0:00:00.560,0:00:04.517
1885年，卡爾·賓士發明汽車。

0:00:04.707,0:00:08.469
那年底，[br]他開著那台車做了第一次公開試駕，

0:00:08.469,0:00:11.844
結果，撞毀了。

0:00:12.184,0:00:14.227
過去 130 年來，

0:00:14.227,0:00:18.546
我們一直致力於改進[br]車裡最不可靠的部分，駕駛。

0:00:18.546,0:00:19.900
我們讓車子更堅固。

0:00:20.200,0:00:22.748
我們加上安全帶和安全氣囊，

0:00:22.748,0:00:26.719
過去十年，[br]我們想辦法讓車子變得更聰明

0:00:26.719,0:00:29.657
來修正駕駛這個問題。

0:00:29.657,0:00:32.918
現在，我要告訴你

0:00:32.918,0:00:36.726
使用駕駛輔助系統來修正這問題，[br]

0:00:36.726,0:00:39.290
和完全自動化駕駛其中的差異

0:00:39.290,0:00:41.170
以及在世界上所產生的影響。

0:00:41.170,0:00:44.165
我也將告訴你[br]關於我們車子的一些細節

0:00:44.165,0:00:48.164
讓你可以了解它所看到的世界[br]以及如何對外界做出反應，

0:00:48.164,0:00:51.351
首先我先來探討一個問題。

0:00:51.651,0:00:53.299
是一個大問題：

0:00:53.299,0:00:56.388
全世界每年有 120 萬人[br]死於交通事故。

0:00:56.388,0:01:00.172
僅僅美國，[br]每年就佔了 33,000 人。

0:01:00.172,0:01:02.200
依此數據與飛機事故比較，

0:01:02.200,0:01:06.997
等於每個上班日，[br]都有一台 737 從空中掉下。

0:01:07.342,0:01:09.128
有點讓人無法置信。

0:01:09.548,0:01:11.846
車輛以這種模式賣給我們，

0:01:11.846,0:01:14.563
但實際上，[br]這才是我們開車所遇到的狀況，

0:01:14.563,0:01:16.722
對吧？不是晴天，而是雨天，

0:01:16.722,0:01:19.210
除了開車外你還想要做其他事。

0:01:19.210,0:01:20.832
就是這個原因：

0:01:20.832,0:01:22.690
交通變得更糟糕了。

0:01:22.690,0:01:26.196
在美國，1990 年到 2010 年間，

0:01:26.196,0:01:29.700
汽車行駛哩程數增加百分之三十八，

0:01:30.213,0:01:32.962
但是道路只增加百分之六，

0:01:32.962,0:01:34.564
所以不是錯覺。

0:01:34.564,0:01:38.840
跟幾年前比起來[br]交通其實是變差。

0:01:38.840,0:01:41.249
所有這一切都代表大量的人力成本。

0:01:41.529,0:01:45.477
以美國平均通勤時間來看，[br]大約 50 分鐘，

0:01:45.477,0:01:49.126
乘以目前約一億兩千萬工作人口，

0:01:49.126,0:01:51.351
將會是六十億分鐘的時間

0:01:51.351,0:01:53.377
浪費在每天的通勤上。

0:01:53.377,0:01:56.204
這是個很大的數值，[br]這個數據，相當於

0:01:56.204,0:01:57.978
把六十億分鐘的時間

0:01:57.978,0:02:01.762
除以一般人的平均壽命，

0:02:01.762,0:02:04.897
將會是 162 個人一生的時間

0:02:04.897,0:02:07.822
每天浪費在這交通上面，

0:02:07.822,0:02:09.866
只是要從 Ａ 點移動到 B 點。

0:02:09.866,0:02:11.596
讓人無法置信。

0:02:11.596,0:02:14.440
而且，有些在交通上

0:02:14.440,0:02:16.112
弱勢的人，

0:02:16.112,0:02:17.690
這是史蒂夫。

0:02:17.690,0:02:19.455
一個非常有才能力的人，

0:02:19.455,0:02:21.971
但是他卻是眼睛失明，

0:02:21.971,0:02:25.188
他不是每天早上[br]花 30 分鐘開車上班，

0:02:25.188,0:02:29.167
而是要痛苦的花兩個時[br]轉搭大眾運輸工具

0:02:29.167,0:02:31.552
或請求朋友或親人接送。

0:02:31.552,0:02:35.221
他無法像你我一樣[br]有到處走動的自由。

0:02:35.221,0:02:37.681
我們應該做一些事情。

0:02:37.891,0:02:39.648
在現在傳統的思慮會提到

0:02:39.648,0:02:42.140
我們可以使用一些駕駛輔助系統

0:02:42.140,0:02:45.890
我們則持續的推動及改善整個系統，

0:02:45.890,0:02:48.432
隨著時間演進，[br]轉變為自動駕駛系統。

0:02:48.432,0:02:50.841
在這我要告訴你們就像我所說的

0:02:50.841,0:02:54.898
如果我可以很努力的跳躍，[br]有一天我可以飛上天

0:02:54.898,0:02:57.626
我們確實需要[br]用一些不同的方式去做事情。

0:02:57.626,0:03:00.337
我將告訴你[br]在自動駕駛系統

0:03:00.337,0:03:03.683
與駕駛輔助系統之間，[br]有三個不同點。

0:03:03.683,0:03:06.334
從我們本身的經驗開始談起。

0:03:06.334,0:03:08.587
2013 年。

0:03:08.587,0:03:11.250
我們第一次做自動駕駛車的測試

0:03:11.250,0:03:13.277
我們讓一般大眾人去開它。

0:03:13.277,0:03:15.479
嗯，幾乎算是 -- [br]他們是 100 位谷歌的員工，

0:03:15.479,0:03:17.482
但他們的工作都不屬於這個專案，

0:03:17.482,0:03:21.103
我們提供車輛[br]並允許在每天的日常生活中使用。

0:03:21.103,0:03:24.822
但這不像是自動駕駛的車，[br]上頭有一個大大的星號在車上，

0:03:24.822,0:03:26.326
他們必須集中注意力開車，

0:03:26.326,0:03:28.959
因為這些只是實驗車輛。

0:03:28.959,0:03:32.484
我們測試很多，[br]但仍有失敗狀況發生。

0:03:32.484,0:03:34.543
所以我們給車主 2 個小時的訓練，

0:03:34.543,0:03:36.635
再讓他們進入車內使用它，

0:03:36.635,0:03:38.762
我們所收到的回覆讓人感到驚訝，

0:03:38.762,0:03:41.286
當一個新產品嘗試進入這個世界。

0:03:41.286,0:03:43.211
每一個人都跟我們說他們愛上了它。

0:03:43.211,0:03:46.777
事實上，第一天有一個[br]開保時捷的駕駛跟我們說，

0:03:46.777,0:03:49.440
「這完全是件愚蠢的事情，[br]不知道我們在想些什麼？」

0:03:49.850,0:03:52.690
但是在他測試結束後，他說[br]「不該只有我可以使用它，

0:03:52.690,0:03:55.865
每個人都該使用它，[br]因為許多人都是個糟糕的駕駛。」

0:03:57.135,0:03:58.870
這對我們來說有很大的鼓勵，

0:03:58.870,0:04:02.673
然後我們開始研究[br]人們在車裡做些什麼，

0:04:02.673,0:04:04.252
真讓人大開眼界。

0:04:04.252,0:04:06.690
我最喜歡的故事裡有一位男士

0:04:06.690,0:04:10.519
他低頭看手機[br]發現電池快沒電了，

0:04:10.519,0:04:15.067
然後在車裡像這樣轉過身來，[br]並且在背包裡找尋東西，

0:04:15.067,0:04:17.220
拿出一台筆記型電腦，

0:04:17.220,0:04:18.787
放在前座，

0:04:18.787,0:04:20.551
再回頭一次，

0:04:20.551,0:04:23.918
繼續搜尋，拿出手機的充電線，

0:04:23.918,0:04:27.285
轉身回來，[br]把電源線接上筆電跟手機。

0:04:27.285,0:04:29.328
當然他的手機已經開始充電了。

0:04:29.328,0:04:33.322
同時他以 65 英哩的速度[br]在高速公路上行駛。

0:04:33.322,0:04:35.806
讓人無法置信。

0:04:35.806,0:04:38.927
我們思考這整件事情，[br]有明顯的結論

0:04:38.927,0:04:41.190
有更好的科技輔助，

0:04:41.190,0:04:43.311
駕駛就越不可靠。

0:04:43.311,0:04:45.707
若只讓車子變得更聰明，

0:04:45.707,0:04:48.609
那就和我們希望達到的結果不同。

0:04:48.609,0:04:52.510
讓我來談論有關技術的部分。

0:04:52.510,0:04:54.948
我們來看這圖型，底部的部分，

0:04:54.948,0:04:57.999
是在不該踩煞車的情況下[br]卻踩煞車的頻率，

0:04:57.999,0:04:59.620
你可以忽略大部分的 X 軸，

0:04:59.620,0:05:03.339
因為如果在你開車到鎮上的路程中，[br]隨時煞車的話，

0:05:03.339,0:05:05.040
你將不會買這部車。

0:05:05.040,0:05:08.415
從垂直軸上[br]可以看到當車輛踩煞車後

0:05:08.415,0:05:11.464
可以幫助你避免意外的頻率。

0:05:11.464,0:05:13.685
現在，我們看到左下角這個點，

0:05:13.685,0:05:15.530
這是我們一般的車輛。

0:05:15.530,0:05:18.663
他不會幫忙煞車[br]傻傻的也不會幫忙任何事，

0:05:18.663,0:05:21.442
當然也無法幫你避免意外。

0:05:21.442,0:05:24.460
現在，[br]如果我們想要引進駕駛輔助系統，

0:05:24.460,0:05:26.288
如碰撞減輕煞車系統。

0:05:26.288,0:05:28.900
我們將在這上面導入一些技術方案，

0:05:28.900,0:05:32.318
由這個曲線得知，[br]這系統可以發揮一些功效，

0:05:32.318,0:05:34.808
但仍不可能避免所有的意外，

0:05:34.808,0:05:36.867
因為尚未有足夠的能力。

0:05:36.867,0:05:39.116
但我們可以在這個曲線中挑一點，

0:05:39.116,0:05:42.370
它也許就足夠避免掉一半[br]人為疏失所造成的意外，

0:05:42.370,0:05:43.667
非常神奇，對吧？

0:05:43.667,0:05:46.394
我們改變一、兩個因素[br]就可以把路上的意外事故減少一半。

0:05:46.394,0:05:50.381
在美國每年有接近 一萬七千人[br]死於交通事故。

0:05:50.381,0:05:52.401
但如果我們想要有自動駕駛車輛，

0:05:52.401,0:05:54.708
我們需要像這條的技術曲線。

0:05:54.708,0:05:57.307
需要將更多的感測器放在車上，

0:05:57.307,0:05:59.328
將功能調整在曲線上這一點

0:05:59.328,0:06:01.347
基本上這點不會導致車禍發生。

0:06:01.347,0:06:03.790
就算是有，也是個很低的機率。

0:06:03.790,0:06:06.251
當然你可以跟我辯論這一部分

0:06:06.251,0:06:09.856
曲線是否有增量性，我只能說[br]有些事情就像「80-20 法則」，

0:06:09.856,0:06:12.424
向上移動成為一個新的曲線[br]是非常困難的。

0:06:12.424,0:06:15.358
我們暫時由另一個方向來看這件事。

0:06:15.358,0:06:18.870
可以發現科技[br]做正出確的判斷有多高。

0:06:18.870,0:06:22.376
這條綠線代表的是駕駛輔助系統。

0:06:22.376,0:06:24.861
結果說明了一般駕駛

0:06:24.861,0:06:27.508
的錯誤行為而導致意外發生

0:06:27.508,0:06:30.680
在美國約每十萬英哩發生一次。

0:06:30.680,0:06:33.847
相對的，自動駕駛系統做出決定

0:06:33.847,0:06:37.510
每秒大約 10 次，

0:06:37.510,0:06:38.932
在這個數量級，

0:06:38.932,0:06:41.764
大約每英哩 1,000 次。

0:06:41.764,0:06:44.249
所以如果你比較這兩個的距離，

0:06:44.249,0:06:46.849
大約是 10 的 8 次方，對吧？

0:06:46.849,0:06:48.614
8 次方的數量級。

0:06:48.614,0:06:51.423
這個對比有點像是[br]以我跑步的速度

0:06:51.423,0:06:53.629
與光速作比較。

0:06:53.629,0:06:57.414
所以不管我如何努力訓練，[br]都不可能實際達到那個程度。

0:06:57.414,0:06:59.852
他們之間有一個很大的差距。

0:06:59.852,0:07:03.581
最後的部分，[br]這個系統可以處理一些突發狀況。

0:07:03.581,0:07:06.904
這個人有可能是走在馬路上，[br]也有可能不是。

0:07:06.904,0:07:10.299
我不能預測，[br]我們的演算法也無法預測，

0:07:10.310,0:07:12.594
但是駕駛輔助系統在這情況下，

0:07:12.594,0:07:15.400
無法採取任何行動，

0:07:15.400,0:07:18.739
如果無預期的踩煞車[br]是完全無法被接受的。

0:07:18.739,0:07:21.872
當自動駕駛系統發現這位行人會說，

0:07:21.872,0:07:23.762
我不知道他們打算做什麼，

0:07:23.762,0:07:27.524
減慢速度，仔細觀察，[br]之後再採取更適當的回應。

0:07:27.524,0:07:31.226
比起駕駛輔助系統它將會更為安全。

0:07:31.226,0:07:33.956
這是兩個不同系統之間的差別。

0:07:33.956,0:07:37.440
我們花點時間來探討[br]車輛所看到的世界。

0:07:37.440,0:07:38.692
這是我們的測試車。

0:07:38.692,0:07:41.130
從理解目前所在的位置開始，

0:07:41.130,0:07:43.917
比對地圖與感應到的訊息，

0:07:43.917,0:07:46.865
然後把當下所看到的訊息[br]再加上另一訊息。

0:07:46.865,0:07:50.520
在裏頭，你所看到的所有紫色方框[br]都是路上的其他車輛，

0:07:50.520,0:07:53.048
旁邊的紅色部分則是自行車，

0:07:53.048,0:07:55.450
如果你仔細看[br]上方較遠處，

0:07:55.450,0:07:57.244
可以看到一些三角錐。

0:07:57.244,0:08:00.017
然後就可以知道車輛當時的位置，

0:08:00.017,0:08:03.850
但是我們需要做得更好：[br]要能夠預測出將會發生的事情，

0:08:03.850,0:08:07.338
右上角有一輛小貨卡[br]將會切換到左邊車道

0:08:07.338,0:08:09.561
因為前方的路段將會關閉，

0:08:09.561,0:08:11.292
所以需要變更車道

0:08:11.292,0:08:13.155
可以預測小貨車的行徑[br]是件很棒的事，

0:08:13.155,0:08:15.634
但我們還需要知道每個人的想法，

0:08:15.634,0:08:18.141
這變成一個非常複雜的問題。

0:08:18.141,0:08:22.890
有了這資訊後，我們便可以[br]推測出當下車輛該如何反應。

0:08:22.890,0:08:26.756
該跟隨哪一條路線，[br]該多快反應減速或加速。

0:08:26.756,0:08:29.821
匯集所有項目後[br]只要跟隨著路線，

0:08:29.821,0:08:33.018
向左或向右轉動方向盤，[br]加速或踩油門。

0:08:33.018,0:08:35.482
只要這兩個數值[br]就可以持續到一天結束。

0:08:35.482,0:08:37.723
所以會有多難呢？

0:08:38.433,0:08:40.385
在 2009 年我們剛開始時，

0:08:40.385,0:08:42.183
我的系統看起來像這樣。

0:08:42.183,0:08:45.574
你可以看到在中心有我們的車輛，[br]路上還有其他小方框，

0:08:45.574,0:08:46.845
行駛在高速公路上。

0:08:46.845,0:08:50.663
這輛測試車需要知道它現在位置[br]以及其他車輛大約位置。

0:08:50.663,0:08:53.092
用幾何方式來理解這個世界。

0:08:53.092,0:08:56.040
當開始行駛在近郊及街道中時，

0:08:56.040,0:08:58.485
這問題又變為更複雜的層次。

0:08:58.485,0:09:01.979
可以看到行人及車輛[br]都會在我們前面穿過，

0:09:01.979,0:09:03.790
往各個方向移動，

0:09:03.790,0:09:05.317
紅綠燈，行人穿越道。

0:09:05.317,0:09:08.114
相對而言[br]這是個相當複雜的問題。

0:09:08.114,0:09:10.217
一旦這問題可以被解決掉，

0:09:10.217,0:09:12.729
車輛就有辦法去處理[br]這建構出來的環境。

0:09:12.729,0:09:15.880
如果左邊有三角錐[br]它就會要求往右邊開，

0:09:15.880,0:09:18.282
當然不只是個封閉的施工環境。

0:09:18.282,0:09:22.005
它也還必須去處理[br]有人走在施工區的路段。

0:09:22.005,0:09:25.268
當然，如果有人違規，警察在場

0:09:25.268,0:09:28.890
車輛必須知道車頂上有閃著燈的車輛

0:09:28.890,0:09:31.995
代表的是警車而不是一般車輛。

0:09:31.995,0:09:34.027
相似的情況下，[br]在路旁的橘色小方框，

0:09:34.027,0:09:35.136
是一輛校車，

0:09:35.136,0:09:37.656
我們也必需對它做出不同的回應。

0:09:38.576,0:09:41.369
當車輛在行駛的時候，[br]有些人會預期，

0:09:41.369,0:09:43.149
當自行車騎士舉起他們的手臂，

0:09:43.149,0:09:46.667
是預期汽車可以注意到他們[br]並且挪出空間

0:09:46.667,0:09:48.720
讓他們可以變換車道。

0:09:49.030,0:09:51.203
當一位警察站在路上，

0:09:51.203,0:09:53.943
測試車輛必須了解要停下來，

0:09:53.943,0:09:57.449
如果手勢指揮通行的話，[br]則要繼續走。

0:09:57.449,0:10:01.210
經由交通工具資料共享[br]我們完成這個成就。

0:10:01.210,0:10:02.906
首先，最原始的模型

0:10:02.906,0:10:05.019
當車輛遇到施工區域，

0:10:05.019,0:10:08.081
讓其他人收到這個訊息[br]然後它會選擇正確的車道

0:10:08.081,0:10:09.651
而避開施工的地方。

0:10:09.651,0:10:12.315
但我們對這狀況有更進一步的了解。

0:10:12.315,0:10:15.324
取得車子所看到的歷史資料，

0:10:15.324,0:10:17.700
數十萬的行人，自行車，

0:10:17.700,0:10:19.487
以及視線內的車輛

0:10:19.487,0:10:21.182
理解他們看起來像什麼

0:10:21.182,0:10:24.013
再用來推斷其他車輛的樣式

0:10:24.013,0:10:25.939
及其他行人的長相。

0:10:25.939,0:10:28.960
最重要的是，[br]我們會依此作為模型

0:10:28.960,0:10:31.290
以及預測他們是如何移動，

0:10:31.290,0:10:34.253
黃色方框指的是[br]一位行人從我們面前穿越。

0:10:34.253,0:10:36.503
藍色方框指的是自行車[br]而且我們預測

0:10:36.503,0:10:39.815
他們將會沿著車輛的右邊前行。[br]。

0:10:40.115,0:10:42.207
這是另一輛自行車從對向而來

0:10:42.207,0:10:45.693
而且我們知道他會沿著道路過來。

0:10:45.693,0:10:47.560
另外有一個人要右轉，

0:10:47.560,0:10:50.920
同時正前方有一個人[br]正準備要迴轉，

0:10:50.920,0:10:53.534
我們可以預測這個行為[br]並安全的反應。

0:10:53.534,0:10:56.262
這些是我們一般常見的好的狀況，

0:10:56.262,0:10:59.127
當然有時也會遇到一些事情

0:10:59.127,0:11:00.358
是之前從不曾遇到過。

0:11:00.358,0:11:02.099
幾個月前，

0:11:02.099,0:11:04.334
測試車輛行經山景城時，

0:11:04.334,0:11:05.978
我們遇到一個狀況。

0:11:05.978,0:11:08.060
一位坐著電動輪椅的女人

0:11:08.060,0:11:10.677
在路上追逐著繞圈圈鴨子。[br]（笑聲）

0:11:10.677,0:11:13.788
在加州管理局中的駕駛手冊中[br]找不到任何說明

0:11:13.788,0:11:16.033
告訴你如何處理以上狀況，

0:11:16.033,0:11:18.176
但是我們測試車輛有辦法處理它。

0:11:18.176,0:11:20.431
減速，安全地行駛而過。

0:11:20.431,0:11:22.472
我們不只是要對付鴨子。

0:11:22.472,0:11:26.180
看到一隻鳥在前方飛越而過[br]車子也對它們做出反應。

0:11:26.180,0:11:27.795
這裡我們正在應付一位自行車騎士

0:11:27.795,0:11:31.085
除了在山景城外[br]你從來無法預期會遇到的。

0:11:31.085,0:11:33.153
當然，我們還得應付一些駕駛，

0:11:33.153,0:11:36.868
甚至是很小事也要處理。

0:11:36.868,0:11:40.999
注意右邊有一個人[br]在我們面前從卡車上跳下來。

0:11:42.460,0:11:45.389
左邊有綠色方框所代表的車輛

0:11:45.389,0:11:48.714
在最後一個的關頭決定右轉。

0:11:48.714,0:11:51.565
當我們決定要變換車道時，[br]左邊的車輛

0:11:51.565,0:11:55.118
也決定要變換車道。

0:11:55.118,0:11:57.811
這邊我們看到一輛車子闖紅燈

0:11:57.811,0:11:59.901
就讓他先過。

0:11:59.901,0:12:03.755
相同的情況，[br]則是另一輛自行車闖紅燈。

0:12:03.755,0:12:06.501
當然測試車輛可以安全地回應。

0:12:06.501,0:12:09.102
有時候人們會在路上[br]做一些無法理解的事

0:12:09.102,0:12:12.925
就像這位仁兄一樣，直接把車輛停在兩輛自動駕駛車之間。

0:12:12.925,0:12:14.970
你就會很想問，「你在想些什麼？」

0:12:14.970,0:12:16.182
（笑聲）

0:12:16.182,0:12:18.703
我剛才描述了許多狀況給大家，

0:12:18.703,0:12:21.353
我將用很快的方式[br]來分析其中一個狀況。

0:12:21.353,0:12:24.293
我們再回到自行車這個例子，

0:12:24.293,0:12:27.784
可以注意到下方這部分，[br]我們還無法真正的看到自行車，

0:12:27.784,0:12:30.288
但是車輛可以：[br]是這個藍色小方框的部分，

0:12:30.288,0:12:32.369
這資訊是由雷射所得來的。

0:12:32.369,0:12:34.787
確實無法很容易去理解，

0:12:34.787,0:12:38.371
我將要做的是轉換雷射資料[br]然後再來看，

0:12:38.371,0:12:41.400
如果你對分析雷射資料很拿手，[br]你將可以看到

0:12:41.400,0:12:42.887
在曲線上面的一些小點，

0:12:42.887,0:12:45.259
就在這上面，[br]上面藍色的小方框就是自行車，

0:12:45.259,0:12:46.408
這時我們是紅燈，

0:12:46.408,0:12:48.600
自行車這邊已經轉變為黃燈，

0:12:48.600,0:12:51.038
如果你斜眼看的話，[br]可以從這張圖案看到。

0:12:51.038,0:12:54.324
這輛我們所看到的自行車，[br]將打算穿越這個路口。

0:12:54.324,0:12:56.718
我們的燈號已經轉為綠燈，[br]他的則是紅燈，

0:12:56.718,0:13:01.010
我們預測這輛自行車[br]將會穿越整個路口。

0:13:01.010,0:13:04.752
不巧的是旁邊的[br]其他司機並未注意到這點。

0:13:04.752,0:13:07.909
他們開始往前移動，[br]不過很幸運的是，

0:13:07.909,0:13:10.920
自行車反應很快地避開，

0:13:10.920,0:13:13.111
而且穿越了路口。

0:13:13.111,0:13:14.679
結束後我們才往前。

0:13:14.679,0:13:17.627
就如你所見的，[br]我們有了一些卓越的進展，

0:13:17.627,0:13:19.529
在這個階段我們很有自信

0:13:19.529,0:13:21.539
這個技術是可以上市的。

0:13:21.539,0:13:26.322
在模擬系統下[br]我們每天做三百萬哩的測試，

0:13:26.322,0:13:29.011
你可以想像我們車輛的豐富經歷。

0:13:29.011,0:13:31.875
我們正設法把這技術[br]用於實際道路上，

0:13:31.875,0:13:34.765
我們認為正確的方向[br]應該是自動駕駛

0:13:34.765,0:13:36.609
而不是駕駛輔助系統

0:13:36.609,0:13:39.230
因為有迫切的需求。

0:13:39.230,0:13:41.623
在我今天演說的同時，

0:13:41.623,0:13:44.758
有 34 個美國人死於交通事故。

0:13:44.758,0:13:47.126
我們可以多快讓它上市？

0:13:47.126,0:13:50.958
嗯，這很難說[br]因為這是一個很複雜的問題，

0:13:50.958,0:13:53.172
這是我兩個兒子。

0:13:53.172,0:13:56.795
大的兒子 11 歲，表示再 4 年半，

0:13:56.795,0:13:59.372
他就可以拿到駕照。

0:13:59.372,0:14:02.576
我跟我的團隊承諾[br]確保不會讓這件事情發生。

0:14:02.576,0:14:04.480
謝謝。

0:14:04.480,0:14:08.147
（笑聲）（掌聲）

0:14:09.110,0:14:11.678
克里斯·安德森：[br]克里斯，我有一個問題。

0:14:11.678,0:14:14.487
克里斯·厄姆森：好。

0:14:14.487,0:14:18.411
克里斯·安德森：[br]的確，你車輛的智慧系統讓人驚訝。

0:14:18.411,0:14:22.870
尤其在輔助駕駛與[br]自動駕駛的辯論中，

0:14:22.870,0:14:25.911
現在有一個真實的辯論就存在那邊。

0:14:25.911,0:14:28.744
有一些公司，如：特斯拉，

0:14:28.744,0:14:30.903
正在研究一些駕駛輔助系統。

0:14:30.903,0:14:36.151
根據你所說的[br]這個發展將會是個死胡同

0:14:36.151,0:14:41.607
因為無法藉由改善輔助系統[br]最後完全取代自動駕駛

0:14:41.607,0:14:45.137
在某一點上，駕駛可能會說，[br]「這感覺到是安全的」，

0:14:45.137,0:14:47.784
然後爬到後座去，[br]一些可怕的事情就可能會發生。

0:14:47.784,0:14:50.460
克里斯·厄姆森： [br]完全正確，現在還無法說

0:14:50.460,0:14:53.997
駕駛輔助系統不具有價值。

0:14:53.997,0:14:56.055
在這段過渡期間[br]它們仍可挽救許多生命，

0:14:56.055,0:14:59.888
但是看到這是一個改變的機會，[br]可以幫助像史蒂夫一樣的人，

0:14:59.888,0:15:01.857
而且最終是個安全的方案，

0:15:01.857,0:15:04.336
去擁有這機會去改變我們的城市

0:15:04.336,0:15:08.540
可以擺脫城市裡一個個的停車場，

0:15:08.540,0:15:09.780
這是唯一的辦法。

0:15:09.780,0:15:12.498
克里斯·安德森：[br]我們非常有興趣持續追蹤你的進度

0:15:12.594,0:15:16.073
謝謝你，克里斯。[br]克里斯·厄姆森：謝謝。（掌聲）