隋老师接着说：

“最近，一辆无人驾驶测试车就在亚利桑那州坦佩市撞死了49岁的妇女ElaineHertzberg，当时她正推着自行车横跨马路。

在笔者分析了一番有关这次事故的法律内涵后，有些读者对我报以功利主义者的嘲讽。

不过他们不知道的是，米国去年因为横穿马路而遭遇车祸身亡的人数高达5376人，而新闻可不会对这些事故进行逐一报道。

很快，无人驾驶汽车就能减少甚至把行人死亡的情况降为零。

如果把这种想法套进电车难题，你就会发现轨道变成了时间，而非空间。

虽然牺牲一边轨道上的那个人依旧是个悲剧，但如果它的代价是拯救数千人，恐怕也会变得合乎情理。

问题在于，这样的立场需要假定Hertzberg的死与其他不幸的行人一样。

从统计学上来说，这能说得过去，但从道德上看，恐怕就不是一回事了。

未来，如果不出意外，无人驾驶汽车肯定能避免坦普市的悲剧，毕竟传感器和计算机比人类反应要快得多。

随着无人驾驶测试车致命事故的细节逐渐浮出水面，许多专家称这起事故完全可以避免。”

这时，刘浩同学举手问道：“隋老师，能确定无人驾驶会减少或者避免交通事故吗？”

隋老师说：

“理论上是肯定的。但实践中，可能有一个过程，而且可能。

谷歌WaymoCEO还专门出面补刀称自家技术完全可以避免事故的发生，毕竟它们的司机每5600英里才需要‘碰’下方向盘，而Uber的司机可要忙得多（每13英里）。

在亚利桑那的道路上，Waymo无人驾驶汽车与Uber无人驾驶汽车的差别比无人和有人驾驶汽车之间的差别更为重要。

不过，为了吸引更多公司来亚利桑那研究、测试和部署无人驾驶车辆，州长DougDucey‘网开一面’，在没有严格监管的情况下就放它们上路了。

解决这些问题可不能靠揣摩电车难题的场景。

如果放在Uber这起致死事故中，就意味着测试车第一时间看到了Hertzberg，这时它才能相应做出选择，决定救路人还是保司机。

此外，要进入电车难题的讨论范围，还要假设无人驾驶汽车足够可靠且安全功能有保证，即在电车难题中扳道的杠杆没有因为锈蚀而动弹不得。

不过，这次事故以上两个假设都不成立。

其实富特已经预料到了场景中上下文缺失的问题。

‘在现实中，’她写道。‘你很难说那位孤零零被绑在铁道上的人就必死无疑。也许他能找到个立足点并在电车通过前救自己一命呢。’

想要一个个探索完这些无限的可能，一种方式就是一遍遍的实验并从公众的反应中搜集模式，这也是‘道德机器’的方法，就像现在最火爆的机器学习一样，一个庞大的数据集必不可少。

不过，另一种方式则是在最合适的道德背景下考虑特定的问题。

富特还提供了一个典型例子，相比电车难题，它与Uber的致命车祸有更多共同点。

富特将场景搬到了医院，假设医院有五个病人，他们的疾病只有一种特殊的气体能治好，不过在使用时这种气体释放的毒物却飞进了旁边的病房，而该病房中的病人都无法移动。

在这样的情况下，其效果确实很像经典的电车难题，但在许多结论上又不是那么明显。

这不仅是因为目的和可预见的效果有所不同，还因为避免造成伤害的道德欲望工作原理不同。

在电车难题中，驾驶员根本别无选择，无论他走出哪一步，都会带来惨痛的后果，而在医院这个例子中，医生则面临一个冲突的选择，他要么施以援手，要么祸害其他病人。

事实上，无人驾驶测试车面对的情况更加棘手，因为各方（Uber、安全司机和政府）对车辆的状态都没有一个准确的认识。