2016年1月，一辆特斯拉轿车在京港澳高速河北邯郸段撞上一辆正在同向车道前方行驶作业的道路清扫车，司机高某不幸身亡。经交警认定，司机高某对追尾事故负主要责任。事后，司机高某的父母将生产商特斯拉公司告到法院，要求其承担产品责任。在审理过程中，法院委托的鉴定机构通过读取特斯拉公司提供的行车数据，确认司机高某当时开启了自动驾驶系统，并直接导致了事故发生。由此，该案成为全球第一例因自动驾驶汽车致人死亡而导致的产品责任诉讼案件。同年5月，在美国佛罗里达州，驾驶员驾驶同款汽车，在开启自动驾驶功能后观看电影，因自动驾驶系统未能识别出突然进入车道的白车辆，致使发生碰撞事故，驾驶员当场死亡。在此之后，意大利、美国蒙大拿州、加利福尼亚州和我国北京陆续发生了几起因开启自动驾驶
（A u t o p i l o t）系统而引发的交通事故，并导致了人身财产损失。连续发生的事故，使得消费者对自动驾驶车辆的安全性产生了疑问，也使自动驾驶汽车的产品责任问题浮出水面。与传统的产品责任案件不同，自动驾驶汽车致人死亡的侵权案件呈现一些新的特征：相比于传统汽车，自动驾驶汽车因其软、硬件的合成而使其制造技术和使用更加复杂，风险因素增加；人工智能驾驶系统使得汽车的控制权和驾驶决策从驾驶员部分甚至全部转移给了驾驶软件；相比于硬件缺陷，自动驾驶汽车的软件和算法缺陷更为隐蔽，但其造成的损害后果却更为严重、更加具有不可预防
性。但是，如何认定自动驾驶汽车的缺陷在我国当前法律体系中仍属空白，导致对其生产者适用产品责任极富争议。自动驾驶汽车的产品缺陷应当采用何种标准进行认定？作为人工智能应用的典型代表，自动驾驶汽车的软件和算法缺陷能否适用产品责任？《产品质量法》的修改和民法典“侵权责任编”的制定应当如何回应人工智能对产品责任的影响？当前国内学界对自动驾驶汽车交通事故责任进行了较多研究，并对高度或完全自动驾驶汽车的产品责任问题进行了初步探讨；但对“人机混合”模式下部分自动驾驶汽车的产品责任未予以系统深入的研究。有鉴于此，本文以当前国内外发生的部分自动驾驶汽车致人死亡案件作为切入点，结合《产品质量法》修改和民法典“侵权责任编”的制定，系统分析自动驾驶汽车的产品缺陷及其产品责任的适用问题，为自动驾驶技术的发展提供确定的法律预期，保护消费者的合法权益，亦为立法如何回应人工智能的挑战提供系统的思考视角和经验借鉴。
二、自动驾驶汽车的技术特征与法律定性
在我国当前的法律规范框架下，并无对自动驾驶汽车产品缺陷责任的特殊规定；“民法典侵权责任编草案”基本沿袭了现行《侵权责任法》和《产品质量法》的相关规定，未就其做出更细致的规定。对于传统汽车，其当然属于《产品质量法》规定的“产品”之范畴；主管机关亦颁布了《缺陷汽车产品召回管理规定》等配套规范，旨在确保产品安全、维护消费者合法权益。然而，人工智能和大量软件、程序在自动驾驶汽车上的应用，使其获得了不同于传统汽车的特性，由此产生的问题是人工智能技术在汽车上的应用，是否会改变汽车的“产品”属性及其产品缺陷的认定，从而会影响到其责任的承担？为了避免“人工智
能法学研究中的概念附会”问题，本文先对自动驾驶汽车的技术特征与法律性质进行分析，避免对人工智能技术不切实际的空想，以便为其缺陷认定和产品责任分析提供扎实的基础。（一）自动驾驶汽车的安全性能与其设计本旨与传统汽车不同的是，自动驾驶汽车主要是通过集成化的、系统性的驾驶取代传统的个性化彩突出的驾驶习惯，通过大数据和系统化的驾驶行为避免驾驶员的各类错误，实现其防止碰撞和预防交通事故的首要目标。不同于传统汽车，自动驾驶汽车不再强调驾驶车辆的操控性和驾驶乐趣，而是更注重车辆能否将乘客安全地送达目的地这一实用性目标。寓于实用性目标的车辆安全性，理应成为自动驾驶汽车行业发展的根本要求，只有在确保车辆安全使用的前提下，才能谈及其合法性和商业推广，否则，其不仅不能实现其所被期待实
现的目标，反而对人类生命健康安全形成巨大威胁。为了实现这一目标，自动驾驶汽车融合了人工智能发展的技术成果，确立了“感知—规划—行动”的设计逻辑：整套的感知系统收集外部世界以及车辆与其周边环境关系的各类实时数据；其软件算法则对传感器收集到的数据进行解读和分析，如根据道路图片规划线路、根据雷达数据分析其他车辆的行为等。自动驾驶系统利用收集到的各类信息做出自动驾驶车辆的驾驶决策，如加速、刹车、变向等，并转化为车辆控制系统的可执行命令。自动驾驶技术涵盖了高性能复杂嵌入式系统、人工智能芯片及算法、高速网络、海量数据收集、处理和计算、云机协同等诸多技术，从而构建一个集环境感知与认知、动态规划与决策、行为控制与执行等多项功能于一体的综合智能系统。值得注意的是，自动驾驶技术广泛应用并实现其安全目标需要一系列技术前提：①物联网的普
特斯拉全自动驾驶及和智能网联，即通过人工智能和大数据的广泛应用，实时收集自动驾驶车辆和各类驾驶环境数据；②公路的智能化改造，从而可以实时监测道路交通环境，并实时分享；③车辆的智能化，使自动驾驶汽车成为一个个移动的“智能体”，通过训练人工智能的自我学习和适应能力，各“智能体”可以协调各自行驶线路、速度、相互间距离等，自主应对各类路况和突发情况，实现交通流量优化并避免交通事故。但是，因为相关大数据技术基础设施的滞后，其仅仅实现了车辆的部分智能化，物联网和公路的智能化改造均未实现，致使自动驾驶技术应用的基础场景缺失，
无法实现驾驶数据的快速收集、分析和共享，难以做出保证驾驶安全的决策，理想和现实之间存在难以逾越的技术鸿沟，而这对自动驾驶汽车的安全性能构成了根本性挑战。即使在车辆的智能化方面，不管是自动驾驶的感知识别系统、决策系统、软件算法还是运算能力，在当前的技术条件下，其仍然存在诸多无法克服的各类内在风险。首先，就其感知系统而言，其可以通过视觉感知（摄像头和视觉传感器）、激光感知（激光雷达）和微波感知（如毫米波雷达）等三种代表性技术完成对驾驶环境的识别和监测，识别道路状况（如坡度、障碍物、坑洞、拐弯或绕道等）、交通状况（路线标志、信号灯、限行限速、拥堵、事故等）、道路上的其他车辆和行人、天气条件等，从而代替驾驶人的感知。因为配备了先进的感知设备，其所能感知的距离更远、对环境的变化更敏感，也不会像人类一样感到疲倦、不会受到光线和雨雾等天气因素的影响，因此，自动驾驶车辆的感知系统相比人类具有优势。但是，从当前的技术发展角度来看，以上三类感知技术各有优点和缺点，如视觉感知容易受到光照和运动速度的影响，
因此在强光和高速公路上行驶时，无法进行有效感知，并且其当前仅能用于识别特定目标（如人脸、文字、指纹等），尚无法胜任复杂环境下的全要素识别任务，这也是为何佛罗里达州自动驾驶事故发生的主要原因；而激光传感器和微波感知毫米波雷达则无法感知无距离差异的平面内目标信息，无法有效应对复杂的城区驾驶环境，因此其无法识别静止物体或低速行驶（如
发布评论