1.关于法规中的专门用语问题。其中,搭载人工智能驾驶技术的机动车名称,北京市使用的是“自动驾驶汽车”,其它地区使用的都是“智能网联汽车”。尽管从国内相关文献来看,“自动驾驶汽车”与“智能网联汽车”含义却基本一致,比如《智能网联汽车创新发展战略》表述,智能汽车通常也被称为智能网联汽车、自动驾驶汽车、无人驾驶汽车等。但是,这种核心用语在地方法规中的不同表述,内涵外延并不一致,容易产生歧义。另外,责任主体的用语也不尽相同,比如法规中出现的车辆所有人、车辆管理人、车辆所属企业、车辆生产者、汽车制造者等多种表述,内涵与外延均需进一步确定。
2.关于责任分配及追偿规则问题。各地在驾驶员控制情形下的归责原则并无差异,但是在无驾驶员场景下责任分配及追偿却有所不同。深圳和武汉的地方法规规定,车辆所有人以及管理人担责之后,可以向生产者以及销售者进行追偿。上海的地方性法规规定,所属企业要先行赔偿,之后再向系统开发者、汽车制造者等追偿。以上各地方如此不同的规定,使得无驾驶员的驾驶车辆发生事故,责任承担方面的“第一顺位主体”“追偿对象范围”等关键问题缺少统一的标准。另外,上海仅规定了所属企业为法规适用主体,没有规定自然人主体所有的自动驾驶汽车的事故责任问题。再者,部分地方立法相当简略,并未针对驾驶这一新型场景细化规则,比如苏州、阳泉规定按照《道路交通安全法》来执行,北京规定由公安机关按照国家规定处理。这种地方性立法差异,可能会造成因地方差异而导致类案异判的后果。
(二) 智能驾驶技术标准尚需细化
2024年9月29日实施的国家标准《智能网联汽车自动驾驶系统通用技术要求》(GB/T 44721-2024)根据机动车智能水平由低到高分为L0-L5六个等级。其中L0-L2级被界定为辅助驾驶系统,机动车仍由人类驾驶员控制。L3级以上自动驾驶系统开始参与驾驶,与人类驾驶员共享车辆行驶控制权。该标准对智能驾驶的一些功能参数作出了规定,但有些重要参数和场景仍需细化,其中驾驶员接管与特定场景尤需关注。
1.最低接管时间参数合理性存疑。在L3和L4等级自动驾驶场景当中,系统可主导驾驶过程。此时,人类驾驶员仅仅作为辅助角色,在紧急以及非常规情形下需接管操作。标准为此设定了一项关键参数,即系统的介入请求从发出到因执行最小风险策略(MRM)而终止的时长应不小于10秒。这是驾驶员应系统请求接管车辆的时间参数。然而,实践中当驾驶员脱离驾驶之后,要求在10秒内紧急接管汽车可能超出驾驶员正常的反应速度。而且,驾驶员或者安全员脱离驾驶的时间越长,就越难以在短时间内重新回到平常驾驶状态,这对于人类驾驶员来说是一个极高的认知负荷以及操作挑战。
2.接管过程表述不够完整。人工智能驾驶安全是一个系统工程,接管时间仅是其中的关键因素之一。国家标准未明确规定自动驾驶系统如何分紧急情形来提醒驾驶员,应当以何种方式发出接管请求,才能保证驾驶员有效感知并清晰理解提醒与请求;也未细化驾驶员接管后采取何种最小风险措施,比如是开启危险警告信号,还是紧急刹停,还是靠边停车等措施。因此,系统提醒、请求瑕疵与驾驶员接管措施不当,由此引发的交通事故责任,该标准很难作为定责依据。
3.标准未能覆盖特殊场景。中华人民共和国工信部发布的国家标准规定了一些核心功能,但自动驾驶系统的诸多细分功能以及特殊场景运行要求,还没有形成全面细致的规范。比如在复杂天气状况下,发生强暴雨、暴雪天气时,传感器很可能受雨水、雪花干扰而出现数据偏差,这时自动驾驶系统应如何调整算法、维持安全运行,现行技术标准没给出明确规范。又如在特殊路况场景,如施工路段、无标线道路中,系统该如何进行路径规划、识别道路边界与道路标识,同样缺少具体标准指引。
(三) 人机共驾下责任主体多元交织
在自动驾驶人机共驾模式下,驾驶控制权会在人和系统之间进行动态转移。这一情况打破了传统的“驾驶人-车辆所有人”二元责任主体结构。不仅如此,人工智能驾驶产业上下游产业链比较复杂,包括开源大模型、具体应用模型、衍生开发等,涉及的主体包括智能系统提供者、使用者、后端服务商、用户等,形成多元的责任主体网络,主体之间责任边界较难划清。
1.驾驶员与自动驾驶系统方之间。按照现有技术标准,自动驾驶系统控制车辆期间,驾驶员应当保持监督行驶状态。但是,基于自动驾驶系统应有的“解放双手”的功能属性,以及驾驶员对该系统的合理信任,驾驶员注意力可能分散。当交通环境超出智能驾驶系统控制能力,系统发出接管请求时,短时间内人机交接可能不畅而引发交通事故,驾驶员与自动驾驶系统方责任边界并不十分清晰;而且,自动驾驶技术级别越高,人类驾驶员对自动驾驶系统的智能水平预期、依赖程度越高。自动驾驶系统将能在更长时间甚至全程自主决策、操控驾驶车辆,要求驾驶员承担责任可能会失去理据。
2.车企与软件开发人之间。机动车发生交通事故涉及产品责任时,车企与软件开发方之间责任划分需要查清。如果车企与软件开发方为同一主体,即车企自身研发自动驾驶技术,则不存在责任划分之虞。如果车企与软件开发方是不同主体,在车辆发生故障而导致交通事故时,产品责任到底由谁来承担有时也难以查明。实践中自动驾驶系统显示故障,其原因可能出自车企硬件,如激光雷达失效,也可能源自软件开发人的软件系统,如数据失真、算法误判,致使主体责任边界模糊。
3.车企与安全员即车辆运营方之间。安全员具有线上和线下双重工作任务,其承担远程监控车辆运行和紧急情况接管车辆的义务,是车辆安全运营的重要保障。但是,现行法规缺少对安全员过失行为内涵的明确界定,对安全员的资质要求、监控标准、紧急接管等必要细节以及失职后果等关键问题,尚未见统一规定。安全员作为智能驾驶汽车运营方工作人员,其职责范围缺乏统一而清晰的规定,将直接影响对运营方的责任边界认定。国外相关实践表明,安全员即自动驾驶车辆运营方常常承担或者在先承担汽车制造商的责任。依据美国加州机动车管理局的数据,2019—2023年特斯拉AUTOPILOT系统事故中87%是由于算法误判,然而责任顺位制让制造商规避了直接责任压力,致使安全缺陷修复延迟。
4.其他主体之间。主要是数据来源方比如道路交通的运营管理人,以及道路交通数据的提供者比如导航地图服务商,甚至与交通有关的气象数据服务商等,这些主体都有可能影响自动驾驶技术的应用。举例来说,互联网地图以及实时交通数据是自动驾驶系统的核心输入内容,如果地图等相关数据出现错误,如没有更新道路施工信息、错误标注车道线位置,提供错误的交通资讯,因此车辆发生交通事故,责任如何划分,目前尚无相应规则。
(四) 算法黑箱增加举证证明难度
侵权损害赔偿责任必须证明“人类行为-损害结果”的发生及关联事实。如果要归责于自动驾驶机动车一方,那就要提取行驶数据并解释算法决策逻辑,以完成举证责任。目前,完成此类举证证明责任在技术和法律上均存在难度。
1.算法解释存在难度。自动驾驶系统借助海量数据展开训练,自行对数百万甚至数十亿的参数进行调适,其最终做出的决策乃是这些参数共同作用的结果,而不是基于简单的因果逻辑得出。交通事故发生之后,难以求证“为何没有识别障碍物”以及“为何选择该避让策略”等决策的原因。比如,在一起智能网联驾驶交通事故调查报告中,智能网联驾驶系统将白色卡车车厢错误识别为天空,将道路上的异常物体归类为无需避让的云影,做出了致命决策。至于系统为何如此错误识别与决策,尚无明确解释。算法的这种天然不透明特性,成为查明事故原因的主要障碍。
2.算法自主决策改变了因果关系的侵权行为内涵,不符合自己责任原则。依据自己责任原则,在符合智能驾驶条件的情形下,算法自主决策人应当对自己的决策负责。当汽车制造商承诺车辆的智能水平达到智能驾驶一定智能级别时,该级别允许驾驶员将驾驶模式调至为自动驾驶,交由自动系统自主决策,驾驶员履行了必要的监督义务,此时车辆发生交通事故,追根溯源事故发生的原因是智能系统错误决策所致,如果损害赔偿责任要求驾驶员一方承担,则难言公平。
3.我国现行法律并未明确规定车企有提供行驶数据与解释算法逻辑的义务。要求车企提供与算法相关的核心代码,还将会涉及商业秘密保护等知识产权法及竞争法上的难题。