまだ自動運転車がないのでしょうか?

**Duan Yulong: **自動運転の概念は現在非常に人気がありますが、なぜ何年も経った今でも自動運転車は実現せず、紙の上か閉鎖された試験道路でのみ実現しているのでしょうか?

**Li Huiyun: **かなり速いペースで発展していると思います。自動車交通、道路、通信などあらゆる面をカバーする複雑なシステム工学技術として、急速に発展しています。

実際、今回の流行の間、私たちの無人車両が防疫物資を含む物資の配布や一部の人員の輸送に携わっているというニュースを聞いたことがあるかもしれません。皆さんが知らないかもしれないのは、無人の採掘トラックが稼働しているということです。実際、特定の分野では、それは徐々に私たち人間の生活に入り込んできています。

**Duan Yulong: **しかし、私たちのような一般の人々が、仕事の行き帰りや子どもを迎えに行くのに自動運転車を運転できるようになるのはいつでしょうか?これらのタスクを完了するのに「ドライブ」という言葉を使う必要すらありませんか?

**Li Shengbo: **実のところ、これは非常に複雑な問題です。メディアが自動運転車について語るとき、一般的には運転手や人間に取って代わることについて語っています。これは非常に理想的な目標です。しかし、現時点では、このような純粋な無人運転技術には解決が難しいボトルネックや問題がまだ多く残っています。知性の観点から見ると、生物としての人間は単一の細胞から始まりました。私たちは、およそ40〜50億年かけて、単細胞の下等生物、多細胞の下等生物、魚類、爬虫類、哺乳類へと進化し、最終的に人間へと進化しました。この過程で、私たちの知性も絶えず進化しています。人間は、私たちが知る限り、地球上で最も複雑で知的な生命体です。私たちの脳には約 800 億個のニューロンがあり、この生命体だけが真の運転が可能です。現在、当社の自動運転技術に使用されている機械ニューラルネットワークは、およそ数千万から数億のニューロンで構成されています。生物で例えるならカエルレベルでしょう。

**Duan Yulong: **現在の無人運転技術は、カエルが車を運転するのと同じだということですか?

**Li Shengbo: **はい。当社の科学者は、自動運転車やスマートカーを L1 から L5 までの 5 つのレベルに分類しています。レベルが高ければ高いほど、知能も高くなります。 **自動運転は実際にはL5レベルの自動運転を指しますが、これは実現が比較的困難です。

L5自動運転コンセプトマップ

レベル L1 は、ドライバーによるハンドル操作やアクセルおよびブレーキの踏み込みを自動的に支援できる運転支援システムです。レベル L2 はレベル L1 の拡張バージョンです。ハンドルを操作しながら、アクセルとブレーキを同時に踏むことができます。ただし、その動作条件は、一般的に、歩行者や自転車が存在せず、自動車のみが通行する高速道路などのより単純な道路シーンに限定されます。レベル L3 とレベル L4 は、レベル L2 をベースにした拡張バージョンです。交通参加者が多く、複雑さが増す道路シナリオに突入します。

L3-L4 と L1-L2 の違いは、安全事故の責任者が異なることにあります。現行の規制では、L1-L2レベルで事故が発生した場合、ドライバー支援型の自動運転であるため、ドライバーが責任を負うことになります。 L3-L4レベル、より正確にはL4レベルで事故が発生した場合、システムが責任を負うことになります。ここから事態は本当に複雑になります。システムのセキュリティが人間のセキュリティほど高くない場合、システムの保険料は人間の保険料よりも高くなります。さらに、このシステムでは事故の責任者を特定するのが比較的複雑です。そのため、商業運用に入った自動運転車は、基本的にはまだL1～L2レベルに留まっています。 L2 から L3 への飛躍があります。

**Duan Yulong: **私たちは長年にわたり自動運転のレベル 1 とレベル 2 を達成してきましたが、なぜレベル 3 へのギャップを埋めることができないのでしょうか?先ほどおっしゃった責任の決定以外に、技術的な課題に直面したことはありますか?この課題はどのように解決すべきでしょうか?

李慧雲：李教授は先ほど、アルゴリズムの計算能力の点では、自動運転は現在、人間の運転とは大きく異なると述べました。人間の手、足、目、脳に代わる自動運転という観点から見ると、手と足のブレーキの性能は満足できるものの、知覚から意思決定、計画、位置決めまでの他の主要な技術的側面の性能は不十分です。

車載センサーの概略図

2つの例を挙げてみましょう。知覚の部分では、LiDAR 派と視覚派の間の論争について聞いたことがあるかもしれませんが、もちろんマルチセンサー融合についても話があります。しかし、今起こっている事故はすべてこの段階で起こっているのです。しかし、多くのセンサーを追加し、多くのテストケースがある場合、これをうまく実行できるかどうかはわかりません。これはその後の計画、意思決定、人工知能の開発に関係するため、相互に関連した問題です。

次に、位置特定部分については、香港理工大学と協力しています。香港は典型的な都会の峡谷です。トンネルでも高層ビルでも、そこで発生する多重反射によって、GNSS（全地球測位システム）に数十メートルの誤差が生じ、航行が不可能になることがよくあります。もちろん、特定の衛星を選択したり、較正時に事前の知識を追加したりするなどの技術的な手段を使用することで、現時点で私たちができる最善のことは、誤差を 10 メートル以上に減らすことです。したがって、高精度の地図がセンチメートルレベルに到達できるようになったとしても、測位にまだ 10 メートル以上の誤差がある場合、これは明らかにまだ受け入れられません。これは、L3-L4 レベルがまだ商用基準に達していない理由も説明しています。

**Duan Yulong: **この問題は次にどのように解決すべきでしょうか?最近の人工知能、ビッグデータ、クラウドコンピューティングの進歩は、自動運転車技術の向上にどの程度貢献できるのでしょうか?

李勝波：自動運転がその機能を実現するには、人間のように動作する必要があります。まず、周囲の環境を観察する目が必要です。第二に、判断や決断をするためには脳を使う必要があります。最後に、ハンドル操作、アクセルの踏み込み、ブレーキなどのタスクを完了するには、手足にコマンドを出力する必要があります。自動運転車のシステム全体はアルゴリズムによって完成しますが、アルゴリズムは 2 つの点に頼る必要があります。まず、それをサポートするための計算能力またはコンピューターが必要であり、次に、それをトレーニングするためのデータが必要です。つまり、自動運転は人工知能に似ており、アルゴリズム、データ、計算能力が 3 つの基本的な柱となっています。現在、当社の計算能力は高レベルのアルゴリズムの要件を満たすことができません。理由は簡単です。車内にサーバーが搭載されたとしても、それがサポートできるニューラルネットワークは数十億個のニューロン規模にすぎません。人間の脳はわずか 8 ～ 10 ワット程度の電力しか使用しませんが、800 億個のニューロンを動作させることができ、各ニューロンのパフォーマンスは機械よりもはるかに優れています。したがって、この例えによれば、私たちの計算能力はまだ十分ではありません。

ディープ ニューラル ネットワーク (DNN) の概略図。人間の脳と同様に機能し、受信したデータを相互接続されたニューロンの層に渡して処理します。

次はアルゴリズムです。現在主流のアルゴリズムはディープラーニングです。将来的にはディープニューラルネットワークがより主流の自動運転アルゴリズムになる可能性があると考えています。現時点では、その解釈可能性の低さや、安全性が効果的に保証されない可能性があることに疑問を抱く人も多くいます。しかし、人間もまた、ニューラルネットワークで構成された知的な存在です。それは人間の脳が必然的に説明可能であることを意味するのでしょうか?必ずしも正確な判断ができるとは限りません。したがって、アルゴリズムのセキュリティが十分に優れている限り、その有効性を信頼することができます。ネットワーク自体が説明可能かどうか、十分なセキュリティ保証があるかどうかについては、結果に基づいて判断する必要があります。

**Li Huiyun: **ニューラル ネットワークが急速に発展していることには私も同意します。自動運転の認識や人間と機械の共同運転の音声認識など、多くの分野で活躍できます。しかし、現在のディープラーニングにはまだ欠けている部分があると思います。それは、推論、帰納、演繹、類推などの人間の能力が備わっていないことです。これらの能力がカエルと人間の大きな違いです。カエルから人間への移行を望むなら、数学と人工知能の分野で大きな進歩がまだ必要だと思います。

しかし、有効性を検討する必要があることにも同意します。現在、有効性を検討するための一般的なアプローチは、製品の運用設計ドメイン (ODD)** を明確に分割することです。 **例えば、低速の状況では、速度と道路モデルが指定され、選択されたルートがあり、これは乗客、オペレーター、情報通信プロバイダーによって共同で確認されます。このような領域では、当社のソリューションに従って、感知、意思決定、制御、実行、障害物回避、緊急停止などの機能を完成させることができれば、その領域で製品をうまく機能させることができるでしょう。

思考ディナー

完了: 30% /// / / / /// / ********

なぜデータは新たな石油なのでしょうか?

**Duan Yulong: **先ほど、データが自動運転の 3 つの基本的な柱の 1 つであるとおっしゃいました。データの収集、使用、分析はすべて非常に重要です。データについてどう思いますか?

**Li Shengbo: **今やデータは、新時代の石油のような基本的な生産手段となっています。特に自動運転の分野ではその重要性は明らかです。私たちは毎日車を運転するときに大量のデータを生成しますが、このデータがどこに存在し、どのように使用するかが非常に重要な問題です。

人間のドライバーは、強化学習プロセスに似た知能を向上させる手段です。自動運転に用いられる強化学習の原理とは、仮想データまたは実データを継続的に蓄積し、そのデータを用いて認識アルゴリズム、計算アルゴリズム、制御アルゴリズムをトレーニングし、アルゴリズムのパフォーマンスを向上させて、自動運転を低レベルから高レベルへと徐々に移行させることを指します。

李勝波教授

典型的な解決策が我が国の科学者によって提案されました。車に搭載された計算能力は比較的小さいか、車上で実行できるアルゴリズムの規模が限られているため、計算のために計算能力の一部を路側やクラウド サーバーに移動させる方が適切です。私たちはこれをクラウド制御運転、あるいは道路と車両の協調によるインテリジェント運転と呼んでいます。これはまったく新しいコンセプトです。このソリューションにより、計算能力の不足や自転車データの蓄積不足といった問題を解決できる可能性があります。

近い将来、車両データのほとんどがクラウド内の「頭脳」に蓄積されれば、この「頭脳」は自己学習、自己更新、自己進化できるようになるでしょう。例えば、北京に200万台のコネクテッドカーがあれば、 200万台のドライバーが収集したデータから同時に学習して自己学習とアップデートを行い、独自の知能の進化を実現することができ、自動運転アルゴリズムの進化が加速する可能性があります。つまり、データはコンピューティング能力の進化を促進できる基本的な生産性なのです。

**Duan Yulong: **最近、自動運転車のデータの出所が注目されています。例えば、ある企業はLIDARは絶対に使わず、視覚レーダーのみを使うことを強調していますが、メーカーによってはLIDARの方が効率的だと考えているところもあります。どう思いますか？

**Li Huiyun: **これは段階的に、目標に応じて見ていく必要があります。同社の当初の目的は運転支援を提供することだった。低コストで商品化したいのであれば、ビジュアルソリューションを採用することが間違いなく目標を達成する方法です。現在、ほとんどの新車メーカーはより高度な自動運転の実現を目指しており、ほとんどのシナリオで LiDAR は不可欠です。深い情報が含まれているため、ターゲット検出、さらには位置決めやマッピングにおいても視覚に代わるものはありません。目標が L3-L4 レベルに到達することであれば、両者の目標は最終的に同じ目標、つまりマルチセンサー融合を達成することになります。

**Duan Yulong: **結局のところ、自動運転関連のシステムを搭載できる道路上の車の数は限られています。自動運転システム全体のアップグレードをサポートするデータを取得するには、これらの車両だけに頼るだけで十分でしょうか?

**Li Huiyun: **つまり、将来的には、車と道路の連携が不可欠になるでしょう。単一車両の知能には限界があるため、各車両がセンサーとコンピューティング リソースの累積的な数と種類に依存すると、コストが非常に高くなります。また、前方の車線を走行する車両や右折時の道路障害物によって生じる「ゴーストピーキング」現象など、物理的な制限もいくつかあります。車道連携方式により、単一車両知能の限界によって引き起こされる問題を低コストで解決できることは明らかです。

車と道路の連携の模式図

別の観点から見ると、自転車 1 台の知能だけでは、データ収集を効果的に完了して都市全体の渋滞を解決することはできません。なぜなら、速度や乗り心地などを考慮すると、 1台の車両の最適化は必然的に複数の車両間の競争につながり、ゲーム性を生み出すからです。全体的な効果を達成したいのであれば、都市交通を考慮する必要があり、その場合、車と道路の連携が自然に導入されます。この観点から、路側センサー、コンピューティング能力、モビリティ能力の支援により、事故件数、平均移動速度、快適性など、自動運転時代の交通全体が最適化されます。

**Li Shengbo: **現在、自動運転には、単一車両インテリジェンスと車両・道路・クラウド連携という 2 つの異なる方向性があります。自転車の知能化は、より速く、より機敏に、よりエネルギー効率よく、より効率的にといった、誰もが自分自身の知能を追求することと同じです。運転中、1 台の車両が A 地点から B 地点までできるだけ早く移動するために、頻繁に追い越しや車線変更を行う場合があります。しかし、これは潜在的に他の人々に影響を与える可能性があるため、世界的な制限があります。車両・道路・クラウドの連携は、パフォーマンスを向上させ、都市の渋滞や交通効率の向上などの世界的な問題を解決する方法をすべての人に伝える神の視点を持つことに相当します。

自動運転に必要なデータ量については現時点で統一基準はないが、一部の研究機関は、人間レベルに達する自動運転には100億キロメートル以上のデータの蓄積が必要になると予測している。これは、ドライバーが 7,000 年間、1 日 24 時間運転し続けるのに相当します。そのため、道路データのみを蓄積するだけではこの規模に到達することは困難です。

現在、この問題には 2 つの解決策があります。 1 つ目は、複数の車両を利用してデータを蓄積し、戦略をトレーニングし、参加者が共通で使用できるように共有することです。 2 つ目のアイデアは、実際の車両データを使用することに加えて、シミュレーション ソフトウェアを使用して運転プロセスをシミュレートし、仮想データを蓄積するというものです。多くの大学や企業が自動運転ソフトウェアの開発に取り組んでおり、仮想ドライバーが運転できるようにしています。このように、仮想ソフトウェアを使用して車を 1 時間運転することは、実際に車を 1 日、1 週間、または 1 か月間運転することと同じです。

思考ディナー

完了: 60% ///****// /**********//// **

州には独自の法律があり、車にも独自のルールがある

**Duan Yulong: **個々のデータの蓄積に頼ることはできないので、全員が互いに調整し、協力する必要があり、そのためにはルールが必要です。自動運転に関して、国内外の規制の進捗状況はいかがでしょうか？

**Li Huiyun: **この問題はかなり複雑です。従来の燃料自動車と新エネルギー自動車は交通手段の一種です。これらのテストおよび標準システムは、主に電力システム、耐久性、快適性、燃費、排出量、エネルギー消費、騒音などに関係しています。**今日のスマートコネクテッドカーは、輸送手段であるだけでなく、大規模なモバイル端末データスペースとコンピューティングプラットフォームでもあります。 **このプロセスでは、ソフトウェア定義車、ソフトウェア機能安全性とOTAアップグレード、通信と情報セキュリティ、その他の種類のソフトウェアとハ​​ードウェアを含むソフトウェアを導入しました。このような場合には、テスト、入国基準、規制システムもそれに応じて変更する必要があります。

研究者 李慧雲

現在、国内外でそのための取り組みが進められています。 7月にISO（国際標準化機構）は低速自動運転車向けの国際規格「ISO 22737」を発表した。国内の自動車規格委員会でも規格策定を進めています。用語の定義は完了しており、今後2年以内に公開される予定だと聞いています。内容には、機能、コンポーネント、通信などの面での安全仕様が含まれます。規範のサポートがあって初めて、すべての関係者が投資し、責任と権利を制限する努力をすることができるため、私たちは皆、国内標準システムの実装を期待しています。

**李勝波：**我が国もこの点に関していくつかの計画と取り決めを持っています。私たちの標準化組織は、普遍的なデータ プラットフォームを構築したいと考えています。一方では、収集したデータを公開プラットフォームに保存することを望み、他方では、分析プロセス中にデータ形式の統一性を確保することを望んでいます。したがって、この標準は非常に重要です。

**ドゥアン・ユロン: **国家経済と国民生活に関わるデータは、国民全体が所有しなければなりません。

**Li Shengbo: **公有制という概念は良いものであり、こうあるべきです。

思考ディナー

完了: 70% /// /// / ****///********

自動運転を信頼できるでしょうか？

**Duan Yulong: **現時点では自動運転車の商用利用を制限する多くの困難がありますが、人類の技術の発展のスピードと特定のノードの登場は私たちの想像を超えるものになることは誰もが知っています。自動運転車が数年後に実現すると仮定すると、それは本当に私たちが想像するほど優れたものになるのでしょうか? 2018年、試験中の自動運転車が歩行者に衝突し死亡させる事故が発生した。自動運転車の特定の用途で生じる安全性の問題について、お二人の先生はどのようにお考えですか?

**Li Huiyun: **我が国の産業発展においては、いくつかの画期的な進歩があったと言えると思います。例えば、基本的には自動運転が実現できる飛行機や地下鉄などでは、関係者全員で確認した限定的な運行エリアを区切るという従来型の計画があります。許可なく変更が行われない限り、何か問題が発生した場合に各当事者の責任をより明確に決定できます。この考えは正しくないかもしれないが、法律、心理学、政府の各部門の共同の取り組みが必要である。

**Li Shengbo: **事故が発生した場合に誰が責任を負うのかというあなたの質問は、今日の自動運転の開発が直面している重要な問題です。スマートカーの分類については以前説明しましたが、その中でL1-L2は運転支援システムとして位置付けられています。これは、ドライバーを支援するだけでなく、特定の自動運転機能も実行できることを意味します。しかし、何か問題が発生した場合、ドライバーが責任を負うことになります。これが私たちのプロジェクトにおける解決策です。

オートパイロットは、車線内での車両のステアリング、加速、ブレーキングを自動的に支援できますが、ドライバーは依然として車両を積極的に監視する必要があります。この車両はまだ完全な自動運転を実現していない。

**Duan Yulong: **ある会社の車は過去に自動運転モードでの事故が多発していますが、あなたが共有した知識によると、そのような事故の責任は車の運転手にあるのでしょうか?

Li Shengbo **: **はい、その位置付けは単なる運転支援システムだからです。機能設計にはいくつかの要件があります。例えば、自動運転システムをオンにした後は、ハンドルから手を離すことはできません。さらに、このシステムを使用するときは、緊急事態が発生した場合に車両を制御できるように、目を前方に向けて脳で考えておく必要があります。

ただし、L3-L4の場合は難易度が比較的高くなります。 L3-L4 レベルの要件では、事故が発生したときにシステムが起動していない場合、責任は人にあります。システムが起動されている場合、責任はシステムにあります。具体的にどこが難しいのでしょうか?私は今でも経済学に従って計算しています。人間は、100万キロメートル走行するごとに3～5回の事故に遭う可能性があります。これは人間のドライバーの平均的なレベルであり、その割合は国によって異なります。事故の件数によって保険料の額が決まります。事故件数が多ければ保険料も高くなります。保険料を抑えたいなら、保障を強化する必要があります。したがって、真の高度な自動運転の核心的な課題は、人間と自動運転システムの両方を保険でカバーできる場合、保険料を低く抑えるためには、システムが人間よりも安全でなければならないということです。現在、ほとんどの学者、研究者、エンジニアは依然として、より重大な技術問題の解決に主に焦点を当てています。しかし、長期的には、それは哲学的、社会学的、法的、規制上の問題となるでしょう。

**Duan Yulong: **自動運転車はすでにいくつかの憂慮すべき問題に直面しています。例えば、ある会社のスマートカーが悲惨な交通事故に巻き込まれました。事故の原因は、前方を走行していたトラックの車体に吹き付けられた青空と白い雲の映像を、実際の青空と白い雲と誤認し、直進して事故を起こしたため。運転手はその場で死亡した。これは人々を非常に不安にさせ、怖がらせますが、人々はこの恐怖を克服できると思いますか?

**李慧雲:** 大丈夫だと思います。私自身、飛行機や地下鉄などのインテリジェントでコンピューター化された共有の公共交通機関に大きな信頼を寄せており、スマートなコネクテッドカーがもたらす利便性にすぐに適応できると信じています。

李勝波氏：私の個人的な判断では、自動運転が最終的に一般大衆に本当に受け入れられるかどうかは、その安全性や事故件数にかかっています。事故件数を人間と同程度まで減らすことができれば、このシステムも受け入れられるはずです。

**Duan Yulong: **将来的には、タクシー、地下鉄、さらには飛行機も自動運転になるでしょう。では、運転手など運輸業界で働く人たちはどうなるのでしょうか?これらの人々の問題をどのように解決できると思いますか?

李慧雲：社会の発展は、より多くのキャリア空間と方法を提供することができます。 **商品を販売するためのライブストリーミングなど、現在見られる職業の多くは、過去の人には想像もできなかったかもしれません。したがって、社会が進歩するにつれて、いくつかの職業は消滅しますが、必然的にパーソナライズされた職業はますます増えるでしょう。私はまだかなり楽観的です。

**李勝波：**あらゆる産業の発展において、変化と変革は一瞬で達成できるものではありません。これは、30年から40年、あるいはそれ以上かかる可能性のある、長くて緩やかな置き換えプロセスであり、2世代または3世代にわたる問題になる可能性があります。このプロセスでは、もともと置き換えられた仕事には、他の出口が生まれます。李教授が先ほどおっしゃったように、新たな仕事も生まれ、新たな分野に人々が集まるでしょう。

**Duan Yulong: **私たちが生きている間に、完全な自動運転が実現すると思いますか?

**Li Shengbo: **私は楽観主義者なので、生きているうちにそれを見ることができるほど幸運だと思っています。

思考ディナー

完了: 90% /// /// // /****/

自動運転の進歩を妨げている他の問題は何ですか?

**Duan Yulong: **最後の質問ですが、あなたの意見では、短期的には自動運転車の大規模な商用利用を制限する他の問題は何でしょうか?

李慧雲：一例を挙げましょう。誰もが、車と道路の連携は非常に良い発展方向であり、自動運転車の知能化のさまざまな欠点をうまく補うことができると考えています。しかし、道路と車の連携によってもたらされるコストの問題はすでに私たちの前に提示されています。私の友人がスマートロードプロジェクトに取り組んでいたとき、株主が彼に非常に現実的な質問をしました。プロジェクト費用が1キロメートルあたり1億元から現在1億2千万元、さらには1億5千万元に増加しているが、どうすれば追加費用を回収できるのか？それは通過するすべての車両が負担するのか、それとも通過する自動運転車両が負担するのか?自動運転車両を追い越す場合、料金はどのように請求されますか?この質問は皆を困惑させた。したがって、ビジネスモデル、コスト、政府組織モデルの観点からこの問題を解決するために、私たちは引き続き協力する必要があります。

**Li Shengbo: **実際、さまざまな技術的ソリューション間でコストを比較することは可能です。例えば、先ほど申し上げた車両単体の知能化と車両・道路・クラウドの協調知能化については、どちらがコストが低いのか、どちらが自動運転の効果が高いのか、こうした問題にはいずれも経済的な考慮要素があります。経済に加えて、いくつかの周辺的な問題によっても課題が生じています。車がインテリジェント化するにつれて、コネクテッドテクノロジーが導入され、車と外界とのインターフェースの数が増えます。かつて、自動車は閉鎖的なシステムであり、部外者が自動車を操作したり、追加情報を入力したりすることは容易ではありませんでした。しかし、車両のインターネットとさまざまな外部センサーを使用すると、より多くの情報を送信できるようになります。この観点からすると、自動運転車が公道に導入されるには、まだ解決すべき周辺的な問題がいくつか残っており、それが自動運転車が本当に普及して公道に導入されるかどうかを制限することになるだろう。

**Duan Yulong: **今日私たちは、将来の自動運転車の美しい姿を描き出すためにここに集まりました。この絵が実現すれば、社会全体のライフスタイルと各個人の生活環境は大きく革命的に改善されるだろうと私は信じています。私たちも、遅かれ早かれこの日が来ると信じています。

そこには合理性も真実もありません。この合理的なパーティーはここで終わります。改めまして、ご来場いただいた両先生方、そしてご視聴いただいた視聴者の皆様、ありがとうございました！

原題：「自動運転はカエルが車を運転するのと同等か？カエルが人間に進化するにはあとどれだけの努力が必要か | ラショナル・パーティー シーズン 3

出典: Gezhi Lundao Forum