×
中国疫苗和免疫

自动驾驶汽车侵权对产品责任的挑战与回应 —

0 引言

随着以计算机自治系统为标志的第四次工业革命的到来,人工智能技术开始在各行各业蓬勃发展。从棋类竞赛到语音、图像识别,再到自动驾驶汽车,人类利用人工神经网络和智能算法技术,使得人工智能可以模仿人类大脑的抽象认知和思维能力,完成从数据提取到抽象认知的过程,并最终实现识别、检索和分割等功能。总之,高速运行的计算机再配以日趋成熟的深度学习技术,使得人工智能的发展已经达到甚至超越了人类水平,机器脱离人类独立学习和决策,已不再是妄谈。

自动驾驶汽车作为人工智能技术的典型代表,它的应用既能够避免驾驶员的操作失误,降低交通事故发生率;也可以形成合理的道路流量,减少交通堵塞;还能以缩小安全车距的方法,大大提高道路空间利用率[1]。但是,自动驾驶汽车在带给人类无限好处的同时,也带来了交通事故的侵权难题。对于侵权问题的解决,多数观点认为,自动驾驶汽车实现了智能驾驶对人工驾驶的取代,产品侵权特征明显,适用产品侵权责任的归责方式更加合理。但是,以产品缺陷认定为核心的产品责任在适用于自动驾驶汽车时,也会遇到很多归责问题。本文针对这些问题做出了讨论并试探性地给出了建议。

1 自动驾驶汽车侵权对产品责任的挑战

根据《侵权责任法》的规定,产品责任为严格责任,被侵权人无需证明生产者是否存在过错,只需要证明产品存在缺陷,自身遭受了损失,产品缺陷和所受损失之间具有因果关系,即可向生产者主张侵权损害赔偿。但是,自动驾驶汽车的自主性带来的产品缺陷认定难题,以及技术运行黑箱化带来的证明难题,都会给产品责任的适用带来阻碍,具体分析如下。

1.1 自动驾驶汽车自适应学习和决策能力带来产品缺陷的认定难题

众所周知,自动驾驶汽车比传统汽车更安全,根本原因在于自动驾驶汽车利用人工智能的自主性实现了对机动车的智能操控,从而避免了人为失误带来的驾驶风险。可见,自动驾驶汽车与传统汽车最大的区别在于它的自主学习和决策能力。

当前主流的机器学习模型主要包括BNN 模型、卷神经网络模型和堆栈自编码模型[2],但无论哪种学习模型,都不是程序员对其进行一层层编码,而是由模型自己独立完成学习过程。具体来讲,数字化社会将提供大数据信息(文字、声音、图像等)给人工智能系统,然后该系统通过模拟大脑分层结构,对数据进行由低层到高层的特征提取,并在识别和预测到数据信息后,将识别结果输入到人工智能系统的决策控制系统,从而实现了对机器的操控[3]。

具体到自动驾驶汽车,汽车通过传感器、雷达等装置“观察”到某个图像或者声音,并通过特征学习逐层完成对数据信息的识别后,将结果输入车辆控制系统,从而实现了对车辆的加速、减速和转向等操作。可见,在自动驾驶汽车的行车过程中,对外界事物特征的提取、数据分析和车辆控制都是由自动驾驶系统独立完成,并不需要程序员对每一步进行编程。

另外,为了能够应对各种复杂的环境以及提高机器的判断能力,还需要利用学习和记忆程序对自动驾驶汽车进行大量的数据训练,以便于自动驾驶汽车学习到更多的规则来用于对事物的精准识别和车辆的准确驾驶。

关键问题是,自动驾驶汽车在脱离制造商真正上路后会不断面对新的道路环境,由此而生的新数据输入可能会使自动驾驶汽车建立新规则或者改变原规则。对此各国研发部门试图通过路测避免这种风险,提高自动驾驶汽车安全性。但是,由于道路、行人和车辆都是流动的,自动驾驶汽车的路测并不能穷尽所有的道路环境。当汽车遇到未曾经历的路况,自动驾驶系统会完全自主地创建规则并做出决策[4],对于这种决策造成的损害,制造商并非不想予以避免,而是其无法预测和控制这种风险。

而且,自我学习和决策能力正是自动驾驶汽车发挥功能之必要[5],缺少此能力,汽车也就不能自动驾驶。另外,这种能力也是人工智能真正的价值之所在,人类开发人工智能产品就是为了利用其自主性以避免人力弊端,从而提高社会效率。在此背景下,若将自动驾驶汽车自主能力视为产品缺陷而由制造商承担产品责任,很难在侵权法上站得住脚。

1.2 自动驾驶汽车损害在适用产品责任时将带来证明难题

传统机动车缺陷导致的交通事故一般和制动系统、转向系统及安全系统有关,表现为制动失灵、转向失灵或气囊非正常打开等。当事人可以相对轻松地从制动痕迹、相撞痕迹以及影像资料等判断出产品缺陷。但是,自动驾驶汽车不再是简单的机械工具,除了以上物理性产品缺陷,事故原因更多来自微观层面的电子数据错误。具体来说包括以下几方面。

上一篇:良好的心态是最好的“疫苗”
下一篇:没有了

Top