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 een，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n 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。n 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）。

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nug ducey‘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n，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