人工（gōng）智能具有（yǒu）专用和（hé）通用（yòng）两种不同取向，分别对（duì）应专（zhuān）用人工智能与（yǔ）通用人工智能。专用人工智能（néng）的目（mù）的在于通过预设（shè）的算法或训练解决特定问（wèn）题；而通用人工智能则致力研发元学习能力，借（jiè）助后天培（péi）育解（jiě）决各类问题。正如将（jiāng）“智（zhì）能”视作“计算”一样，专用人工（gōng）智能专家常（cháng）常（cháng）将自动驾（jià）驶视（shì）为一个纯粹的技术问（wèn）题（tí），并试图（tú）通（tōng）过模块化的（de）方式实现技术拓（tuò）展（zhǎn）。

未来，专用人工智（zhì）能（néng）技（jì）术路线下的L4—L5级别的自（zì）动驾（jià）驶，或趋向“智能外包”的技术解（jiě）决路线——依靠的不是更强（qiáng）的单（dān）车智能，而是更复杂、精密的上层（céng）协调（diào）节点。这种做法存在诸多隐患（huàn）。高级协调节（jiē）点不仅覆盖性有限，并（bìng）将（jiāng）增加通行系统（tǒng）的边际成本和总体复（fù）杂性，令单车决策（cè）链延长（zhǎng）及决策参与度降低。其后果是，智能路网本身（shēn）的系统性脆弱将面临（lín）被放大的（de）风险。事实上（shàng），基于专用人工智能的自动驾驶并未真正面对（duì）“智（zhì）能（néng）”问题，而是将单（dān）车智能（内部解）不断转嫁为寻求外部（bù）援助（zhù）（外部解），即车辆自己更多（duō）负责提出问题而非解决问题（tí）。到最后，并不是汽车变（biàn）得更具（jù）适应（yīng）性，而往往是人为改造了那些不适应的地方——这仍（réng）陷于（yú）“有多少人（rén）工，就有多少智能”的魔咒之中。

通（tōng）用人（rén）工智能试图创造能（néng）思（sī）考（kǎo）、有情感的具有认知（zhī）功（gōng）能（néng）的软件系统，并认为智能（néng）并（bìng）非（fēi）全知全能（néng），系统需要通过预设（shè）的（de）元能（néng）力不断学习才（cái）能达到（dào）某个领域内的实用水平。而且，即使在达（dá）到（dào）这种水平（píng）后，学习也不会（huì）停止，尤其（qí）是在环境变化的情（qíng）况下更是如此。对通用人工（gōng）智能而言（yán），先天预置的（de）是元（yuán）水平的（de）学习能力，但（dàn）一（yī）切学习的（de）内容都由后（hòu）天习得。因此，基于通用人（rén）工（gōng）智能系（xì）统的自动驾驶（shǐ），本质上是一个教育而非技术问题。

通用人工（gōng）智能系统在启动时并未预置任何驾驶经验，更不是为了（le）驾驶（shǐ）汽车而设计的。通（tōng）用人工智能系统（tǒng）与人类高度类似，成长的第一步（bù）也是（shì）通过自（zì）身的感（gǎn）知运（yùn）动（dòng）设备获取具（jù）身的（de）直（zhí）接物理经验。训练（liàn）一个机（jī）器人和（hé）训练一辆（liàng）汽车完成自（zì）动驾（jià）驶（shǐ）任务，对通（tōng）用人工智（zhì）能系统（tǒng）而言（yán）并（bìng）无实质区别。究竟装配步足（zú）、履（lǚ）带还是轮（lún）子（zǐ）等“器官”，只是系统的“感觉”各异（yì），却并非“驾（jià）驶”有别。但凡能够实现（xiàn）载人有目（mù）的性的自主移动，就是自动（dòng）驾（jià）驶（shǐ）。因此，基于通用（yòng）人工（gōng）智能的自动驾驶，不限定设（shè）备（bèi）类型、载运形式和驾驶环境，这（zhè）样也是通用（yòng）意义上的驾驶。

这种通用性（xìng）一（yī）方（fāng）面（miàn）体现在外设选择的（de）多（duō）样性，另一方面则体（tǐ）现在驾驶背后学习内容的广（guǎng）博性和（hé）具（jù）身理解（jiě）性。通用（yòng）人工智能自动驾驶“算（suàn）法”的奥义，就是从零（líng）开始“养育”一台（tái）通用人工智能的机（jī）器“婴儿”。这台机器“婴（yīng）儿”具有主动性，其行动（dòng）力依靠自身（shēn）积累的历史经验（yàn），是一种向内依赖的平（píng）权（quán）技术模式，而非向外依赖的（de）集权技（jì）术模式。于是，通用人工智能系（xì）统的“养育”过程，并不存（cún）在专用（yòng）人工智（zhì）能的那种外在干涉。而“养育”具体的技术手（shǒu）段，也不是（shì）专用人工智能的机器学习、图像识别、优化求（qiú）解等软（ruǎn）硬件（jiàn）技（jì）术，而是类似于对人类婴（yīng）幼儿（ér）的（de）教育手段。这种（zhǒng）特殊（shū）性与人们的常（cháng）识相（xiàng）悖（bèi），令其乍看上去似乎难以理解。在此，以感知运动（dòng）为例进行比较说明。

首先，专用人工智能系（xì）统的（de）处理内容既可以是图像、声音之类的具象（xiàng）数据（jù），也（yě）可以是自（zì）然语言、知识之类（lèi）的抽象（xiàng）概念，但对其（qí）教育能且（qiě）只能从感知运（yùn）动经验做起。因（yīn）为只有这种经（jīng）验才能在通用人工智能系统中直（zhí）接落地。至于给通用人工智能系统预置“思想钢印（yìn）”的（de）想法皆为（wéi）秕言谬说（shuō），这些抽象经验根（gēn）本没（méi）有立身之基。所以，就连距离、速度、避障乃至（zhì）数字等自动驾（jià）驶（shǐ）最初级（jí）的常识，通用人工（gōng）智能的机器“婴儿”一（yī）开始也并不知晓。

其次，专用人工智能系统的学（xué）习和（hé）训练阶段中，感知与运动通常是分离的。图（tú）像识别（bié）无须摄像头像人眼一样（yàng）“跳视”，而机器人位移也只是（shì）程序设（shè）定的机（jī）械操作及其优（yōu）化。然而，在通用人工智能系统的“养育”过程中，感知和（hé）运动不可分，二者不是两类不同（tóng）事物，而是同一类事物的不同侧（cè）面。运（yùn）动是感知经验变化的（de）原因，感知则（zé）是运（yùn）动结果的反馈，二者（zhě）相互依存、缺（quē）一不可。更为重要的是，直接或间接经由运动，感知才能建构出主体内在的经验意义（yì）。感知运动信号是最直接且不可再分（fèn）的经（jīng）验，其意（yì）义来自内在的相互赋予。

最后，基于（yú）通（tōng）用人工（gōng）智（zhì）能的自（zì）动驾驶也是我们的一面（miàn）镜子，能（néng）够从中折射出深刻的（de）关于人的道理。比如，通（tōng）用（yòng）人（rén）工智能的机器“婴儿”的运（yùn）动，可分为主（zhǔ）动（dòng）运动和被（bèi）动运动两类。主（zhǔ）动（dòng）运动由机器“婴儿（ér）”自（zì）行控制车（chē）轮移动，被动（dòng）运动则是车轮不动由外力（lì）（如人拿起小车）导致车体位（wèi）置变（biàn）化。主动运动是主观经验（yàn）的发动机，是从客观环境中与传感器一同协作感受自我边界从而（ér）区（qū）分（fèn）主客体的原动力，因（yīn）此对机器（qì）“婴（yīng）儿”至关重要。只有经历这样的成长（zhǎng），才能（néng）在人（rén）与物、自我与（yǔ）他人、自我与环（huán）境之间（jiān）形（xíng）成更清晰的辨识。反观人类自身，对那些无法有效将人（rén）与物、自我与（yǔ）他人（rén）进行区分（fèn）的自（zì）闭症患儿而言，基于通用人工智能的（de）自动驾驶所带（dài）来的（de）病理学启示（shì），或为当前自闭症生物学假（jiǎ）说带来新的可能（néng）。