自駕車、教育與飛行車三重革命

面對「我們是否活在模擬裡」的提問，Thrun 認為答案不影響人該怎麼行動，他更在意此時此刻活著的人。

他認為 AI 最大的突破不是把專家知識寫成規則，而是讓機器直接從觀察經驗裡學到規律，這也是機器能學會皮膚科、放射科醫師判斷的原因。

他說自己選題目只看兩件事——讓別人的生活更好，以及自己能不能學到新東西；他形容交通是二十世紀影響最大的發明，卻每年造成上百萬人死亡。

回顧帶領史丹佛團隊拿下 2005 年 DARPA 沙漠賽冠軍（Stanley）、2007 年城市賽亞軍（Junior）的經過，團隊把自駕車拆成感測器、大腦（機器學習）、致動器三段，讓車從人類駕駛的經驗裡學開車。

他說帶團隊最難的不是技術，是學會把人當人看，不是當電腦一樣下指令；站到對方的位置、聽對方怎麼說，是他認為最該學的能力；當教授的好處是天天在練讓學生發光。

DARPA 把補助從「按人力時數付錢」改成「按結果付獎金」，意外吸引了一批業餘玩家、衝浪客甚至車廠悄悄加入，改變了自駕車領域的人才結構。

他習慣拿「這件事我奶奶會不會在乎」當作研究方向的判準，而不是同儕怎麼看；自駕車在當年的機器人學界甚至被視為沒學術深度的玩具。

做到 90% 的日常路況一個週末就能完成，99% 要一個月，剩下的 1% 才是安全與否的關鍵；他說在 Waymo 等公司都看過車子幾乎零失誤地載人，在拉斯維加斯用 Lyft App 設定好，就可能叫到無人駕駛車（車上仍有安全駕駛）。

被問到 Tesla 與 Waymo 兩種路線誰比較「有種」，他不評論個別公司，而是拿航太與核能產業做類比——公共安全與創新從來要同時兼顧，不是二選一。

他每天用 Tesla Autopilot，認為那讓疲勞時的自己變成更安全的駕駛；他也談到深度學習如何把感知從「畫出幾何形狀判斷是不是車」轉成「這看起來像我看過一萬次的東西」。

Udacity 的自駕車課程已經教過兩萬多人，第一份作業就是車道辨識：以前要寫一堆規則，現在標一小時的行車畫面讓機器自己找規律，沒寫過這類程式的學生 24 小時內就能做出跟商用產品一樣好的車道偵測。

他認為大學系所分工太慢、太窄，自駕車工程橫跨機械、電機、電腦科學；名校又只收得下幾千人，所以乾脆把這個技能開放給全世界——一千家新創裡有一成成功，就是一百個國家有自駕車。

對於 Musk 說光達是一種「拐杖」，Thrun 認為人類光靠眼睛就能開車，證明相機加機器學習已經足夠；他也用螞蟻覓食比喻西方社會各自嘗試不同解法、不靠蘇聯式中央計畫的好處。

他強調機器學習擅長從大量重複的資料裡找規律，離「通用智慧」還很遠；他分享團隊做的皮膚癌偵測 App，曾靠 iPhone 拍照找出朋友被醫生誤判為良性的黑色素瘤。

對於 AI 取代工作的擔憂，他提到 Udacity 畢業生逾半數順利轉職，並與美國政府合作推出十萬份獎學金，主張教育應該是基本人權，不該被學費或名校門檻鎖住。

被問到最期待哪門課，他說是還沒推出的軟技能：怎麼培養同理心、怎麼在團隊裡做事、時間管理；他認為學校只顧個人考試分數，數學好的人雇得到，有同理心的人很難雇。

公司名字向 1903 年萊特兄弟首飛的地點致敬；旗下的 Heaviside 飛得比直升機安靜（約 38 分貝），採多具小馬達分散動力，壞一具照樣能安全降落，而且飛行比地面駕駛更單純，天空裡幾乎沒有障礙物。

他說天空是三維的，不像把 101 號公路疊出上百層車道那樣昂貴，飛行器只要改變高度就能避開衝突；構想是用類似手機定位的數位系統取代人聲通話的塔台指揮，讓上萬架飛行器同時安全運作。

面對「AI 會不會愛上人類」的提問，他說自己是實用主義者，AI 該是工具、該可靠可預期，不必也不該愛人；他也舉例：聲音以光速傳到澳洲、以接近音速在三萬六千呎高空飛越大西洋，都已經讓他覺得自己是「超人」。

他說自己格外珍惜能活在這個時代，人類三十萬年的歷史裡，除了最近一百年，平均壽命都只有三十歲上下；他身為德國人，也感念二戰後美國與盟軍對德國的作為。

他最推薦 Steven Pinker 的《Enlightenment Now》：Pinker 問，二十世紀如果只能寫一篇文章，該寫誰？答案是 Carl Bosch。Thrun 自己去查，氮肥加上更早的灌溉讓農地產量提高 26 倍；Pinker 則認為這救了超過二十億人。