面向消费者、具备商业可行性的自动驾驶汽车（AV）已从十年前的遥远幻想发展为实际的市场机遇，全球顶尖企业纷纷投入数十亿美元进行投资。然而，尽管无需驾驶员或飞行员即可在车内运送人员和货物的能力令人振奋、潜力巨大，但对于自动驾驶汽车最关键的环节——安全性，人们仍存在严重且持续的担忧。自动驾驶企业的每一次失误都会受到严格审视，这是理所应当的。而安全担忧也会引发信任问题。多项调查显示，大多数消费者尚不愿意自己使用自动驾驶汽车。
尽管自动驾驶汽车仍处于早期发展阶段，但很明显，我们需要使其运行方式尽可能接近人类。目前，人车共存与无缝互动是一项目标。这无疑要求我们所制造的机器能够模拟人类在特定情境下的表现，并在某些情况下超越人类。生物学告诉我们，生物的进化由生存本能驱动，而安全始终是首要任务。随着我们逐步以机器取代人类驾驶汽车，我们应当以生物学为指导，因为事实上，大自然已为人类配备了最为进化完善的安全系统之一。
移动数据中心
要提升自动驾驶汽车的安全性，就需要新的方法来收集、分析和处理对车辆无事故运行至关重要的信息。这包括车外数据，例如道路与基础设施、其他车辆、交通和天气状况，以及汽车自身的运行状态。所有这些都必须纳入考量，才能确保车辆安全行驶。这种情形不仅要求传统汽车发生有机式变革，其周边环境也需随之改变。要实现全面运作并确保安全，自动驾驶汽车需要感知环境，随后无缝地进行协商并采取行动。
但所收集信息的数量本身就是一个问题。若将摄像头、激光雷达、声呐和雷达传感器计算在内，一辆典型的自动驾驶汽车可能配备十几个或更多的传感设备。
自动驾驶汽车本质上已成为一个移动数据中心，每秒需处理数十吉比特的数据（即相当于10,000名互联网用户所产生的数据量）。更多且往往冗余的数据看似有利于提升安全性，但这些传感技术本身并不具备信息处理能力，也不够智能。它们是在固定时间间隔触发的测量点，与场景动态变化之间并无关联。事实上，数据过多正是瓶颈所在。在此情境下，以蛮力处理海量数据既不切实际，也不高效。
如果无法实时处理并依据这些关键数据采取行动，从而提供可执行的信息，那么安全便无从谈起。
从进化中汲取灵感
这正是我们可以借鉴生物学、提升安全性的途径。从视觉角度看，人类已进化出一种分散式感知能力。这使得感官输入的整合成为可能，并促进快速反馈控制。我们的基本论点是，进化为我们提供了卓越的指导，使我们能够理解机器应如何看待并解读周围的世界。
这类方法建立在一种被称为神经形态工程的工程基础之上。它借鉴了人脑的架构与处理策略，从而构建出一种更优、受生物启发的计算机视觉方法。
这一方法的基础，在于大脑与眼睛能够极其迅速地解读视觉场景中的海量数据。更具体地说，在限制所需信息量方面，眼中的感光细胞仅在检测到视觉场景某些特征（例如对比度或光线）发生变化时，才会向大脑传递信号。从进化角度看，将注意力集中于场景中的运动，远比反复、不加区分地清点场景中的每一处细节更为重要。
在安全攸关的情境中，速度是关键。近期关于人类识别物体能力的研究表明，人类能够从以高达每秒1,000次速率变化的场景中获取有用信息，这一速率远高于电视或电影中用于呈现动态画面的每秒24、30或60帧。大量有用信息被编码于这些变化之中，而传统帧率摄像机因其较低的采样率而无法捕捉这些信息。换言之，在帧与帧之间，摄像机是“盲”的。
更多且更优质的摄像头
采用新的仿生技术范式，可大幅降低遗漏帧间可能发生的安全关键信息的风险，为汽车增添一层全新的首要安全防护“保护罩”。这一新安全层将对自动驾驶汽车及高级驾驶辅助系统的性能产生切实影响，包括实现类似反射的自动紧急制动响应时间、在光照快速变化的环境中实现自适应感知，以及利用更多摄像头提升冗余度与安全性。所有这些都将有助于以更高效、更安全的方式兑现自动驾驶汽车的承诺。
显然，在用户对安全性的接受度达到要求之前，仍有大量工作需要完成。鉴于交通运输行业的广泛性与规模，其利害关系十分重大。但仅靠蛮力应用技术无法应对这些挑战。要创造确保全面安全的必要条件，即用户接受的关键，就需要一种模仿生物进化范式、以感知环境的新方法。
