人（rén）工智能具有专用和通用两种不同取向，分（fèn）别对应专用人工智能与通用人工智（zhì）能。专用人工（gōng）智能的目（mù）的在于通过预设（shè）的算法或训练（liàn）解决特定问题；而通用人工智能则致力研（yán）发元（yuán）学习能力，借助后天培育解决各类问题。正如将“智能（néng）”视作“计算”一样，专用（yòng）人工智能专家常（cháng）常将自动驾驶视为一个纯粹的（de）技术（shù）问题，并试图通过模块（kuài）化的方式实现技术拓展。

未来，专用人（rén）工智能技术路线下的（de）L4—L5级别的自动驾驶，或趋向（xiàng）“智（zhì）能外包”的技术解（jiě）决路（lù）线（xiàn）——依靠的不是更强（qiáng）的单车智（zhì）能，而是更复（fù）杂、精密的上层协调节点。这种做法存在诸多隐患。高级协调节点不仅覆盖性有限，并将增加通（tōng）行系统的边际（jì）成本和（hé）总体（tǐ）复（fù）杂性，令单车决策链延（yán）长及决策参与（yǔ）度降低。其后果是，智能路网本身的系统性脆弱将面临（lín）被放大的风险。事实上，基于专用人工（gōng）智能的自动驾驶并未真正面对“智能（néng）”问题，而是将单车智能（内（nèi）部解）不断转嫁为寻求外（wài）部援助（外部解），即车辆自己更多负（fù）责提出问题而非（fēi）解（jiě）决问题。到最后，并不是汽车变得更具适（shì）应性，而往往是人为改造了（le）那些不适应的地方——这（zhè）仍陷于“有多少人工，就有（yǒu）多少（shǎo）智（zhì）能”的（de）魔咒之（zhī）中。

通用人（rén）工（gōng）智（zhì）能试图创造能（néng）思考、有情感的具有认（rèn）知功能（néng）的软件系（xì）统，并认为智能并非全知（zhī）全能，系统需要通过（guò）预设的（de）元能力不断学习才能达到某个（gè）领（lǐng）域内（nèi）的实用水平。而且，即使在达到这（zhè）种（zhǒng）水平后（hòu），学习也不会停止，尤其是（shì）在环境变化的情况下更是如此。对通用人（rén）工（gōng）智（zhì）能而言（yán），先天预置的是元水平的学习能力，但一切学习的内容都由后天习得。因此，基（jī）于通用人工智能系统的（de）自（zì）动（dòng）驾驶，本质上（shàng）是一个教育而（ér）非技术（shù）问题。

通（tōng）用（yòng）人工智能（néng）系统在启动时并未（wèi）预置任何驾驶经验，更不是为了驾驶汽车而（ér）设计的。通（tōng）用人工智能系统与人类高（gāo）度类似，成长的第一步也是通过自身的感知（zhī）运（yùn）动设备获取具（jù）身的直接物理经验。训（xùn）练一个机器人（rén）和训练一辆汽车完成（chéng）自（zì）动驾（jià）驶任（rèn）务（wù），对通用人工智能系统而言（yán）并无实质区（qū）别。究竟（jìng）装配步足、履带（dài）还是轮子等“器官（guān）”，只是系（xì）统的“感觉”各异，却并非“驾（jià）驶”有别。但凡（fán）能够（gòu）实现载人有目的性的（de）自主（zhǔ）移动（dòng），就是自动驾驶。因此（cǐ），基于通（tōng）用人（rén）工智（zhì）能的自动驾驶，不限定（dìng）设备类型、载运形式（shì）和驾驶环境，这样也是通用意义上的驾驶（shǐ）。

这种通用（yòng）性（xìng）一方面体（tǐ）现在外设选择的多样性（xìng），另一方面则体现在（zài）驾驶背后学（xué）习（xí）内容的广博性和具身（shēn）理（lǐ）解性。通用人工智能自动（dòng）驾驶（shǐ）“算法”的（de）奥义，就是从（cóng）零开始（shǐ）“养育”一台通用人工智能的机器（qì）“婴儿”。这（zhè）台（tái）机（jī）器“婴儿”具有主动性（xìng），其（qí）行动力依靠自（zì）身积累的历史经验，是一种向内依赖的平权技术（shù）模式，而非向外（wài）依赖的（de）集权技术模式。于是，通用人工智能系统的“养育”过程，并不存在专用人工智能（néng）的那种外在干涉。而“养育（yù）”具体的技（jì）术手段，也（yě）不（bú）是专（zhuān）用（yòng）人工智能的机器学习、图像识别、优化求解等软硬件技（jì）术，而是类似于对人类婴幼儿的教育手段。这种特殊（shū）性与（yǔ）人们的常识相悖，令其乍看上去似乎难以理解。在此，以感知运动为（wéi）例（lì）进行比较说明。

首先，专用（yòng）人工智（zhì）能系统的处理（lǐ）内容既可以是（shì）图像、声音之（zhī）类的具象数据，也可以是自然（rán）语言、知识之类的抽象概（gài）念，但对其教育能（néng）且（qiě）只能从（cóng）感知运动经（jīng）验做起。因（yīn）为只有这种经验才能在通（tōng）用人工（gōng）智能系统中（zhōng）直（zhí）接落地。至（zhì）于（yú）给通用人工（gōng）智能系统（tǒng）预置“思想钢印”的（de）想（xiǎng）法皆为秕（bǐ）言谬说，这些抽象（xiàng）经验根本没（méi）有立身之基。所以，就连距离、速（sù）度、避障乃至数（shù）字等自（zì）动驾驶最初（chū）级的常识，通用人（rén）工智能（néng）的机（jī）器“婴儿”一（yī）开始（shǐ）也并不知晓。

其次，专（zhuān）用（yòng）人工智能系统的学习和（hé）训练阶段中，感知与运（yùn）动通常是分离的。图像识别（bié）无须摄像头像（xiàng）人（rén）眼一样（yàng）“跳（tiào）视”，而机器人位移也只（zhī）是程序（xù）设定（dìng）的机械操作及其优化（huà）。然而（ér），在通用人（rén）工智能系统的（de）“养育”过程中，感知和（hé）运动不可（kě）分，二（èr）者不是两类不同事（shì）物，而是（shì）同一类事物的（de）不同侧面。运动是感知经验变化的原（yuán）因，感（gǎn）知则是运（yùn）动结果（guǒ）的反馈，二者相（xiàng）互依存（cún）、缺一不可。更为重要的是，直接或间接（jiē）经由运动，感知才能建构出主体内在的经验（yàn）意义。感知运动（dòng）信号是最直接（jiē）且不可再分的（de）经（jīng）验（yàn），其意义来（lái）自内在的相（xiàng）互赋予。

最后，基于通用人工智能的自动驾驶也是我们的一面镜子，能够从中折射（shè）出深（shēn）刻（kè）的（de）关于（yú）人的道理。比如，通用人工智能的机（jī）器“婴儿”的运动，可分为（wéi）主动（dòng）运动和被动运动两类。主动（dòng）运（yùn）动由机器“婴儿”自行控制车轮（lún）移动，被动运动则是车轮不动由外力（如（rú）人拿起（qǐ）小车）导（dǎo）致车体位置变化。主（zhǔ）动运动是主观经验的发动机，是从（cóng）客观环境中与传感器一同协作感受自我边界从而区分主（zhǔ）客体的原动力（lì），因此对机器（qì）“婴儿”至关重要（yào）。只有经历这样的成长，才能在（zài）人与物、自我与他人、自我与环境之间（jiān）形成更清晰的辨（biàn）识。反（fǎn）观人类自身，对那些无法有效将人与物、自我（wǒ）与他（tā）人进行区分的自闭症患儿而言，基于通用人工智能的自动驾驶所带（dài）来的病（bìng）理学启示，或为当前（qián）自闭症生物学假说带（dài）来（lái）新的可能（néng）。