就在前一段時(shí)間，某品牌車語(yǔ)音控制燈光失誤的視頻在網(wǎng)上瘋傳，在深夜的高速公路上，車主只是隨口說(shuō)了一句“關(guān)閉所有閱讀燈”，想要調(diào)暗車內(nèi)光線。然而，車載語(yǔ)音系統(tǒng)卻出現(xiàn)了一次致命的誤判，它不僅關(guān)掉了車內(nèi)的閱讀燈，連帶著車頭最關(guān)鍵的大燈也一并熄滅。駕駛員在驚恐中連聲呼喊“打開(kāi)燈光”，但伴隨著車輛撞上護(hù)欄撞擊聲外，只傳來(lái)語(yǔ)音助手那溫柔卻又無(wú)比機(jī)械的回復(fù)：“暫時(shí)還不會(huì)喲”。

這起事故之所以引發(fā)全網(wǎng)熱議，除了發(fā)生事故外，更多是因?yàn)樗�精�?zhǔn)地?fù)糁辛巳藗儗?duì)“軟件定義汽車”時(shí)代的某種擔(dān)憂。當(dāng)車內(nèi)的物理按鍵消失，當(dāng)燈光、空調(diào)甚至擋位都交給一串代碼和那個(gè)看起來(lái)聰明的語(yǔ)音助手時(shí)，我們真的更安全了嗎？語(yǔ)言模型對(duì)于自動(dòng)駕駛和智能座艙來(lái)說(shuō)，到底是必不可少？還是一個(gè)華麗裝飾？

為語(yǔ)音助手有時(shí)會(huì)顯得有點(diǎn)“聾”？

為什么在家里能聽(tīng)懂你講冷笑話的AI，到了高速公路上有時(shí)就成了“半個(gè)聾子”。車內(nèi)其實(shí)是一個(gè)雜音非常多的環(huán)境。當(dāng)車速達(dá)到一百公里每小時(shí)，輪胎摩擦地面的胎噪、劃破空氣的風(fēng)噪，以及發(fā)動(dòng)機(jī)或電機(jī)的高頻振動(dòng)會(huì)混合成一種巨大的背景噪音。

對(duì)于人類耳朵來(lái)說(shuō)，我們有一套極其精密的濾波機(jī)制，能自動(dòng)把同伴的說(shuō)話聲從噪音中拎出來(lái)。但對(duì)車載麥克風(fēng)來(lái)說(shuō)，它接收到的是一個(gè)混雜了各種波形的信號(hào)。

在這次的事故視頻中，車主發(fā)出的指令是“關(guān)閉所有閱讀燈”。從普通話的發(fā)音和語(yǔ)義向量來(lái)看，“閱讀燈”和“全車燈光”在某些解析算法里可能非常接近。特別是在高速行駛的背景噪音下，聲音的特征碼會(huì)發(fā)生扭曲。

語(yǔ)音識(shí)別系統(tǒng)（ASR）可能在第一步就把“閱讀”這兩個(gè)字的特征給弄丟了，只剩下一個(gè)“燈”字和“關(guān)閉”的動(dòng)作。接著，自然語(yǔ)言理解（NLU）模塊就會(huì)根據(jù)概率去猜，最后它猜出了一個(gè)權(quán)重最高的動(dòng)作，即關(guān)閉所有燈光。

其實(shí)在整個(gè)視頻中，最后一句“暫時(shí)還不會(huì)喲”的回復(fù)最耐人尋味。這其實(shí)反映出了當(dāng)前車載語(yǔ)音系統(tǒng)的另一個(gè)技術(shù)軟肋，在極端壓力下的識(shí)別能力。當(dāng)燈光熄滅、生死攸關(guān)時(shí)，車主會(huì)產(chǎn)生劇烈的生理反應(yīng)，呼吸急促、音調(diào)升高、語(yǔ)速極快。

傳統(tǒng)的語(yǔ)音模型是基于平穩(wěn)、冷靜的語(yǔ)音庫(kù)訓(xùn)練出來(lái)的，它們面對(duì)這種充滿了恐慌情緒的“求救信號(hào)”，會(huì)因?yàn)橹眯哦忍�低而觸發(fā)預(yù)設(shè)的兜底回復(fù)。這種預(yù)設(shè)回復(fù)本是為了顯得有親和力，但在那個(gè)瞬間，它卻顯得有些不合時(shí)宜。

說(shuō)到底，目前的語(yǔ)音助手還是一個(gè)坐在副駕上的“翻譯官”，它只是在翻譯指令，而沒(méi)有真正理解這些指令對(duì)于一個(gè)正在高速移動(dòng)的車輛意味著什么。

域隔離的崩塌與消失的保命按鍵

很多人不理解，既然語(yǔ)音助手可能聽(tīng)錯(cuò)，那為什么它能有權(quán)限直接關(guān)掉行駛中的大燈？這其實(shí)涉及到了一個(gè)汽車電子架構(gòu)的專業(yè)概念，域隔離。一輛汽車的電子系統(tǒng)通常被劃分為不同的“域”，比如負(fù)責(zé)娛樂(lè)、導(dǎo)航、語(yǔ)音的座艙域；負(fù)責(zé)燈光、雨刷、車窗的車身域以及負(fù)責(zé)動(dòng)力和制動(dòng)的底盤域。

按照安全邏輯，座艙域應(yīng)該只是一個(gè)多話的導(dǎo)游，它不應(yīng)該有權(quán)直接插手駕駛員的“方向盤”和“外燈光”。

然而，為了追求所謂的“全智能交互”，讓車主動(dòng)動(dòng)嘴就能控制車內(nèi)的一切，廠家會(huì)在座艙域和車身域之間開(kāi)辟一條通信快速通道。這次事故其實(shí)就暴露出這條通道在權(quán)限管理上存在巨大的安全風(fēng)險(xiǎn)。

原本屬于高安全等級(jí)的大燈控制權(quán)，被過(guò)于隨意地交給了低安全等級(jí)的語(yǔ)音識(shí)別模塊。在汽車功能安全標(biāo)準(zhǔn)ISO 26262中，這屬于嚴(yán)重的邏輯缺陷。在車輛處于高速行駛狀態(tài)下，系統(tǒng)不僅沒(méi)有對(duì)“關(guān)閉大燈”這種危險(xiǎn)指令設(shè)置二次確認(rèn)，甚至沒(méi)有對(duì)車速、環(huán)境光線和大燈狀態(tài)進(jìn)行聯(lián)合校驗(yàn)。

這種“極簡(jiǎn)主義”的代價(jià)是沉重的。隨著物理按鍵的消失，駕駛員在失去視覺(jué)引導(dǎo)時(shí)，無(wú)法再依靠肌肉記憶通過(guò)撥桿打開(kāi)燈光。事故后，該車企緊急推送了OTA更新，將行駛狀態(tài)下的大燈關(guān)閉權(quán)限修改為“僅支持手動(dòng)控制”。

圖片源自：微博

這其實(shí)是一種權(quán)力的收回。它說(shuō)明在現(xiàn)有的技術(shù)條件下，非確定性的語(yǔ)音交互不應(yīng)擁有管理安全核心件的最高權(quán)限。那些被網(wǎng)友稱為“保命按鍵”的物理?yè)軛U，提供的是一種超越軟件算法的物理確定性。在生死瞬間，確定性比所謂的智能更重要。

語(yǔ)言模型是自動(dòng)駕駛的解藥還是毒藥

既然傳統(tǒng)的語(yǔ)音系統(tǒng)容易聽(tīng)錯(cuò)，那最近大熱的大語(yǔ)言模型（LLM）能解決這個(gè)問(wèn)題嗎？在自動(dòng)駕駛領(lǐng)域，專家們經(jīng)常提到“系統(tǒng)1”和“系統(tǒng)2”。系統(tǒng)1是直覺(jué)性的、快速的，就像我們開(kāi)車時(shí)的肌肉記憶，看到紅燈就剎車；系統(tǒng)2是理性的、慢速的，用來(lái)處理復(fù)雜的博弈和意料之外的狀況。

目前的自動(dòng)駕駛和語(yǔ)音助手大多還在系統(tǒng)1的水平。它們是在死板地匹配關(guān)鍵詞。如果你說(shuō)“關(guān)掉閱讀燈”，它就去匹配那幾個(gè)字，一旦聽(tīng)錯(cuò)就全盤皆錯(cuò)。而大模型的意義在于它為汽車裝上了一個(gè)具有常識(shí)推理能力的“系統(tǒng)2”。如果是搭載了大模型的系統(tǒng)，在聽(tīng)到“關(guān)閉所有燈光”時(shí)，它的第一反應(yīng)不是去執(zhí)行，而是進(jìn)行邏輯自檢。

它會(huì)調(diào)動(dòng)視覺(jué)傳感器發(fā)現(xiàn)現(xiàn)在是深夜，GPS會(huì)告訴它正在高速上，它的常識(shí)庫(kù)會(huì)提示它，在深夜的高速上關(guān)掉大燈是自殺行為。于是，它會(huì)拒絕執(zhí)行這個(gè)離譜的指令，或者用更有邏輯的方式向車主確認(rèn)。

這種能力被稱為“多模態(tài)理解”。未來(lái)的語(yǔ)言模型不再僅僅是處理文字，它會(huì)將視覺(jué)（攝像頭看到的黑夜）、動(dòng)作（正在高速行駛的速度）和語(yǔ)義（車主的要求）結(jié)合在一起。這就是大家熟知的VLA（視覺(jué)-語(yǔ)言-動(dòng)作）模型。

但大模型也并非完美。它最大的問(wèn)題在于“幻覺(jué)”。大模型本質(zhì)上是一個(gè)概率預(yù)測(cè)器，它吐出的每一個(gè)指令都是基于統(tǒng)計(jì)的最大可能性，而不是邏輯上的絕對(duì)必然。

對(duì)于駕駛來(lái)說(shuō)，哪怕只有萬(wàn)分之一的概率出現(xiàn)幻覺(jué)，都是不可接受的。所以，大模型在車上的應(yīng)用，目前更多是作為一個(gè)“大腦”去思考，而真正的“手腳”控制依然需要嚴(yán)密的硬性代碼邏輯來(lái)把關(guān)。

如何在軟件定義的未來(lái)里守住安全的底線

要確保語(yǔ)音識(shí)別的準(zhǔn)確性和安全性，我們不能只指望AI變得更聰明，還要在系統(tǒng)架構(gòu)上做加法。硬件層面的冗余是非常有必要的，比如通過(guò)多麥克風(fēng)陣列的波束成形技術(shù)，像探照燈一樣定向采集駕駛員的聲音，以此來(lái)抵消外界的寬頻噪音。同時(shí)，核心指令的解析必須具備“離線處理”能力，不能因?yàn)樗淼览餂](méi)信號(hào)，就無(wú)法應(yīng)答和處理。

更核心的改進(jìn)應(yīng)該是語(yǔ)義校驗(yàn)機(jī)制的引入。一個(gè)合格的智能座艙，不應(yīng)該只是聽(tīng)話的助手，而應(yīng)該是有安全底線的管家。系統(tǒng)需要建立一套基于場(chǎng)景的“敏感指令庫(kù)”。在高速行駛、雨雪天氣或夜間等特定場(chǎng)景下，所有涉及車輛行駛安全的功能（如大燈、駐車制動(dòng)、車門開(kāi)啟等），語(yǔ)音助手的權(quán)限就應(yīng)該是被鎖定的，或者必須經(jīng)過(guò)物理確認(rèn)。

此外，我們還必須認(rèn)識(shí)到，智能化的目的應(yīng)該是減少人為失誤，而不是增加新的風(fēng)險(xiǎn)。當(dāng)車企在追求智能座艙的智能化時(shí)，不能忘了汽車只是一種交通工具，其最底層的邏輯永遠(yuǎn)是安全。語(yǔ)言模型確實(shí)是未來(lái)自動(dòng)駕駛通往“擬人化”的橋梁，但在橋梁搭建好之前，物理?yè)軛U依然是科技給予我們的最后一份體面。

最后的話

科技進(jìn)步不應(yīng)該是一場(chǎng)博取流量的冒險(xiǎn)。正如許多老司機(jī)所言，最好的科技應(yīng)在平時(shí)讓你感覺(jué)不到它的存在，但在危急時(shí)刻能給你最確定的響應(yīng)。在追逐智能化的浪潮中，我們不能跑得太快。大模型很好，語(yǔ)音控制也很酷，但在那個(gè)能讓我們抓牢的物理?yè)軛U面前，它們暫時(shí)還只能算是助手，而不是主宰。

-- END --

       原文標(biāo)題 : 智能駕駛真的需要語(yǔ)言模型嗎？