人工智能具有专（zhuān）用和（hé）通用两（liǎng）种不同取向，分别对应专用（yòng）人（rén）工智能与通用人工智能。专用（yòng）人工（gōng）智能的（de）目的在于通（tōng）过预设的算法或训练解决特（tè）定问题；而通用人工智能则致力研发元学习能力，借助（zhù）后（hòu）天培育解决各（gè）类问题。正如将“智能”视作“计算”一样，专用人工智（zhì）能专家常常将自动驾驶（shǐ）视为一（yī）个纯粹的技术问题，并试（shì）图（tú）通过模块化（huà）的方（fāng）式实（shí）现技术拓（tuò）展。

未来，专用人工智能技术路线下的（de）L4—L5级别的自动驾驶，或趋向（xiàng）“智能外包”的技术解决路线（xiàn）——依靠（kào）的（de）不是更强的单车智能，而是更复（fù）杂、精密的上（shàng）层协调节点（diǎn）。这（zhè）种做（zuò）法存（cún）在诸（zhū）多隐患。高级协调节点不仅覆盖性（xìng）有限，并将增加通行系统（tǒng）的（de）边际成本和总体复杂性（xìng），令（lìng）单车决（jué）策链延（yán）长及决策参与度降低。其后果是，智能路网本身的系统（tǒng）性（xìng）脆（cuì）弱将面临（lín）被（bèi）放大的风险。事（shì）实上，基于专（zhuān）用人工（gōng）智能的自动（dòng）驾驶并未真正面对（duì）“智能”问题，而（ér）是将单车智能（néng）（内部（bù）解）不断转嫁（jià）为寻求（qiú）外（wài）部援助（外部（bù）解），即（jí）车（chē）辆自己更多负责提出问（wèn）题而非解决问题。到最后（hòu），并不是（shì）汽车变得更具适（shì）应性，而往往（wǎng）是（shì）人为改造了（le）那些不（bú）适应的地方——这仍陷于“有（yǒu）多少（shǎo）人工（gōng），就有多少智能”的魔咒之中。

通（tōng）用人工智能试图（tú）创造能（néng）思考、有情感的具有认知（zhī）功能的软件系统，并（bìng）认为智能并非全（quán）知全能，系（xì）统（tǒng）需要通过预设的元能力（lì）不（bú）断学习才能达到某个领域内（nèi）的实用水平。而（ér）且（qiě），即使在达到（dào）这种水平后（hòu），学习也不会（huì）停止，尤其是（shì）在环境变化的情况（kuàng）下更是如此。对通用人工智能而言，先天预置的（de）是元水平的学（xué）习能力，但一切学习的内容都由后天习得。因此，基于通用人（rén）工智能系统的（de）自（zì）动驾驶，本（běn）质（zhì）上是一个教育而非技术问题（tí）。

通（tōng）用人工智能系统（tǒng）在启（qǐ）动时（shí）并（bìng）未预（yù）置任何（hé）驾驶经验，更不是为（wéi）了驾驶汽车而设计的。通用（yòng）人（rén）工智能系统（tǒng）与人类高度类似，成长的第一步也是（shì）通过自身（shēn）的感知运动设备获取具身（shēn）的直接（jiē）物理经验。训练（liàn）一个（gè）机器人和训练一辆汽车（chē）完成自动驾（jià）驶任务，对（duì）通用人工智能系统而言并无实（shí）质区（qū）别（bié）。究（jiū）竟装配步足、履带还是轮子等“器官”，只是系（xì）统的“感（gǎn）觉”各（gè）异，却并非（fēi）“驾驶”有别。但凡能够实现载人有目（mù）的性的自（zì）主移动，就是（shì）自动驾驶。因此，基于通（tōng）用人工智（zhì）能的自动（dòng）驾驶（shǐ），不限（xiàn）定设备类型、载（zǎi）运（yùn）形（xíng）式和驾驶环境，这样也是通用意义上的（de）驾驶。

这种通用性一方面（miàn）体现在（zài）外设选择（zé）的多（duō）样性，另（lìng）一方面则体现在驾驶背后（hòu）学习（xí）内容的（de）广博性和具身理解性（xìng）。通用人工智能（néng）自动驾驶“算法”的（de）奥义，就是从零开始“养育”一台通（tōng）用人工（gōng）智能的机器“婴（yīng）儿”。这台机器“婴儿”具（jù）有主动性，其行（háng）动（dòng）力依靠（kào）自（zì）身（shēn）积累的历史经验，是一（yī）种向内（nèi）依赖的（de）平权技术模（mó）式，而非向外依（yī）赖（lài）的（de）集（jí）权（quán）技术模式。于（yú）是（shì），通用人工智能系统的“养育”过（guò）程，并不存在专（zhuān）用人（rén）工智能的那种外（wài）在干（gàn）涉。而“养育”具体（tǐ）的技术手（shǒu）段，也不（bú）是专用人工智能的机器学习、图像识别、优化（huà）求（qiú）解等软（ruǎn）硬件技术，而是类似于对人类（lèi）婴幼儿（ér）的教（jiāo）育手段。这（zhè）种特（tè）殊性与人们的常识相悖，令其（qí）乍看上（shàng）去似乎难以理解。在（zài）此，以感知（zhī）运动（dòng）为例进行比较说明。

首先，专（zhuān）用人工智能系统的处理内容既可以是图像、声音之类的具象数（shù）据，也可以是自然语言、知（zhī）识之类（lèi）的抽象概念，但对其教育能且只能从感知运（yùn）动经（jīng）验做起。因（yīn）为只有这种经验（yàn）才能在通用人工智能系统中直（zhí）接落（luò）地（dì）。至（zhì）于给通用人工智能系统预置“思想钢印”的想（xiǎng）法（fǎ）皆为秕言谬说，这些（xiē）抽象经验根（gēn）本没（méi）有立身之基。所（suǒ）以，就连距离、速度、避障乃至（zhì）数字等自动驾驶最初级的常识，通用人工智能的机器“婴儿”一（yī）开始也并不知晓。

其次，专用人工（gōng）智能系（xì）统的学（xué）习和训练阶段中（zhōng），感知与运动通常是分离（lí）的。图像识别无须摄像头像人（rén）眼一（yī）样“跳视”，而（ér）机器人位移也只是（shì）程序设定的机械操作及其优化。然而，在通用人工智能系统的（de）“养育”过程中（zhōng），感知和运（yùn）动不（bú）可分，二（èr）者不是两类不同事物，而是同一（yī）类事物的不（bú）同（tóng）侧（cè）面。运动是感知（zhī）经验变化的原（yuán）因，感知则是运动结果（guǒ）的反（fǎn）馈，二者相互依存、缺一不可。更为重要（yào）的是，直接或（huò）间接经由运动，感知才（cái）能建构出主体（tǐ）内在（zài）的经验意义。感知（zhī）运动信（xìn）号是（shì）最直（zhí）接（jiē）且不可再分的经验，其（qí）意义来自内（nèi）在的（de）相互赋予。

最后，基于通（tōng）用人工（gōng）智能的自动驾驶（shǐ）也（yě）是我们的一面镜子，能够从中折（shé）射（shè）出（chū）深刻的关于人的道理。比如，通用人工智能的机器“婴儿”的（de）运动（dòng），可分（fèn）为（wéi）主动运动（dòng）和被（bèi）动运动两类（lèi）。主动运动由机器“婴儿”自行控制车轮移动（dòng），被动运动则（zé）是车轮不动由外力（lì）（如人拿起（qǐ）小车）导致车体位置变（biàn）化。主动运动是主（zhǔ）观经验（yàn）的发动（dòng）机，是（shì）从客观（guān）环境中与传感器一同协（xié）作感受自我边界（jiè）从而区分主客体的（de）原动力（lì），因此对机器“婴儿”至关（guān）重要。只有经历这样的成长，才能在人与物、自我与他人、自我与环境之（zhī）间形（xíng）成更清（qīng）晰的辨识。反（fǎn）观人类自身，对那（nà）些无法有效将人（rén）与物、自（zì）我与他人（rén）进行区分的自闭症患儿而言（yán），基（jī）于通（tōng）用（yòng）人工智能的自动驾驶（shǐ）所带来的病理学启示，或为当前自闭（bì）症生物学（xué）假说带来新（xīn）的可（kě）能。