ความตายครั้งแรกกำลังจะมาถึง

Ashok ได้ตั้งข้อสังเกตว่า Robotaxi ยังคงรักษาประวัติศาสตร์ด้านความปลอดภัยที่ไร้ที่ติตลอดระยะทาง 380,000 ไมล์ที่ขับเคลื่อนโดยไม่มีผู้ดูแลจนถึงขณะนี้ ถึงกระนั้น ผู้สังเกตการณ์จำนวนมากยังคงกังวลว่าอุบัติเหตุร้ายแรงเป็นเพียงเรื่องของเวลาเท่านั้น

ความกังวลนั้นไม่ใช่เรื่องไร้เหตุผล เมื่อบริการขยายตัวและระยะทางสะสมเพิ่มขึ้น เหตุการณ์ร้ายแรงครั้งแรกก็กลายเป็นสิ่งที่หลีกเลี่ยงไม่ได้ในทางสถิติ คำถามที่เกี่ยวข้องไม่ใช่ว่าเหตุการณ์เหล่านั้น จะ เกิดขึ้นหรือไม่ แต่เป็น เมื่อใด และจะมีความรุนแรงระดับใด

ในการวิเคราะห์ครั้งก่อน เราได้จำลองแนวโน้มระยะทางสะสมของ Robotaxi โดยใช้อัตราการเติบโตแบบสัปดาห์ต่อสัปดาห์ที่ Ashok ระบุและกำลังการผลิต Cybercab ที่ติดตั้งไว้ เมื่อรวมการคาดการณ์นั้นกับข้อมูล NHTSA ที่เปิดเผยต่อสาธารณะ ทำให้เราสามารถประมาณความน่าจะเป็นที่ Robotaxi จะเกี่ยวข้องกับอุบัติเหตุที่มีระดับความรุนแรงต่างกันเมื่อเวลาผ่านไป

ข้อชี้แจงที่สำคัญประการหนึ่งคือ ตัวเลขที่ตามมาเป็นอัตราการมีส่วนเกี่ยวข้อง (involvement rates) ไม่ใช่อัตราการเป็นฝ่ายผิด (at-fault rates) ล้วนๆ ตัวเลขเหล่านี้อธิบายถึงความน่าจะเป็นที่ Robotaxi จะอยู่ในอุบัติเหตุที่ก่อให้เกิดการบาดเจ็บหรือเสียชีวิต โดยไม่คำนึงว่าฝ่ายใดเป็นฝ่ายผิดหลัก ซึ่งเป็นพื้นฐานที่สมจริงสำหรับการตัดสินประสิทธิภาพด้านความปลอดภัยในอนาคต

ส่วนที่ 1 – มาตรฐานของมนุษย์: ความปลอดภัยทางถนนในปัจจุบัน

เราเริ่มต้นด้วยสถิติระดับชาติโดยละเอียดล่าสุดจากสำนักงานบริหารความปลอดภัยการจราจรบนทางหลวงแห่งชาติ (NHTSA)

ในปี 2023 รถยนต์นั่งส่วนบุคคลคิดเป็นประมาณ 89% ของไมล์การเดินทางของยานพาหนะทั้งหมดในสหรัฐอเมริกา สำหรับผู้โดยสารของยานพาหนะเหล่านี้ อัตรามีดังนี้:

ในแง่สัมบูรณ์ ค่านี้สอดคล้องกับการเสียชีวิตของผู้โดยสารประมาณ 24,000 ราย และการบาดเจ็บที่รายงานโดยตำรวจ 1.95 ล้านราย จากระยะทางรถยนต์นั่งส่วนบุคคลเกือบ 2.9 ล้านล้านไมล์

การบาดเจ็บที่รายงานโดยตำรวจถูกจำแนกตามมาตราส่วน KABCO:

สำหรับการวิเคราะห์ที่เหลือนี้ เราจะใช้อัตรา "ยานพาหนะนั่งส่วนบุคคลทั้งหมด" เป็นมาตรฐานพื้นฐานของมนุษย์ (เสียชีวิต 0.83 ราย และบาดเจ็บ 68 รายต่อ 100 ล้านไมล์) จากนั้นเราจะถือว่าระบบ Robotaxi ที่สมบูรณ์จะ ปลอดภัยกว่า 10 เท่า เมื่อเทียบกับค่าเฉลี่ยของมนุษย์นี้ ซึ่งเป็นเป้าหมายที่ทะเยอทะยานแต่มักถูกอ้างถึงในอุตสาหกรรม (และเป็นเกณฑ์มาตรฐานที่ Waymo ใช้ในการรายงานด้านความปลอดภัยของตนเองด้วย)

สมมติฐานที่ปลอดภัยกว่า 10 เท่านี้กลายเป็นรากฐานสำหรับการคาดการณ์ทางสถิติที่ตามมา

ส่วนที่ 2 – เหตุใดอุบัติเหตุจึงเป็นไปตามกระบวนการปัวซอง (Poisson Process)

อุบัติเหตุจราจรเป็นเหตุการณ์ที่หาได้ยากเมื่อเทียบกับระยะทางจำนวนมหาศาลที่ขับขี่ เมื่อเหตุการณ์เกิดขึ้นไม่บ่อย เป็นอิสระต่อกัน และเกิดขึ้นในอัตราเฉลี่ยที่คงที่โดยประมาณ จำนวนครั้งที่เกิดขึ้นในช่วงระยะทางที่กำหนด (ในที่นี้คือไมล์) สามารถอธิบายได้ดีด้วย การแจกแจงแบบปัวซอง (Poisson distribution)

ภายใต้กระบวนการปัวซอง ความน่าจะเป็นที่จะสังเกตเห็นเหตุการณ์ k ครั้งพอดีหลังจากระยะทาง M ไมล์คือ:

โดยที่ λ คือจำนวนเหตุการณ์ที่คาดหวัง ต่อไมล์

เราสนใจหลักๆ ในความน่าจะเป็นที่จะประสบเหตุการณ์ อย่างน้อยหนึ่งครั้ง ซึ่งเป็นเพียงส่วนเติมเต็มของความน่าจะเป็นที่จะไม่มีเหตุการณ์เกิดขึ้นเลย:

วิธีการหา λ

จากข้อมูล NHTSA ในส่วนที่ 1 เราทราบจำนวนไมล์เฉลี่ยระหว่างเหตุการณ์สำหรับยานพาหนะนั่งส่วนบุคคลที่ขับโดยมนุษย์ ดังนั้น อัตราเหตุการณ์ต่อไมล์จึงเป็นส่วนกลับ:

หรืออีกนัยหนึ่ง หากอัตราที่เผยแพร่กำหนดต่อ 100 ล้านไมล์:

สำหรับมาตรฐานพื้นฐานของเรา (ยานพาหนะนั่งส่วนบุคคลทั้งหมด):

• การเสียชีวิต: λ_human = 0.83 / 10⁸ = 8.3 × 10⁻⁹ ต่อไมล์
• การบาดเจ็บ (ทุกระดับความรุนแรง): λ_human = 68 / 10⁸ = 6.8 × 10⁻⁷ ต่อไมล์

เนื่องจากเราถือว่า Robotaxi ปลอดภัยกว่า 10 เท่า เราจึงหารอัตราเหล่านี้ด้วย 10:

จากนั้นแทนค่าลงในสมการก่อนหน้านี้จะให้ความน่าจะเป็นของเหตุการณ์อย่างน้อยหนึ่งครั้งหลังจากระยะทางสะสม M ไมล์ใดๆ:

นี่คือสูตรที่ใช้สำหรับการคาดการณ์ทั้งหมดในส่วนถัดไป

ส่วนที่ 3 – เมื่อเหตุการณ์ครั้งแรกมีความเป็นไปได้

ตอนนี้เราสามารถใช้สูตรปัวซองจากส่วนที่ 2 กับผลลัพธ์สี่ประเภทที่เราสนใจ:

• เสียชีวิต (K)
• บาดเจ็บสาหัส / ทุพพลภาพ (A)
• บาดเจ็บเล็กน้อย / ไม่ทุพพลภาพ (B)
• อาจบาดเจ็บ (C)

โดยใช้อัตรามาตรฐานพื้นฐานของมนุษย์จากส่วนที่ 1 ปรับด้วยสมมติฐานที่ปลอดภัยกว่า 10 เท่า เราจะได้อัตราเหตุการณ์ λ แยกต่างหากสำหรับแต่ละหมวดหมู่ มุมมองแรกคือกราฟความน่าจะเป็นของเหตุการณ์อย่างน้อยหนึ่งครั้งเทียบกับระยะทาง Robotaxi ที่ไม่มีผู้ดูแลสะสม:

จากระยะทางสู่เวลาในปฏิทิน

ในบทความก่อนหน้าของเรา เราได้สร้างแบบจำลองไปข้างหน้าของระยะทางที่ไม่มีผู้ดูแลรายสัปดาห์โดยใช้อัตราการเติบโตแบบสัปดาห์ต่อสัปดาห์สองหลักที่ Ashok ระบุ โดยมีข้อจำกัดจากกำลังการผลิต Cybercab ที่ประมาณ 2,400 คันต่อสัปดาห์ (แนวทางประจำปี 125,000 คันของ Tesla) และสมมติฐานการใช้งานสูงที่ 200 ไมล์ต่อคันต่อวัน

โดยใช้กรณีการเติบโต 14% เป็นสถานการณ์หลัก และสะสมระยะทางรายสัปดาห์ที่มีเพดานจำกัด จะได้แนวโน้มระยะทางสะสมตามเวลาในปฏิทิน การแทนค่าระยะทางสะสมนั้นลงในสูตรปัวซองจะให้ความน่าจะเป็นของอุบัติเหตุแต่ละประเภทตามฟังก์ชันของเวลา:

ภายใต้แนวโน้มนี้ เกณฑ์ความน่าจะเป็น 50% จะถึงประมาณดังนี้:

ระยะทางสะสมในปัจจุบันของ Waymo

สำหรับมาตราส่วน เราได้ทำเครื่องหมายระยะทางไร้คนขับโดยประมาณสะสมของ Waymo บนกราฟระยะทาง

แดชบอร์ด Safety Impact อย่างเป็นทางการของ Waymo รายงาน ระยะทางที่ขับโดยผู้โดยสารเท่านั้น 220.6 ล้านไมล์ จนถึงเดือนมีนาคม 2026 ที่อัตราการดำเนินงานล่าสุดประมาณ 4 ล้านไมล์ต่อสัปดาห์ การคาดการณ์ไปจนถึงกลาง/ปลายปี 2026 จะให้ระยะทางที่ชำระเงินประมาณ 280–300 ล้านไมล์ เมื่อรวมไมล์สำหรับการเคลื่อนย้ายและการจัดวางตำแหน่งที่ว่างเปล่า เราประมาณการอย่างอนุรักษ์นิยมเป็นสองเท่าของตัวเลขนั้น เพื่อให้ได้ ~600 ล้านไมล์อัตโนมัติทั้งหมด โดยประมาณ

บันทึกผลงานจริงของ Waymo

รายงาน SGO / NHTSA สาธารณะเกี่ยวกับเหตุการณ์ของ Waymo ซึ่งแมปบนมาตราส่วน KABCO ให้ภาพโดยประมาณดังนี้:

ข้อสังเกตสำคัญ:

• กรณีการบาดเจ็บส่วนใหญ่ที่รายงานตกอยู่ในประเภทที่มีความรุนแรงต่ำกว่า (C และ B)
• งานวิจัยด้านความปลอดภัยของ Waymo เองถือว่าเฉพาะกรณี A หรือ K ที่ได้รับการยืนยันจากตำรวจว่าเป็น "การบาดเจ็บสาหัสหรือแย่กว่านั้น"
• ตลอดระยะทางที่ขับโดยผู้โดยสารเท่านั้นมากกว่า 220 ล้านไมล์ Waymo รายงานว่าอุบัติเหตุร้ายแรงหรือแย่กว่านั้นน้อยกว่าประมาณ 94% และอุบัติเหตุที่ทำให้บาดเจ็บทุกระดับความรุนแรงน้อยกว่าประมาณ 82% เมื่อเทียบกับเกณฑ์มาตรฐานของมนุษย์ในพื้นที่ปฏิบัติการเดียวกัน
• การเปรียบเทียบเหล่านี้ทำขึ้น โดยไม่คำนึงถึงความผิด ในเหตุการณ์ร้ายแรง (A) และร้ายแรงถึงชีวิต (K) จำนวนไม่มาก ข้อมูลสาธารณะที่มีอยู่ระบุว่าโดยทั่วไปแล้วยานพาหนะ Waymo ไม่ใช่ฝ่ายที่ผิดหลัก

บันทึกผลงานจริงนี้แสดงให้เห็นถึงความแตกต่างที่มีความสำคัญสำหรับ Robotaxi เช่นกัน: ในระดับที่เพียงพอ การ มีส่วนเกี่ยวข้อง ในอุบัติเหตุกลายเป็นสิ่งที่หลีกเลี่ยงไม่ได้ในทางสถิติ คำถามชี้ขาดคือว่าระบบเป็นฝ่ายผิดน้อยกว่าหรือไม่ — และก่อให้เกิดผลลัพธ์ที่รุนแรงน้อยกว่าหรือไม่ — เมื่อเทียบกับผู้ขับขี่ที่เป็นมนุษย์ในระยะทางเดียวกัน กรอบงานปัวซองที่พัฒนาขึ้นที่นี่เพียงแค่ปรับเทียบว่าเมื่อใดที่ Tesla Robotaxi ภายใต้สมมติฐานที่ปลอดภัยกว่า 10 เท่า คาดว่าจะเริ่มพบกับเหตุการณ์ประเภทเดียวกัน

ดังที่กราฟระยะทางสะสมแสดงให้เห็น เมื่อกองยานไร้คนขับถึงหลายร้อยล้านไมล์ การมีส่วนร่วมในเหตุการณ์ร้ายแรงและถึงขั้นเสียชีวิตจะกลายเป็นสิ่งที่หลีกเลี่ยงไม่ได้ในทางสถิติ — แม้จะอยู่ภายใต้สมมติฐานที่ปลอดภัยกว่า 10 เท่า ดังนั้น บันทึกของ Waymo จึงสอดคล้องกับสิ่งที่แบบจำลองปัวซองคาดการณ์ไว้ในระดับนั้น: คำถามที่เกี่ยวข้องไม่ใช่ว่าเหตุการณ์ดังกล่าวเกิดขึ้นหรือไม่ แต่เป็นว่าระบบเป็นฝ่ายผิดบ่อยแค่ไหน และโปรไฟล์ความรุนแรงของมันเปรียบเทียบกับผู้ขับขี่ที่เป็นมนุษย์อย่างไร

บทสรุป

เราได้จำลองความน่าจะเป็นที่ Robotaxi จะมีส่วนเกี่ยวข้องในอุบัติเหตุที่มีระดับความรุนแรงต่างกัน โดยสมมติว่าระบบจะบรรลุการปรับปรุงความปลอดภัยที่เหนือกว่าค่าเฉลี่ยของรถยนต์นั่งส่วนบุคคลที่ขับโดยมนุษย์ถึง 10 เท่าในที่สุด การรวมสมมติฐานนั้นเข้ากับแนวโน้มระยะทางที่พัฒนาขึ้นในการวิเคราะห์ครั้งก่อนของเราให้ความคาดหวังเชิงปริมาณที่ชัดเจน: การบาดเจ็บระดับความรุนแรงต่ำมีแนวโน้มจะเกิดขึ้นในช่วงครึ่งแรกของปี 2027 การบาดเจ็บสาหัสในช่วงปลายปีนั้น และการเสียชีวิตในช่วงปลายปี 2027 ภายใต้กรณีการเติบโตหลัก

บันทึกผลงานจริงของ Waymo สอดคล้องกับสิ่งที่แบบจำลองเดียวกันคาดการณ์ไว้ที่ระยะทางสะสมหลายร้อยล้านไมล์ แม้แต่ระบบที่ปลอดภัยกว่าผู้ขับขี่ที่เป็นมนุษย์อย่างมากก็อาจมีส่วนเกี่ยวข้องในอุบัติเหตุร้ายแรงและถึงแก่ชีวิตเมื่อมีขนาดใหญ่เพียงพอ สถิติทำให้สิ่งนี้หลีกเลี่ยงไม่ได้

ความแตกต่างสองประการยังคงจำเป็น ประการแรก การคาดการณ์เหล่านี้เกี่ยวข้องกับ การมีส่วนเกี่ยวข้อง ไม่ใช่ความผิด ประการที่สอง การเสียชีวิตที่เกิดจากความผิดของระบบครั้งแรกนั้นหลีกเลี่ยงไม่ได้ในทางสถิติเช่นกันในที่สุด ตัวแปรเดียวที่เปิดอยู่คือมันจะเกิดขึ้นเมื่อใดเมื่อเทียบกับประสบการณ์การใช้เทคโนโลยีโดยตรงของสาธารณชน

นี่คือความท้าทายเชิงกลยุทธ์หลักสำหรับ Tesla การเสียชีวิตที่เกิดจากความผิดของระบบครั้งแรกต้องเกิดขึ้นช้าพอที่ผู้คนจำนวนมากจะได้ใช้ Robotaxi ไว้ใจในประสิทธิภาพทั่วไปของมัน และเข้าใจถึงความปลอดภัยของมันเมื่อเทียบกับการขับขี่ของมนุษย์ การเปรียบเทียบคือการบินเชิงพาณิชย์ เครื่องบินโดยสารสมัยใหม่ยังคงทำให้คนเสียชีวิต แต่อัตราการเสียชีวิตอยู่ที่ประมาณ 0.01 รายต่อผู้โดยสาร 100 ล้านไมล์ — ต่ำกว่าประมาณหนึ่งลำดับความสำคัญเมื่อเทียบกับ Robotaxi ที่ปลอดภัยกว่า 10 เท่า (≈ 0.08 รายต่อ 100 ล้านไมล์) สังคมยอมรับความเสี่ยงด้านการบินที่เหลืออยู่เพราะผลประโยชน์มีมากและความปลอดภัยเชิงสัมพันธ์ได้รับการยอมรับอย่างดี Robotaxi จะต้องมีรากฐานเดียวกันของประสิทธิภาพที่พิสูจน์แล้วในระดับใหญ่เมื่อถึงเวลาที่การเสียชีวิตที่เกิดจากความผิดของระบบอย่างชัดเจนครั้งแรกเกิดขึ้น

นั่นคือเกณฑ์ที่ Tesla ต้องก้าวข้ามให้ได้