图灵公司的CEO山本一成和样车
现在的人工智能（AI）概念是在70多年前由英国数学家艾伦·图灵（Alan Mathison Turing）提出的。东京有一家以他的名字命名的初创企业。
日本图灵(Turing)公司位于东京品川，由首次打败职业棋手的日本将棋AI的开发者山本一成创办，是一家自动驾驶技术开发企业。
图灵提出了一个目标，那就是在2030年前销售“1万辆完全自动驾驶汽车”。所谓“完全自动驾驶”是指没有人坐在驾驶座上也可以（或者不装方向盘）的5级（L5）自动驾驶汽车。据说，图灵要开发的是配备了生成式AI的汽车。
汽车产业被认为已经进入“CASE（互联汽车、自动驾驶、共享、电动化）”时代，技术革新正在一个接一个的产生。大型汽车厂商当然也在参与相当于CASE中“A”的自动驾驶开发，但一了解才惊讶地发现，大型汽车厂商与图灵公司的思维方式竟如此不同。
大型汽车厂商的方法简单地说就是人类介入的空间很大。主要分为外部环境感知、预测、路径规划和控制四个功能（模块），分别通过机器学习，使其变得智能。最后将这四个功能整合起来，当车辆开始工作时，就会遵循人类制定的“代码”（指令）。
一方面，图灵公司控制车辆的是“单一的生成式AI”（山本）。没有功能的分割，也没有人类的介入。当然会实施学习，但目的是锻炼车辆的判断力，生成式AI会在推理的同时做出“行驶、转弯、停车”的判断，达到与人类驾驶员相同甚至更高的水平。
总而言之，按照大型汽车厂商的方法，实现完全自动驾驶可能遥遥无期，甚至有可能根本没有问世的机会。例如，即使通过机器学习找到了进化的可能性，人类也可能会忽视或者忽略这些，从而难以在性能上体现。
山本说：“（在汽车的工作中）人类介入的越多，进化就只能是线性的（linear）。我们追求的是更加剧烈的指数级变化”。
换言之，如果人类进行规划，那么图纸上有的东西利用自动化容易获得成果。不过，据说即使没有人类的参与，AI也会开始依靠自己的能力理解超越人类认知的领域，人为的规划反而会成为妨碍。
当然，或许会有人说“人类的参与更加安全放心”。可见，社会对技术的接受程度对于技术的普及来说也是一项重要的因素。
中国百度在反复实施完全自动驾驶汽车的运行测试（图片来自2022年重庆市永川区政府的社交平台）
另一方面，从世界的动向来看，将所有事情都交给AI的思维方式实际上已经被美国特斯拉及中国百度等实力型企业采用。特斯拉已投资1000亿日元以上，用于自动驾驶AI的学习，投资规模是图灵公司的100倍以上。
AI将如何改变汽车？艾伦·图灵在1950年将AI定义为“与人类对话时无法与人进行区分的机器”。不过，直到近年，人们也只是停留于让机器事先学习大量数据并严格规划其工作，并没有取得符合定义的成果。
变化出现在2010年代以后。模仿人类大脑的信息处理技术“深度学习”问世，生成式AI也随之诞生。当决定AI性能的参数（变量）和数据规模增大到一定量时，过去无法解决的问题突然迎刃而解。这种被称为“涌现（emergence）”的现象，相比人类的干预，对于进步更为有效。
山本开发的日本将棋AI“Ponanza”也是通过涌现取得的成果。因此，他认为自动驾驶AI也可以在这一基础上实现。
不可思议的是，即使询问大型汽车厂商的人员，也很少有人知道图灵公司的存在。关于完全自动驾驶，抱有乐观预期的人非常少也是现实。
在涉及安全的技术上，采取谨慎态度可以理解。令人忧虑的是，像完全自动驾驶这样，日本大型汽车厂商没有参与初期开发、却满足于照着海外企业的做法“炒冷饭”的事情最近相继发生。比如，车身一体化压铸（Gigacast）”及通过软件提高性能的“SDV（软件定义汽车）”等都是再恰当不过的例子。
汽车领域的传统做法是随着车型更新、逐步改进燃效等的“持续技术革新”。而如今，希望凭借生成式AI等实现破坏性革新的新兴企业正在逐步崛起，这容易引起“不经意间发现自己已远远落后”的情况。
特斯拉的一体化压铸（Gigacast）技术受到汽车业界的关注（2023年11月，上海车展）
拿自动驾驶来说，也有意见认为，受限于与关系密切的零部件企业详细分担开发的组织结构体系，难以形成“一个AI”的思维。通过组装三万个零部件以持续制造高品质汽车的体系并没有那么容易被模仿。然而，在今后，这种复杂的分工体系很可能因破坏性技术革新而被动摇。
日本大型汽车厂商出现认证违规的根源也在于对曾经的成功经验过度自信。如何在破坏性技术革新时代生存下来？（日本车企）之后即将陆续召开的股东大会恐怕有必要阐述一下愿景。我认为，除非尽早实施组织结构的“破坏性再创造”，否则估计很难冲破迎面而来的大浪。
