想象你正試圖左轉到一條繁忙的路上。面前一輛又一輛車駛過，漫長的等待讓你愈發(fā)沮喪。終于，一位大方的司機減速，讓開空間讓你駛過，你快速加速，成功地融入了車流。同樣的場景每天在世界各地上演無數次。在這種情況下，我們很難從物理學和其他司機的動機上做出推斷，美國每年有140萬起在轉彎過程中發(fā)生的事故就證明了這一點。

現在，一組計算機科學家發(fā)現了如何在這種情況下提高自動汽車的性能。他們提出了一個有限的自動汽車心智理論，允許車輛更好地向附近的人類解釋他們要干什么。一個友好的揮手動作可以發(fā)出一個明確的信號，表明他們在他們的車道上給你讓出了位置，而我們通常可以根據他們的車的行為做出推斷。但關鍵的是，自動汽車在這方面不是特別擅長。在很多情況下，自動汽車的行為并不會向其他司機發(fā)送信號。一項對加州自動汽車事故的研究表明，超過一半的事故涉及自動汽車被追尾，因為人類司機不知道它到底在干什么。

麻省理工學院（MIT）和代爾夫特理工大學（Delft University of Technology）的一組研究人員認為，將極其有限的心智理論應用于某些駕駛決策（包括轉彎和變道）應該是可能的。

《美國國家科學院院刊》（PNAS）的一篇新論文描述了研究人員工作背后的理念，其中涉及一個名為“社會價值取向”（social value orientation）的概念，這是一種衡量個人行為的自私程度或社會取向程度的方法。雖然毫無疑問，詳細的調查可以詳細地描述一個人的社會價值取向，但自動駕駛汽車通常不會有時間對其他司機進行調查。

因此，研究人員將社會價值取向歸納為四類：利他主義者，他們試圖最大化其他司機的快樂；親社會司機，他們試圖采取行動，讓所有其他司機受益（這可能偶爾涉及自私地地板它）；個人主義者，最大化自己的駕駛體驗；還有好斗的司機，他們只關心擁有比周圍人更好的駕駛體驗。

研究人員開發(fā)了一個公式，根據其他車輛的起始位置，計算出每一類車主的預期行駛軌跡。該程序用來比較實際司機和計算版本的軌跡，以此確定司機可能屬于四類中的哪一類。根據這個分類，自動汽車可以預測他們行動軌跡。正如研究人員所寫的，“我們通過整合其他司機的個性和駕駛風格的社會線索來擴展自動汽車的推理能力。”有了社會價值導向系統(tǒng)，自動駕駛可以對其他司機的軌跡做出更準確的預測，而不需要將預測誤差降低25％。該系統(tǒng)也適用于擁擠的高速公路上的變道和拐彎。

雖然我們離給自動汽車一個通用的人工智能或一個完整的心智理論還有很長的路要走，但僅需要給他們一個有限的心智理論，我們就能夠減少自動汽車的事故，提高交通安全。