为什么你车开得不像你想的那么好？
如果驾驶如此简单，对于机器人来说为什么那么困难？是什么教学机器教会了我们驾驶？
奈特先生，这正如你所愿。不过，我认为因为疲惫我们都有点焦躁，为了安全起见，我可以建议你把车设定为自由驾驶状态吗？
—霹雳车基特，电影《霹雳游侠》
因为我们不是脑外科医生，所以驾驶可能是每天我们所做的最复杂的一件事。这种技能中包括至少1 500个小技能。无论何时，只要我们在陆地上行驶，就会仔细检查周围是否存在危险或者有没有其他信息，留意不要将车开到其他车道上，判断速度，做出决定（研究发现，每英里我们做出的决定有20个），计算危险，调整仪器，设想他人下一步会做出什么行动，即便在喝牛奶，我们也会想想昨晚的《美国偶像》剧情，安抚牙牙学语的孩子，检查语音留言。在马里兰州某一路段上进行的一项调查发现，车速达到时速30英里时，每2英尺处就显示一条信息。调查推断，司机每分钟可接受1 320条信息，或者大约440个字。这相当于阅读过程中的三段话，同时还可以欣赏一些漂亮景象，更不要说前面提到的其他事也要完成。在驾驶过程中的每一分钟，你都在重复这样的事。
因为这些事情看起来很容易，所以我们不太专注于此。驾驶就像呼吸，或者像不经意的自我放松。我们不过做完这些事情，仅此而已。不过再想一想，人类这种能力确实令人震惊，仔细考虑一下：让一个非人类去驾驶，它需要做些什么？塞巴斯蒂安?特伦（Sebastian Thrun），斯坦福大学的人工智能实验室的负责人，他和队友过去几年一直致力于此项研究。在2005年，特伦和同事们赢得了“国防部高级研究计划局挑战赛”（Defense Advanced Research Project Agency）大奖，他们的车在崎岖的莫哈维沙漠中行驶了132英里，使用的大众途锐轿车名为 “斯坦利”（Stanley），这是辆无人驾驶汽车。仅仅依靠全球定位系统，摄像头，和很多传感器的协作，车辆用了不到7小时的时间就走完了这一路程，平均速度很快，时速达到了19.1英里。
特伦和他的团队在经历了一系列挫折之后，改变了驾驶指挥方法，使 “斯坦利”最终获得了胜利。“我们教会‘斯坦利’要像个学徒，而不要像电脑，”特伦这样告诉我。“我们不告诉‘斯坦利’怎么做，‘如果接下来有情况发生，它就会相应的采取下一步行动 ’，我们通过举例来对它进行训练。比如说，如果仅仅告诉‘斯坦利’如何限速行驶，这种做法并不会有效果。人开到凹凸不平的车道上会减速，”特伦说道，“但是机器人没那么聪明，它会一直以时速30英里的速度驾驶，直到报废。”不过，特伦亲自驾车，让“斯坦利”记录驾驶的轨迹，记好驾驶的速度和车辆的震动情况。在路段变窄，或者是车身震动异常的情况下，“斯坦利”观察了塞巴斯蒂安做出的反应。
我们把多数人学习的驾驶方式教给“斯坦利”，不是让它在课堂上死记硬背交通规则，也不让它观看充斥血腥场面的安全教育影片，而是实战观察，让它坐在家长车的后座上。对于特伦来说，这一过程使他开始“质疑什么是真正的规则”。虽然基本规则很简单：在一条路上从一处到另一处要限速行驶，不过，如果教会“斯坦利”严格的规则，会让他产生过激反应，就像达斯汀?霍夫曼在《雨人》中饰演的自闭角色，他在过马路时停在路中间，因为路灯显示“禁止通行”。但如果常规都被打破，就像他们驾驶时经常遇到的情况那样，事情又会怎么样？“没有规定说风滚草一定要长在车道之外，”特伦解释道。换句话说，还会有其他事发生。各种各样的变故或者“噪声”都存在。看到闪着灯的警车时，我们要判断是不是有什么人被抓；同样，“斯坦利”也需要破解困扰他的道路环境：在路中间有没有石块或者纸盒？路上有没有限速障碍，或者是否有人从车上摔下来？单单纽约市“禁止停车”的限制标志就可以让“斯坦利”败下阵来。
为什么你车开得不像你想的那么好？（2）
如果这些情形已经很复杂，那么再思考一下通常在驾驶时，多数人所处的各种环境：不仅仅是杳无人烟的沙漠通道，还要考虑到闹市和乡下街道。理解了特伦的想法之后，我明白这正是他在思考的问题。特伦现在正处于国防部高级研究计划局城市挑战赛下一赛季的试验阶段。这一次道路选在城市，所以越野的“斯坦利”被淘汰，取而代之的是辆灵敏度高的晚辈“佐尼”（Junior）。“佐尼”是2006年生产的一款大众帕萨特车型。按照国防部高级研究计划局（DARPA）的规定，汽车应该在“时速达到20英里时，能够实现安全准确的无人驾驶，”包括“并入运行中的道路、在环道上行驶、顺利通过车辆繁多的十字路口以及绕过障碍。”
这些要求连我们人类也不一定做得到，不过很多司机每天都能顺利地进行多次演习。教会一部机器学会这些就要处理好基本问题：对没有规律可循的交通场景进行分析（我们经常如此），这已经是件大事。这不仅需要识别物体，还要理解物体之间的相互联系，不仅仅要考虑当下，还要考虑到以后。特伦举了一个实例：当一个人驾车行驶到安全岛或者看见静止的车辆时，他会做出不同的反应。“基本上你能够对静止的车辆做出反应，你可以排在车后面等候，”他说道，“如果是安全岛，你只需绕着开过去。人类在看到物体后能够立即识别，这是理所当然的。但是，想要通过分析图像数据，让车来理解前面出现的是一个安全岛，还不存在这样的技术。”在40米左右的位置以外，按照特伦的说法，“佐尼”也不知道正在靠近的物体是什么，它只把这个物体看成一个障碍。
和人比起来，“佐尼”在某些方面更有优势，这就是为什么有些像自适应巡航控制的机器设备（可以通过雷达信号来判断与前面车辆的距离，同时做出适当反应）已经开始在车内使用的原因。当计算其与前面车辆的距离时，就像ACC（自适应巡航控制系统）一样，“佐尼”比我们更加准确。斯坦福大学的研究员迈克尔?蒙特莫罗（Michael Montemerlo）说“佐尼”可精确到1米内的车距。“人们总会问：是否‘佐尼’可以感觉到其他人的刹车灯，”蒙特莫罗说道。“我们的答案是‘不需要’。‘佐尼’可以精确计算另外一辆车的速度，由此判断这辆车是否会刹车。它可以直接确定对方的速度，而不是通过十分有限的信息了解到对方即将停车。”它比人类获取的信息还要多。
驾车不仅要考虑感觉的可信度，还要知道如何处理信息。对“斯坦利”来说，这种任务相对简单。“不过是机器人独自行驶在沙漠里，”蒙特莫罗说。“‘斯坦利’”对外界的认识是基础性的，实际上外界在‘斯坦利’眼里完全是几何图形。‘斯坦利’的目标不过是选择平坦的道路而避免走崎岖的路。由于‘斯坦利’对外界的了解很有限，它无法在市区环境下行驶。要在这种环境下行驶就一定要理解你看到的情形，还要对此理解得很透彻。”比如说，当我们接近一处刚刚变黄的交通灯时，我们会立刻开始一系列复杂的分析：黄灯会亮多久？我有时间（或者空间）刹车吗？如果加速我可以穿过去吗，要开多快才能成功？如果突然踩刹车，后挡板会不会被撞？有没有冲红灯摄像机？路面是不是湿的？我在岔路口会不会被抓，会不会妨碍交通？然后我们再做出决定。
为什么你车开得不像你想的那么好？（3）
我们有时距离黄灯很近时才停下来，但有时距离黄灯还很远，红灯还没亮时停下来，到底该什么时候停，工程师们将此称为“进退两难地带”（dilemma zone）。这的确是个麻烦。通过撞车率可以知道，很多司机因为要在黄灯时停车而汽车的尾部被撞。不过更严重的撞车是司机继续行驶，从路口开过来的车辆撞到了车身侧面。要么撞车事故不严重，但是撞车几率很高，要么撞车事故很严重，但是发生这种事的几率很小，这两种情形该如何选择？工程师们延长了黄灯等待时间，不过因此降低了路口的道路通过量。一旦信号灯的等待时间放宽松，这相当于又在鼓励司机提高车速去冒险。
有些人甚至提议使用提示司机交通灯即将变黄的标志牌，以此提前警告司机。这是一种“小心再小心”的策略，扩大了“犹豫区”（indecision zone）的范围。然而，在澳大利亚的十字路口处进行的一次调查却并不让人乐观，调查者研究了绿灯刚刚开始闪烁，还没有变成黄灯时发生的情形。调查结果多种多样：绿灯闪烁时，穿马路的司机数量很多，但是直接闯红灯的司机并不多；然而多数司机都停车过早。以色列的一项路口研究显示，后一种做法会造成危险后果，这里使用的也是“绿灯闪烁”的办法。在十字路口处，使用这种指示灯造成了更多追尾事故。犹豫区范围越大，车辆数量就越多，于是有更多人需要决定是开走还是立即停车，撞车的几率也更大。
在路上，这种麻烦区域一直都存在。在挑战大奖赛进行时，路上没有行人（蒙特莫罗说“谢天谢地”）；这对汽车“佐尼”来说是个大问题。“我想过很多，要是‘佐尼’在实战中不成功会怎样，”蒙特莫罗说道。它在斯坦福驾车就比较稳定，可是如果有行人站在路边，站在人行道旁边怎么办？因为这时行人不在路上，他不算障碍。可是他要是在等着过马路，或者仅仅站在那呢？为了认识这个问题，机器人还需要理解路人的肢体语言，或者通过训练可以进行眼神交流和对行人的面部表情进行分析。即使机器驾驶员停下车，路人仍需获得更进一步的信息。“行人有时很警惕，即使走在已经停下来的车面前也会比较小心，”蒙特莫罗说，“通常他们会等司机挥手，示意‘你先过’。”但如果在无人驾驶的“终结者”面前通过，你会面不改色吗？
不过在某些方面，城市的环境实际上比满是沙尘的沙漠车道更容易通行。“在市区驾驶的确受到很多限制，你对此无能为力，”蒙特莫罗说道（他从没在纽约的罗斯福路上开过车），“这实际上关系到我们驾驶的能力，我们根据道路规则和路上的标志来推算可能发生的事。”
道路上充满各种假设：绿灯亮时我们全速驾驶，因为我们认为其他司机已经停车；每次对面车道上开来一辆车，我们都不想和它迎面相撞；我们直接冲过一个小土丘，因为我们认为对面不会刚好停着一辆油罐车。“如果我们不做任何设想就会驾驶得更快，”蒙特莫罗如是说。斯坦福的整个团队将这些设想编成100 000行左右的代码，用这些行代码做“佐尼”的大脑。但又不能过于死板，一旦发生怪事时，要避免汽车失灵。
路上会发生很多怪事，比如路灯坏了。大卫?莱特曼（David Letterman）曾开玩笑说纽约的路灯“只是些模糊的指南”，不过大家开车都遇到过交通信号卡住一直显示红灯的情况。犹豫一下，然后你可能小心翼翼地从红灯下开过去。或者你开到一辆停下来的车后面，打算绕过去，这意味着你得穿过两条黄线，正常情况下，这是违法行为，可你即使违规了，交通法还是常常允许特殊情况发生。那么四车道上的车辆其中哪一辆应该先通过？如果清楚哪辆车先到红灯，那么四个车道都可能会陷入僵局。假设四个机器人驾驶车辆同时到达，就有两种可能：它们争着先过，结果撞在一起，或者是都停车不通过，全部机器人都拥挤在路口。所以斯坦福一行人使用了复杂的算法来让“佐尼”的二元逻辑更人性化。蒙特莫罗说“‘佐尼’会努力计算出通过的合适时间，而且会按次序等候。”“不过要是有人不按次序先后，浪费很多时间，机器人就会只身离开队伍。”
为什么你车开得不像你想的那么好？（4）
斯坦福的团队发现，教会“斯坦利”和“佐尼”驾车的最好的办法就是研究人类如何驾驶。可是机器人有没有什么可以教给我们呢？蒙特莫罗说在第一次挑战大赛上，特伦“总是抱怨机器人转弯时速度太慢。”可是一个研究生对比赛结果进行了分析，他得出的结论是：在7小时的比赛过程中，机器人可能“像走投无路的法拉利一样”，虽然只是浪费几分钟，但却提高了撞车的危险性。因为在比赛中，多数路段都是直路，与其在少数几个转弯（路上最危险的地段）处以最快速度行驶，不如在这些笔直的路上保持最高的平均速度。
蒙特莫罗称“佐尼”为“驾驶小精灵”。这是他对城市挑战赛思考了很多的问题。“你可能最先想，‘要让它拥有一切，尽可能开得快。要让它在停车标志处最及时地加速，等待时间越少越好’，结果这样做效果微乎其微。在路上我们都知道这一点。在路上你看到身边有人加速然后超过你，然后你再见到他—在下一处红灯，这辆车就停在你前面。道路的随机性超出这些数量不多的优化方案。同时，一些所谓的优化方案，其实就像停车标志处的傻子，给每个人都造成了麻烦，减慢了每个人的速度。”
世界机器人研究方面的一组领军人物花了几年时间，希望设计出一种无人驾驶汽车，它可以聪明灵巧地完成驾驶任务，能够在现实道路上处理很多麻烦。这既是对人类卓越能力的一个检验，也会惩戒人们想当然的驾驶行为。长途驾驶过程中机器人的优势在于软硬件可以很好地协调，而人类只能凭借与生俱来的能力。人类的认知机制好比一种功能强大的设备，比如可以进行试验，教会“斯坦利”和“佐尼”驾驶，但是如果我们仔细探究，就会发现，机器人的这种能力并不是无可挑剔的，即便是提升一个层次，也难以完善。
我的车开得如何？可我怎么知道？为什么缺少了反馈信息，我们在路上就发挥不好？
有两件事，没有任何男人会承认自己不行：驾驶和做爱。
—斯特林?莫斯（Stirling Moss），挑战赛冠军在线拍卖网站eBay上张贴了一则引人注目的电视广告，上面是一句简单的标志性语言“大家都是好人”。有意思的是，很多画面都和交通有关：在某处，人们合力推出陷进雪里的一辆汽车；在另外一个地方，为了让其他司机开到前面去，一位司机将车减速，还朝他挥了挥手。通过研究这种互惠互利政策，eBay希望可以强调这样的观念：在从未谋面的人那里你可以买到东西，甚至他还在路上，你也要相信商品真的会送到你手上，这种“日常信任”，eBay发言人认为，“在无数陌生人之间的交易中都会体现出来，不会发生任何意外障碍，”这大致描述了路上发生的一些事。
然而不见得大家一直都会做好人。每个月里，eBay都会发现一些新形式的欺骗行为，公司会适时展开调查。复杂的软件系统能够发现可疑竞价的样品。不过维持网站正常运转的并不是针对欺骗行为的高超技艺—在每日无数的拍卖交易中，这种细节几乎没有时间留意，它依靠的是另一种更简单的机制：意见反馈。在网站上买卖东西的人都希望有获得正面的、避免负面的反馈意见的愿望，这种购物体验的作用十分关键，但可能和想做好人无关。事实上，据调查，如果买家信誉度好，其营业额可以提高8%。总之，反馈意见（前提是具有真实性）像社会的胶水一样粘住了eBay。
为什么你车开得不像你想的那么好？（5）
要是和eBay一样的“声誉管理”（reputation management）系统用在道路上，结果会怎样？这种想法体现在里奥?杰?斯特拉希拉威茨（Lior J. Strahilevitz，芝加哥大学的法律教授）的一篇颇具争论的论文中。他写道：“除了声誉评分系统，一条现代城市高速路在很多方面很像eBay。”“很多高速路上的司机都相当有技巧，想要有条件地和其他司机同行合作，不过少数派中也有很多人使其他司机付出了沉重代价：增加交通事故，拖延时间，增加交通压力，粗鲁无礼，让保险费不断上升。”
广告团队的“我的驾驶技术如何”贴纸启发了我，于是我产生了一个想法：看见危险行为或者不法驾驶时，司机可以打电话到呼叫中心进行投诉，提供汽车保险杠上强制使用的号码或者车牌标志号码；也可以致电表扬优秀司机。这些都会记录下来，在每个月底，司机们都会收到一份“账单”，上面记下了电话里正反两方面的评价。超过一定限度的司机需要接受某种方式的惩罚，比如上缴高额保险费或没收其驾照。斯特拉希拉威茨认为使用这种系统要比偶尔实施法律制裁的效果好。警察通常只对明显犯规行为（比如超速行驶）开罚单，而面对我们碰到的一些更加细微的鲁莽和危险驾驶行为，他们根本无能为力—冒失的司机做出危险的举动，比如撞到后挡板，或者驾车时阅读《黑莓报》上的文章，你幻想过这时警车会开过来将其抓获吗？这种想法不过是徒劳。使用这种系统可以帮助保险公司更有效地制定保险费用，也可以为愤愤不平的司机提供安全，为他们提供发泄不满的机会，让他们觉得公正合理，而不是通过莽撞驾驶来发泄心头的怒气。
可是怎么处理那些不真实的以及充满个人偏见的反馈意见？如果因为你的手机响个不停，像狗一样不停地在叫，旁边的司机对你发火，他因此控告你在收费公路上行为很疯狂怎么办？斯特拉希拉威茨指出eBay使用的软件可以觉察到可疑行为—比如在很多正面意见中出现“局外”评价，或者是对同一个人重复进行负面评价。那么涉及隐私问题呢？这就是问题所在：人们可以随意对路上的其他人进行恐吓，因为他们的身份在很大程度上受到了保护。道路不属于私人场所，超速行驶也不是一种私人行为。斯特拉希拉威茨认为，“我们需要保护隐私，唯有如此，才能促进社会繁荣。”
另外还进行过一些没有上述目标远大的试验，也进行过非正式的试验。在Platewire.com网上，网站创始人称“开设这个网站的目的是为了使人们在论坛上或者在其他活动中的行为对别人负责。”在这个网站上，司机可以给差司机提意见，留下差司机的车牌号码；有帖子批评在加州有人驾车时“一直忙着梳头发”，在新泽西有“讨厌的奥迪车”。不过很少有用户赞扬优秀的司机。
不管这种努力有多大意义，此类网站的缺点仍然很明显：一方面，我写这本书时，Platewire的用户已经超过了6万人，然而比起庞大的司机数量，这个用户量不值一提。Platewire上面的意见很少有人听取。另一方面，如果仅仅是在路上随机驾驶，那么我碰到新泽西州车牌号为VR347N的车主的概率实在很小—甚至小于他们读到这本书的机会。而且，我不可能记住那些驾车时“读报纸”的司机就是Platewire网站的用户提到的那些人。最后，Platewire只有匿名的一小批分散的读者，缺少真正的影响力。
为什么你车开得不像你想的那么好？（6）
设置呼叫中心的想法是为了反对道路上匿名制的泛滥，对抗这种体制所引发的一切不良行为。不过这也可以看出道路上存在的另一个问题：缺少反馈意见。前面讨论过，一些技术欠佳的司机，却不知道自己的技术如何。研究表明，如果被问到“我车开得如何？”人们的回复可能无视自己真正的驾驶记录，通常是朝自己竖起拇指，这一点不足为奇。
从美国到法国、新西兰进行了一项又一项调查，一组组的司机将自己和“普通司机”作比较时，其中的多数人都毫不含糊地称自己“好很多”。当然统计结果未必真实。就像喜剧《巨蟒》（Monty Python）中的一个速写：“我们不是普通人！”心理学家们称此现象为“乐观偏差”［optimistic bias，或者是“超出一般人效应”（above-average effect）］，我们为何会这样认为，这还是个谜。可能和不如自己的人进行比较时，我们希望自己更加优越，就像第一章提到的排队的人回头向后看，可以看到队伍后面那么多不幸的人，这样可以满足他们自己的优越感一样。或者这是一种精神支柱：面对驾驶我们要有信心，这可是我们做过的最危险的事。
不论是什么原因，有证据表明，我们虽然依靠自己改善了生活的方方面面，然而也要为此承担后果。通常投资者认为在选择股票时自己比普通投资者优秀，不过，对经济账户的研究显示，最积极的贸易商（可能是最自信的人）收获的回报最少。驾驶可能突出体现了这个“超出一般人效应”。另一方面，心理学家发现乐观偏差在我们可以控制的局面中显得更加强势：研究发现，如果问到司机们发生交通事故时他们的态度会怎样，他们的态度一般都比行人更加乐观。
“超出一般人效应”解释了对新交通安全措施抵制（起码初期是这样）的原因，从抵制系安全带到抵制打手机限制等。许多项统计显示，多数司机在无法继续驾驶而停车时会阅读手机短信。我们高估了别人对社会造成的危险，低估了自己造成的麻烦，似乎需要控制的是“别人”的行为，而不是我自己的行为；这种推理导致长期以来，在技术和人类的演化过程中，社会道德和交通法规之间存在差距。我们觉得对于需要更严格的法律的人们来说，应该制定出这样的法律。
研究表明，我们常高估自己，我们认为一些问题相对容易（比如驾驶），或者问题不那么复杂（比如很多东西放在一起的杂耍）。心理学家认为这是“乌比刚湖效应（Lake Wobegon）”—“这里的孩子都长得比其他地方的孩子漂亮”。如果谈论的是模棱两可的某种技能，这种效应就可以得到明显的体现。奥林匹克撑竿运动员清醒地知道自己比其他人跳得高多少，而对于司机来说，他不过从单位安全回到家，怎么去衡量他的表现呢？如果满分是10分，他能得到9.1分吗？
最重要的是，我们可以对自己的驾驶能力自鸣得意，因为实际上我们不能做出任何准确判断。可能我们缺少的是“元认知”（metacognition），这是康奈尔大学的心理学家贾斯汀?克鲁格（Justin Kruger）和大卫?唐宁（David Dunning）提出的观点，他们认为我们“没有什么能力却意识不到这一点。”如果一个人对英文语法的规则知之不多，那么他就不大可能判断语法的正确与否（使用克鲁格和唐宁的实例）。同样，司机不可能完全认识到追尾的危险性，或者和其他人相比，驾驶规则不能恰当地评估司机面对的危险和驾驶中的表现。一项调查显示，驾驶测试中（只是一个反应实验），发挥不好的司机如果发生了车祸，他们不能很好地评估自己造成的后果，而在统计中善于把自己看做“好很多”（比如说认为自己更加安全）的司机。前面也提到，人们判断自己的驾驶技术好坏时，很容易忽视自己的驾驶记录。
为什么你车开得不像你想的那么好？（7）
所以，不管是不是为了不感到忧虑我们才自高自大，或者不甘于自己只是平庸而没有本事的人，在路上，很多人都认为自己是“超出一般人”的司机（尤其是男性），每个人都似乎下决心维持他们“超出一般人”的看法。我自己不成文的理论是：这起码解释了在美国，为什么调查统计中的司机都认为道路年复一年地变得越来越不文明。在1982年的一项调查中，很多司机都发现多数其他人在路上很“有礼貌”，但在1998年开展的同样的调查却显示，没礼貌的司机数量已超出了彬彬有礼的司机数量。
这和自信心膨胀的人们有什么联系呢？心理学家认为自恋是因为自尊心不足，由此产生的不安定感能导致挑衅驾驶。这很像调查数据显示的结果：男女各自的性伙伴数量是脱节的。对挑衅驾驶行为进行的统计发现，更多人认为自己看见过这种情况，但本人不会这么做。有些人总是自我感觉良好，过多自恋情绪使得路上挑衅行为增加。心理学家进行一个称为“自恋人清单”的调查（在过去几十年里作为社会检验自恋的指标）。该调查研究对“如果我统治世界，世界会更好”这句话，人们作何反应进行调查。结果发现，2006年，三分之二的应答者的分数比1982年的调查分数要高。更多的人比以前“对自己的认识更加正面和得意。”同期，自恋心理也在膨胀，如果调查结果可信，那么道路正在成为一个让人不快的环境。道路是一种需要协同和合作来实现功能最大化的体系，人们都怀有一个共同的想法：“如果我控制道路，情况会更好。”
如果有人对我们的路上表现做出负面评价，我们就会想办法辩解，或者立刻忘掉它。如果遇到开罚单，我们就抱怨说这不过是警察需要完成的“指标”而已；另外一个司机鸣笛让我们气愤，但他却并不为之惭愧或者感到遗憾；出车祸好像完全是因为运气不好。不过对于多数人来说，负面评价常常不存在。多数时候我们每天驾驶都不会出事，每天我们都高出“平常人”一些。爱荷华大学的认知系统实验室的负责人约翰?李（John Lee）解释道：“做为一个平凡的司机，在自己展现出平凡之前，你可以远远地摆脱这种特点。这是一个问题。反馈意见的症结不在于此。多年来你一直都是个不怎么样的司机，而你从未意识到这一点，因为你从来没有将这一面展现给自己。多年来你驾驶时一边打着电话，一边还说‘打电话有什么危险？因为我每天打两小时，没出过什么事’。哦，这是因为你一直都很幸运。”
我们有时为了测试一下自己的车技，甚至差点酿成车祸，而我们却还在安全带上刻上代表成功的“V”。不过心理学专家詹姆斯?里森（James Reason）在《人类的错》（Human Error）中写道：“要避免发生交通事故，经验是一把双刃剑。”问题在于我们在躲避交通事故的同时学会了如何正确避开事故，而不是在事故中学习。不过，在里森眼里，差点出事包含了“出事误差”（initial error）和一个“出错恢复”（error recovery）的过程。这引出几个问题：我们从差点出事中学会了怎么避开车祸，还是怎么避免出错才不至于陷入了这种紧要关头？避开一次小事故足以让我们下定决心避开更大的事故吗？我们怎么从自己的过错中学习，可以学到什么？
为什么你车开得不像你想的那么好？（8）
我们从错误中学习什么？最后这个问题也是一个叫做DriveCam的技术公司提出来的。该公司位于圣地亚哥郊区的办公园区，在那里，我用了一天时间来观看“车祸”，“差点出车祸”以及“吓人的粗心驾驶”的视频片段。这种测试很简单：一个小型摄像头，安置在后视镜上，不断地记录缓冲图像（TiVo放电视时做这种工作），包括外面的景象和司机的表现。传感器监视了车辆的各种受力情况。司机用力踩刹车或者突然转弯，摄像头会记录下动作前后的10秒钟做为参考。视频片段传给DriveCam的分析者来生成事件的报道，如果必要的话，这些视频会用做“教材”。
iveCam的宗旨是“将冒险排除在驾驶之外”。时代华纳有线公司的卡车、拉斯维加斯的出租车、机场豪华轿车租赁公司的轿车等车内都安装了摄像头。安装了DriveCam装备的汽车公司发现公司的撞车率下降了30%到50%。公司认为和旨在提高商务车队的安全记录的传统措施相比，这一措施有几个优势。DriveCam公司的总经理布鲁斯?默勒（Bruce Moeller）告诉我说：早期的办法是给司机提供场地安全训练。“他们过来训练，都很卖力，‘要做好’。然而过段时间，他们就开始玩命了，他们发现没有撞到别人，也没有人朝自己大喊大叫。这样不错，让你免除了麻烦，很快你又开始犯老毛病。”广泛开展的一项关于“我的驾驶技术如何？”的调查，得到了更多的反馈数据，这项调查是根据1980年提供的电话号码进行的后续调查，不过通常调查都延期或者质量有待商榷，公司副总裁德尔?里斯克（Del Lisk）说道。“电话都是夏天打过来的，主观倾向很强，”他说道。“比如有的电话竟然是，‘我对我的电话账单很气愤，我要打给那个美国电话电报公司的家伙’”。
鉴于有统计表明，公司的汽车对工人们来说会造成危害，由此可见DriveCam公司的想法合情合理。这种想法来自H.W.海因里希，一位旅行者保险公司的保险投资者，1931年，他写了一本有意思的书：《避免工业事故：科学的探索方法》（Industrial Accident Prevention：A Scientific Approach）。对成千上万的工业伤害进行了研究之后，他发现工地上每死去一个人或者有一个人受重伤，就有29件小事故，或者有300件“几乎让人丧命”但没有造成人员伤亡的事故。他依照所谓的“海因里希三角结构”来分析这些问题，认为要避免三角顶端发生事故，就要处理好底端的很多小事故。
我遇见默勒时，相互寒暄一阵之后，他告诉我的第一件事就是：“如果在你车里安装了DriverCam装备，即便我们根本不认识你，我保证我们能发现一些连你自己都不清楚的会导致交通事故的驾驶习惯。”他在白板上借用了海因里希的三角原理。“你了解29和1，”—分别代表车祸和死亡人数，他说“有证据有力地证明了有人死去，有人遭遇车祸。我们展示的是DriveCam所监视的24/7，即发生的所有类似不安全行为”，他指向三角的底部，“可以导致，或者将要导致交通事故的发生，除非你的运气足够好。”
里斯克认为，为了降低DriveCam所谓的“可避免事故”的发生，其关键在于三角的底部，被人忘记的侥幸脱险事故却并不明显，“多数司机都会看用三角形上面的两条边来衡量他们的技术。事实上，真正的判定值应该是底线。”换句话说，司机从车祸和交通罚单的角度来考虑自己的表现，但是车上的乘客的角度是不一样的。“我们所有人，和行人一样，”里斯克说，“像和司机一同乘车，都从金字塔的底部来看待司机，看司机是否握紧方向盘，司机的脚是否牢牢地蹬着车底板。”
为什么你车开得不像你想的那么好？（9）
我多次在安装了DriveCam装备的车内扮成乘客，一种让人烦忧的行为引起了我的注意—当然是粗心驾驶。在一个视频短片中，司机松开方向盘，以拳击运动员的速度去击打从后视镜中看到的。在任何一段视频中，司机们都尽量睁开眼睛，直着脖颈晃来晃去。“在一段视频中，一辆装满汽油的油罐卡车司机整整眯眼睡了八秒钟，”默勒说。
不过在视频片段中，更让人感到不安的并不是事件本身，也不是画面中可以看见的信息，而是在镜头之外发生的事情。在一个画面中，一位男司机将车开进居民区街道之后，他低下头去拨手机，车开始往路边滑。他感受到了道路的变化，受到惊吓，重新开回到路上，然后做出一脸怪相，总算有惊无险。可是如果仔细观察图像，就可以看到一个儿童在骑车，他的朋友站在路边，距离事发地不到12英尺远。“你觉得他看得见这个骑车人和其他人吗？”里斯克问到，“这全凭运气，这就是金字塔的体现。”
不仅司机意识不到驾驶给自己和他人带来的真正危险，对此他甚至丝毫察觉不到。里斯克说：“这个人可能是个不错的伙计，一个好丈夫，好员工，然而他甚至意识不到发生了什么。如果我们用一个黑箱子或者什么东西来告诉他发生的事，他肯定不相信。”看不到视频，司机意识不到自己的过失可能造成的潜在后果。默勒说道：“每天我都积极看待自己的驾驶，我没有撞到儿童，因为没有儿童出现过。我们低头看《黑莓报》，打手机，喝酒，我们巩固了自己的错误做法。”
当然等我们不做这些事时就出了差错。我们常把这种出错的时刻看成“意外事故”，意味着这不是我们有意而为，或者这种事无法预料。一位警觉的司机突然不可避免地撞到了一棵横倒在路上的树，用“意外事故”来描述这种情形似乎很贴切。不过可以想一想2007年，圣路易斯红雀队的投手乔什?汉考克（Josh Hancock）的悲惨遇难，他租来的SUV突然撞上了一辆停在高速路上的拖车的车尾。这辆拖车正闪着车灯，之前现场发生了另一次车祸。调查者发现汉考克（几天前他撞坏了自己的SUV）血液内的酒精浓度几乎超过了合法限制的2倍多，他在超速行驶，没有系安全带，发生这一致命事故时他正在打手机。
虽然事实上，这些行为被确认为冒险行为，但这一事件却仍旧被媒体看做是“意外事故”。同样的事情发生在南达科他州国会议员比尔?詹克洛（Bill Janklow）的身上。这位声名狼藉的超速驾驶者4年里拿到了12张罚单，他发帖子吹嘘自己喜欢生活在“快车道”上。2003年，詹克洛闯红灯，撞死了一名骑摩托车的人，但媒体反复称之为一次“意外事故”。
2001年，《英国医学期刊》宣布不再使用“意外事故”这一词语，指出这个词语的问题在于：意外“常常被理解为意料之外”，因此不可避免。可是汉考克和詹克洛的撞车事件真的无法预见、不可避免吗？当然他们是无心的，然而，“难道还有车祸比他们的事故更有意为之吗”？事故“没有道理的发生”吗？还是他们应该可以采取行动避免事故，或者起码可以减少事故发生的几率？人类不过都是凡人，总会出差错，发生这种情况的确时运不济。心理学家认为回顾过去时，人类常常夸大事情的可预见性（后见之明的偏见）。不管怎样，“意外事故”这一词语是在逃避责任，为那些最粗心大意的驾驶行为提供了保护伞。这反过来说明每天发生在路上的诡异的惨死事件，都是我们亲手酿成的。仅仅通过安放几个缓冲气囊就可以消除或者减少这种事情的发生（遗憾的是行人们缺少这种安全措施）。
为什么你车开得不像你想的那么好？（10）
多数撞车事故和违反交通法规有关，不管犯法是有意还是无意。可是“无心”和“有意”的概念很模糊。2006年，芝加哥的一位司机在驾驶途中取手机时，他的SUV失控，撞死了另外一辆车里的乘客。受害者家人也认为，“要是他没有喝酒，没有服用毒品，这应该算‘意外事故’。”虽然这话听起来很荒唐，而且是司机有意违反法律，法律却从根本上容许了这种违规：司机只是被处以200美元的罚款。很奇怪，也很难区分的是“清醒的超速者”。一个人血液中的酒精含量超标撞死他人，一个人速度计显示超速行驶而致他人死亡，这两种情形的法律法规存在着巨大的分歧。
很容易注意到在新闻报道中也存在相似的偏见。一些报道称发生致命车祸时，“没有检查出毒品或者酒精”，巧妙地让司机不用负全责，即便司机公然超速驾驶。但如果在广告中出现了喝酒和驾驶的开心场面，汽车公司就会受到惩罚。不过一组印第安研究人员对北美的车辆广告进行的调查表明，如果在仪表盘上贴上“安全注意事项”，开车人一般都会比较冷静。小组的多数人认为，在200多则广告中，几乎有一半（通常上面带有认真设计的具有双重标准的免责声明） “不安全驾驶事项”，都提到超速。SUV的广告常常成为引起不安全事故的惯犯，而大多数引起事故的司机都是男性。
DriveCam所录制的视频片段并不是说多数事故都事出有因，而是说明如果人们总是我行我素，认为撞车事件 “无法避免”。如果卡车司机撞到了路边儿童，只有在他不是有意为之的情况下说这是一次“意外事故”才算合理。这仅仅是因为“倒霉”吗？心理专家理查德?怀斯曼（Richard Wiseman）通过实验证明了人可以创造“运气”。比如说，有很多熟人的人看上去会更经常“幸运地”邂逅很多人（那些没有机会遇到熟人的人觉得自己“运气不好”）。
我们不能完全避免“霉运”降临到自己头上，不过在DriveCam中看到的那个打手机的卡车司机，那个险些撞到孩子的人实际上是在打开车门迎接霉运。DriveCam视频轻易就说明了司机们的做法不对。问题是他们为什么还要这样做？为什么人们的行为要让自己和他人陷入不必要的危险境地？他们是疏忽，无知，自负，走了霉运吗？或者仅仅因为他们也是人类？我们吸取教训之前，难道不能从错误中有所收获吗？
心理学家证明人类的记忆力偏重近期发生的事，这一点你可以想到。我们也更倾向于强调事情的结果，比如说我们听到了一系列事实，然后要回顾整个事件。研究证实，人们常常记不住交通事故发生的时间。同样，与引发事故的原因比起来，差点发生的撞车事故以及撞车事件在人脑中更加鲜活。拉斯提?维斯（Rusty Weiss）是DriveCam 的消费者服务部经理，他解释说：“你车后面的某些人可能在你的大脑中形成印象，可是要等到忘记了突发事件之后，你才能牢牢记住这个人。”时间也会造成记忆损失，英国诺丁汉大学的皮特?查普曼（Peter Chapman）和乔福?安德伍德（Geoff Underwood）展开的研究发现，如果最近发生的撞车事故两周后，而不是在这趟旅行刚结束的时候，再被问起，80%多的事件经过都被司机忘记了，这也就是Drive Cam要做的：让你在路上牢牢记住这些不安全因素。
为什么你车开得不像你想的那么好？（11）
维斯发起了一个项目：在明尼苏达州把摄像头装在青少年的车上进行试验。试验之后他来到DriveCam公司，通过推理得出：人们对事故发生的原因很健忘，我们身上都有这种毛病，新司机尤其如此。很讽刺的是，他们这一类人经常有危险的情境。他说：“这些孩子应该快些学好驾驶，学习机会有很多，然而他们经常犯错。他们说自己没错，但是看到了视频之后他们会说句‘天哪！’然后走人。”这就像是你在视频中看到你打高尔夫球挥杆时的反馈信息，可以通过它注意到你当时没有留意到的地方。
问题可能是他们应该从那些时刻中积累经验，这一点却被他们忽视。查普曼和安德伍德进行的另外一项试验发现，司机们看到危险驾驶的视频时，比起经验丰富的司机，新手们不大可能记起当时的细节。
一个原因在于新手观察的位置不对。研究人员一直都知道经验少的司机“图像搜索”（visual search）模式和经验丰富的司机的模式不同，他们往往过多留意车前身和路边的标志，很少看后视镜，即使在换车道时也不注意。知道看哪里，还要记住看见了什么，这是经验丰富和技术专业与否的标志。同样，对眼神的追踪研究表明看绘画作品时，艺术家与非艺术家的观看方式也不同（后者往往很少关注人脸，而前者细看整幅画面），那些研究司机行为的人常常可以从司机的一瞥中判断他的经验是否丰富。
在很多方面，青少年司机都是DriveCam的潜在用户。和商用车辆的司机一样，他们经常驾驶别人的车，而且要有上一级权威的监视。通常情况下，监视他们的是自己的父母。在爱荷华州进行的一项试验是把DriveCam设备安装在25辆高中生的车里，时间为18个星期。他们造成的事故会告知家长，各自的表现（使用匿名身份证明）也会张贴出来，由此可以准确判断他们在同龄人中处在什么样的位置。丹尼尔?麦吉（Daniel McGehee，爱荷华大学公共政策中心人性因素与车辆安全研究项目的领导和负责人）认为，由于爱荷华的青少年身上具有的农业人员的特征，他们14岁就可以开车上学。“根本不会发生撞车事故，”他说道。爱荷华州的青少年们经常开车：在13个月的驾驶时间里，25名司机的车辆里程表显示行程超过了360 000英里，据统计，很多里程是在最危险的车道上：乡下的双车道高速路。
