Vad du ska veta innan du sätter dig i en självkörande bil

Utanför ett stort lager i Pittsburgh, i ett område längs Allegheny River som en gång var hem för dussintals fabriker och gjuterier men nu har butiker och restauranger, väntar jag på att en annan typ av teknisk revolution ska komma. Jag kollar min telefon, tittar upp och märker att den redan är här. En vit Ford Fusion, vars tak är bländat av futuristiska sensorer, går på tomgång i närheten. Två personer sitter längst fram—en övervakar en dator, den andra bakom ratten—men bilen har kontroll. Jag hoppar in, trycker på en knapp på en pekskärm och lutar mig tillbaka medan den självkörande Uber tar mig en tur.

När vi zippar ut på vägen mot centrum, stannar bilen snyggt i sin fil och trär sig skickligt mellan en mötande bil och parkerade lastbilar som sticker ut på gatan. Jag har suttit i en självkörande bil förut, men det är fortfarande kusligt att se från baksätet när ratten och pedalerna rör sig som svar på händelser som utspelar sig på vägen runt oss.

Den här historien var en del av vårt novembernummer 2016

• Se resten av frågan
• Prenumerera

Hittills har de flesta automatiserade fordon testats på motorvägar på platser som Kalifornien, Nevada och Texas. Pittsburgh däremot har krokiga vägar, otaliga broar, förvirrande korsningar och mer än sin beskärda del av snö, slask och regn. Som en Uber-chef sa, om självkörande bilar kan hantera Pittsburgh, borde de fungera var som helst. Som för att testa denna teori, när vi svänger in på en livlig marknadsgata, pilar två fotgängare in på vägen framför. Bilen stannar försiktigt en bit ifrån dem, väntar och fortsätter sedan sin väg.

Ubers fordon är prydda med olika typer av sensorer.

En skärm framför baksätet visar bilens säregna vy av världen: vår omgivning återgiven i levande färger och taggiga kanter. Bilden är produkten av några av ett fantastiskt utbud av instrument arrangerade över hela fordonet. Det finns inte mindre än sju lasrar, inklusive en stor snurrande lidarenhet på taket; 20 kameror; en högprecisions GPS; och en handfull ultraljudssensorer. På skärmen inuti bilen ser vägen vattenblå ut, byggnader och andra fordon är röda, gula och gröna, och närliggande fotgängare är markerade med vad som ser ut som små lasso. Skärmen visar också hur fordonet styr och bromsar, och det finns en knapp som ber bilen att stoppa resan när du vill. Nu 2016 har Uber till och med gjort det möjligt för förare att ta en selfie från baksätet. Strax efter att min åktur är över får jag via e-post en looping GIF som visar bilens syn på världen och mitt ansikte flinande i det övre högra hörnet. Folk på trottoaren stannar och vinkar medan vi väntar vid ett trafikljus, och en kille som kör en pickup bakom oss fortsätter att göra tummen upp.

Min resa är en del av det mest kända testet av självkörande fordon hittills, efter att Uber började låta handplockade kunder boka turer runt Pittsburgh i en flotta av automatiserade taxibilar. Företaget, som redan har lyft taxibranschen med en smartphone-app som låter dig kalla en bil, siktar på att göra en betydande del av sin flotta självkörande inom några år. Det är en djärv satsning att tekniken är redo att förändra hur miljontals människor tar sig runt. Men på något sätt är det en satsning som Uber måste göra. Under det första halvåret i år förlorade det häpnadsväckande 1,27 miljarder dollar, främst på grund av betalningar till förare. Autonoma bilar erbjuder en stor möjlighet för Uber, säger David Keith, en biträdande professor vid MIT som studerar innovation inom fordonsindustrin, men det finns också ett hot om att någon annan slår dem på marknaden.

En experimentell version av Ubers app visar en automatiserad bil som roamer i närheten.

De flesta biltillverkare, särskilt Tesla Motors, Audi, Mercedes-Benz, Volvo och General Motors, och till och med några få stora teknikföretag inklusive Google och (sägs det) Apple, testar självkörande fordon. Tesla-bilar kör själva under många omständigheter (även om företaget varnar förare att använda systemet endast på motorvägar och ber dem att vara uppmärksamma och hålla händerna på ratten). Men trots sin formidabla konkurrens kan Uber ha den bästa möjligheten att kommersialisera tekniken snabbt. Till skillnad från Ford eller GM kan den begränsa automatiseringen till de rutter som den tror att förarlösa bilar kan hantera till en början. Och i motsats till Google eller Apple har det redan ett stort nätverk av taxibilar som det kan göra gradvis mer automatiserat över tiden.

Ubers chefer har små problem med att föreställa sig uppsidan. Utan några drivkrafter att dela intäkter med kan Uber gå med vinst. Robottaxi kan bli så billiga och lätta att använda att det inte skulle vara meningsfullt för någon att faktiskt äga en bil. Till sin logiska slutsats kan automatiserad körning omprogrammera själva transporten. Uber experimenterar redan med matleverans i vissa städer och köpte nyligen Otto, en startup som utvecklar automatiserade system för långdistanslastbilar. Självkörande lastbilar och skåpbilar kunde färja varor från leveranscenter och butiker till hem och kontor med svindlande hastighet och effektivitet. Strax innan min provtur sa Andrew Lewandowski, chef för Ubers autonoma verksamhet, en veteran från Googles självkörningsprogram och en av medgrundarna till Otto: Jag tror verkligen att detta är det viktigaste som datorer kommer att göra i nästa 10 år.

Uber rör sig snabbt. Företaget skapade sitt Advanced Technology Center, där det utvecklar sina förarlösa bilar, i februari 2015 genom att anställa ett antal forskare från robotavdelningen vid det närliggande Carnegie Mellon University. Med hjälp av den expertisen utvecklade Uber sina självkörande taxibilar på lite över ett år – ungefär den tid det tar för de flesta biltillverkare att designa om en underhållningskonsol.

Men går det för snabbt? Är tekniken redo?

Uber-anställda övervakar varje bil, redo att ta kontroll om det behövs.

Robo förfäder

Under resten av min tid i Pittsburgh tar jag mig runt med Ubers som kontrolleras uteslutande av människor. Kontrasten är skarp. Jag vill besöka CMU:s National Robotics Engineering Center (NREC) – en del av dess Robotics Institute, en av de banbrytande forskargrupperna som är involverade i att utveckla självkörande fordon – för att se vad dess experter tycker om Ubers experiment. Så jag tar en tur med en kille som heter Brian, som kör en misshandlad Hyundai Sonata. Brian säger att han har sett flera automatiserade Ubers runt om i stan, men han kan inte föreställa sig att en tur i dem är lika bra som en med honom. Brian tar sedan fel sväng och går helt vilse. För att vara rättvis väver han dock igenom trafiken lika bra som en självkörande bil. Dessutom, när kartan på hans telefon leder oss till en bro som är stängd för reparation, frågar han helt enkelt ett par vägarbetare om vägbeskrivning och improviserar sedan en ny rutt. Han är också vänlig och erbjuder sig att avstå från biljettpriset och köpa en öl till mig för att kompensera för besväret. Det får dig att inse att automatiserade Ubers kommer att erbjuda en helt annan upplevelse. Färre felsvängar och överlägsna förare, ja, men heller ingen som hjälper till att lägga din resväska i bagageutrymmet eller lämna tillbaka en förlorad iPhone.

En pekskärm på baksidan visar världen som den uppfattas av bilens lasersystem.

Jag tar en regnkontroll på ölen, säger hejdå till Brian och anländer till NREC:s stora lager cirka 20 minuter för sent. Byggnaden är fylld med fascinerande robotprototyper. Och om du tittar noga hittar du några förfäder till dagens automatiserade fordon. Strax innanför entrén finns till exempel Terregator, en sexhjulig robot ungefär lika stor som ett kylskåp, med en ring av sensorer ovanpå. 1984 var Terregator en av de första robotarna som designades för att ströva utanför ett labb och rullade runt CMU:s campus i några miles per timme. Och Terregator efterträddes, 1986, av en kraftigt modifierad skåpbil kallad NavLab, en av de första helt datorstyrda fordonen på vägen. Precis utanför ytterdörren till NREC sitter en annan anmärkningsvärd föregångare: en skräddarsydd Chevy Tahoe fylld med datorer och dekorerad med något som ser misstänkt ut som en tidig version av sensorstacken ovanpå en av Ubers självkörande bilar. 2007 vann denna robot, kallad Boss, en stadskörningstävling organiserad av U.S. Defense Advanced Research Projects Agency. Det var ett stort ögonblick för automatiserade fordon som bevisade att de kunde navigera i vanlig trafik, och bara några år senare testade Google självkörande bilar på riktiga vägar.

De tre av dessa CMU-robotar visar hur gradvis framstegen mot självkörande fordon var tills nyligen. Hårdvaran och mjukvaran förbättrades, men systemet kämpade för att förstå världen som en förare ser, i all dess rika komplexitet och konstigheter. På NREC träffar jag William Red Whittaker, en CMU-professor som ledde utvecklingen av Terregator, den första versionen av NavLab, och Boss. Whittaker säger att Ubers nya tjänst inte betyder att tekniken är fulländad. Det är naturligtvis inte löst, säger han. Den typ av saker som inte löses är kantfallen.

Och det finns gott om kantfodral att brottas med, inklusive sensorer som är förblindade eller försämrade av dåligt väder, starkt solljus eller hinder. Sedan finns det oundvikliga mjukvaru- och hårdvarufel. Men ännu viktigare är att kantfallen handlar om att hantera det okända. Du kan inte programmera en bil för alla tänkbara situationer, så i något skede måste du lita på att den kommer att klara av nästan allt som kastas på den, med hjälp av vilken intelligens den har. Och det är svårt att vara säker på det, särskilt när till och med det minsta missförstånd, som att missta en papperspåse för en stor sten, kan få en bil att göra något onödigt farligt.

Utvecklingen har utan tvekan tagit fart de senaste åren. Framsteg inom datorseende och maskininlärning har i synnerhet gjort det möjligt för automatiserade fordon att göra mer med videofilmer. Om du matar in tillräckligt med exempel i ett av dessa system kan det göra mer än att upptäcka ett hinder – det kan identifiera det med imponerande noggrannhet som en fotgängare, en cyklist eller en vilsegångsgås.

Ändå spelar kantfallen roll. Direktör för NREC är Herman Herman, en robotiker som växte upp i Indonesien, studerade vid CMU och har utvecklat automatiserade fordon för försvar, gruvdrift och jordbruk. Han tror att självkörande bilar kommer att anlända, men han tar upp några praktiska farhågor om Ubers plan. När din webbläsare eller din dator kraschar är det irriterande men det är ingen stor sak, säger han. Om du har sex körfält på motorvägen, finns det en autonom bil som kör i mitten, och bilen bestämmer sig för att göra en vänstersväng - ja, du kan föreställa dig vad som händer härnäst. Det krävs bara ett felaktigt kommando till ratten.

Ubers modifierade Ford Fusions är lätta att upptäcka på Pittsburghs gator.

Ett annat problem Herman förutser är att skala upp tekniken. Det är mycket bra att ha några förarlösa bilar på vägen, men hur är det med dussintals eller hundratals? Laserskannrarna som finns på Ubers bilar kan störa varandra, säger han, och om dessa fordon var anslutna till molnet skulle det kräva en galen mängd bandbredd. Även något så enkelt som smuts på en sensor kan utgöra ett problem, säger han. Den allvarligaste frågan av alla – och detta är ett växande forskningsområde för oss – är hur du verifierar, hur du testar ett autonomt system för att se till att de är säkra, säger Herman.

Att lära sig att köra

För ett mer praktiskt perspektiv åker jag över stan för att prata med människor som faktiskt utvecklar självkörande bilar. Jag besöker Raj Rajkumar, en medlem av CMU:s robotfakultet som driver ett labb finansierat av GM. I den snabbrörliga världen av forskning om förarlösa bilar, som ofta domineras av människor i Silicon Valley, kan Rajkumar tyckas vara lite gammaldags. I en grå kostym hälsar han på mig på sitt kontor och leder mig sedan till ett källargarage där han har arbetat på en prototyp av Cadillac. Bilen innehåller många sensorer, liknande de som finns på Ubers bilar, men de är alla miniatyriserade och gömda så att det ser helt normalt ut. Rajkumar är stolt över sina framsteg när det gäller att göra förarlösa bilar praktiska, men han varnar mig för att Ubers taxibilar kan höja förhoppningarna orimligt höga. Det kommer att ta lång tid innan du kan ta föraren ur ekvationen, säger han. Jag tycker att folk ska dämpa sina förväntningar.

Vi är kognitiva, kännande varelser. Vi förstår, vi resonerar och vi vidtar åtgärder. När du har automatiserade fordon är de bara programmerade att göra vissa saker för vissa scenarier.

Förutom tillförlitligheten hos en bils programvara oroar Rajkumar att ett förarlöst fordon kan hackas. Vi känner till terrorattacken i Nice, där terroristföraren mejade ner hundratals människor. Föreställ dig att det inte finns någon förare i fordonet, säger han. Uber säger att de tar den här frågan på allvar; det lade nyligen till två framstående experter på fordonsdatorsäkerhet till sitt team. Rajkumar varnar också för att grundläggande framsteg behövs för att få datorer att tolka den verkliga världen mer intelligent. Vi som människor förstår situationen, säger han. Vi är kognitiva, kännande varelser. Vi förstår, vi resonerar och vi vidtar åtgärder. När du har automatiserade fordon är de bara programmerade att göra vissa saker för vissa scenarier.

Med andra ord, den färgglada bilden jag såg på baksidan av min automatiserade Uber representerar ett förenklat och främmande sätt att förstå världen. Den visar var objekt är, ibland med centimeterprecision, men det finns ingen förståelse för vad dessa saker verkligen är eller vad de kan göra. Det här är viktigare än det kanske låter. Ett uppenbart exempel är hur människor reagerar när de ser en leksak sitta på vägen och drar slutsatsen att ett barn kanske inte är långt borta. Den ytterligare knepigheten är att Uber tjänar det mesta av sina pengar i stads- och förortslägen, säger Rajkumar. Det är där oväntade situationer tenderar att dyka upp oftare.

Inuti bilarna har mugghållarna ersatts med en silverknapp för att aktivera automatiserat läge och en stor röd stoppknapp.

Vad mer är, allt som går fel med Ubers experimentella taxitjänst kan få konsekvenser för hela branschen. Den första dödsolyckan med ett automatiserat körsystem, när en Tesla i autopilotläge misslyckades med att upptäcka en stor lastbil på en motorväg i Florida i våras, har redan väckt säkerhetsfrågor. Att hastigt implementera vilken teknik som helst – även en som är avsedd att göra vägarna säkrare – kan lätt utlösa en motreaktion. Även om Uber har gjort ett bra jobb med att marknadsföra detta som ett genombrott, är det fortfarande en bit bort, realistiskt sett, säger MIT:s Keith. Nya tekniker är beroende av positiva ord till mun för att bygga konsumenternas acceptans, men motsatsen kan också hända. Om det finns fruktansvärda bilolyckor som tillskrivs denna teknik, och tillsynsmyndigheter slår ner, så skulle det verkligen dämpa människors entusiasm.

Jag får uppleva verkligheten av teknikens begränsningar på egen hand, ungefär halvvägs genom min resa i Ubers bil, strax efter att jag blivit inbjuden att sitta i förarsätet. Jag trycker på en knapp för att aktivera det automatiska körsystemet, och jag får höra att jag kan koppla ur det när som helst genom att flytta på ratten, trycka på en pedal eller trycka på en annan stor röd knapp. Bilen verkar köra perfekt, precis som tidigare, men jag kan inte låta bli att lägga märke till hur nervös ingenjören bredvid mig nu är. Och sedan, när vi sitter i trafiken på en bro, med bilar som närmar sig åt andra hållet, börjar bilen sakta vrida ratten åt vänster och kanta ut i det mötande körfältet. Ta tag i ratten, ropar ingenjören.

Kanske är det en bugg, eller så är bilens sensorer förvirrade av de vidöppna utrymmena på vardera sidan av bron. Hur som helst så gör jag snabbt som han säger.

Dölj