林砚的指尖在平板电脑屏幕上停顿了三秒，最终还是点下了“确认上传”的按钮。文档进度条缓慢爬升的间隙，她抬头望向实验室的落地窗——凌晨三点的滨海市还浸在墨色里，只有远处自动驾驶测试场的指示灯像孤星般闪烁，那是“远航-III”正在进行第172次极端场景模拟。
“又熬通宵？”玻璃门被轻轻推开，陈则手里的热咖啡冒着白雾，杯壁上印着的“国家智能交通伦理委员会”logo在冷光下格外清晰。他将咖啡放在林砚手边，目光扫过屏幕上密密麻麻的代码注释，“决策模块V3.8版本，这次能过伦理审查？”
林砚揉了揉发酸的太阳穴，指尖划过屏幕上红色的警告框——那是上周模拟测试中，“远航-III”在突发事故里的犹豫记录。当时测试场模拟了暴雨天气下的交叉路口：左侧车道有闯红灯的电动自行车，右侧是正常行驶的校车，正前方突然窜出一只流浪狗。自动驾驶系统在0.3秒内陷入了决策停滞，最终虽以紧急制动避免碰撞，却触发了后排假人的冲击预警。
“问题还是在‘优先级权重’，”林砚端起咖啡抿了一口，苦涩的液体让她精神稍振，“按照现行的《自动驾驶伦理框架（试行版）》，保护人类生命是最高准则，但系统无法判断电动自行车和校车乘客的‘潜在风险值’——电动自行车驾驶员未佩戴头盔，校车虽载有12名儿童，但车身有防撞加固。”
陈则在她身边的椅子上坐下，打开自己的笔记本电脑，调出一份标着“机密”的文档。屏幕上跳出的表格里，记录着近三年来全球范围内17起自动驾驶事故的伦理决策分析，其中6起都与“多目标风险判定”有关。他指着2023年慕尼黑的一起事故记录：一辆自动驾驶轿车在避让突然横穿马路的老人时，转向撞上了路边的自行车，最终导致自行车骑手重伤。
“当时德国联邦交通局的结论是，系统过度优先保护‘弱势道路使用者’，却忽略了骑手的‘可规避性’，”陈则的指尖在屏幕上圈出关键句，“这也是我们这次要解决的核心——伦理决策不能只看‘身份标签’，还要计算‘避险可行性’。”
林砚点点头，打开了模拟测试的后台数据。屏幕上的三维模型清晰还原了上周的测试场景：暴雨中，电动自行车以35公里\/小时的速度闯红灯，校车以40公里\/小时的速度正常行驶，流浪狗距离车头仅8米。“远航-III”的决策树在此时出现了分支：若向左避让，碰撞电动自行车的概率为72%，预估伤亡风险值8.3；若向右避让，碰撞校车的概率为31%，但因校车防护能力强，伤亡风险值4.1；若直接制动，撞上流浪狗的概率99%，人类伤亡风险值0.2。
“系统当时卡在了‘是否可以牺牲动物’的伦理困境里，”林砚调出代码日志，红色的光标停在一段注释上，“根据V3.7版本的算法，动物生命虽不优先于人类，但系统被要求‘尽可能减少所有生命损失’，这导致它在制动和避让之间犹豫了0.12秒，错过了最佳避险时机。”
陈则沉默了片刻，打开了一份新的文档——那是伦理委员会昨天刚发来的《自动驾驶伦理决策补充指南（草案）》。其中明确指出：在人类生命安全不受威胁的前提下，系统应优先选择“最小生命损失”方案；但当人类生命面临多重威胁时，需以“伤亡风险值总和最低”为标准，且“非人类生命损失”不得作为决策的核心依据。
“也就是说，在那次测试里，系统应该直接制动，”林砚快速浏览着指南，突然停在一条备注上，“但指南里提到‘特殊场景下的人工干预授权’——如果乘客主动接管车辆，系统该如何配合？”
这个问题让陈则的眉头皱了起来。他想起上个月参加的伦理研讨会，有位来自高校的伦理学家提出的案例：若自动驾驶汽车在山区公路上遇到落石，前方有两名徒步旅行者，后方有一辆货车，此时乘客要求系统向左冲下悬崖（仅牺牲乘客自己），系统是否应该执行？
“当时研讨会的结论是，系统不得执行‘主动伤害乘客’的指令，”陈则打开研讨会纪要，“但如果乘客自己接管方向盘，系统应在确保不伤害第三方的前提下，提供必要的操作辅助——这就要求我们在决策模块里加入‘人工干预的伦理边界检测’。”
林砚立刻开始修改代码。她在决策树的末端添加了一个新的分支：当乘客触发接管请求时，系统需在0.05秒内评估接管操作可能造成的第三方风险。若风险值超过阈值，系统将发出警告并限制操作权限；若风险值在安全范围内，则逐步移交控制权，并实时提供路况预警。
“我们需要做一次真人模拟测试，”林砚保存好代码，抬头看向陈则，“找伦理委员会申请测试名额吧，这次要包含不同年龄、职业的乘客，还要模拟各种极端场景下的人工干预。”
陈则点点头，拿起手机拨通了伦理委员会的电话。窗外的天色渐渐亮了起来，测试场的指示灯熄灭，第一辆“远航-III”缓缓驶入车库。林砚望着那辆银灰色的汽车，突然想起三年前第一次见到自动驾驶原型车时的情景——那时的系统还只能在封闭路段行驶，而现在，它们已经开始面对复杂的伦理抉择。
三天后的模拟测试场，阳光正好。林砚和陈则坐在监控室里，注视着屏幕上的实时数据。第一位测试者是位58岁的教师，她坐在“远航-III”的主驾驶位上，副驾驶位是伦理委员会的观察员。当模拟场景中出现“前方有行人闯红灯，后方有救护车”的情况时，系统立即发出预警：“检测到紧急情况，建议制动，是否需要接管？”
教师犹豫了两秒，没有接管，系统顺利完成制动。但当第二个场景——“暴雨天，前方有失控的油罐车，左侧是人行道（有3名行人），右侧是护栏”出现时，教师突然按下了接管按钮，试图向左避让。
“系统检测到接管操作可能造成3名行人伤亡，风险值超过阈值，已限制转向角度，”监控屏幕上弹出警告信息，同时车内的语音提示响起，“已为您调整转向轨迹，建议优先选择右侧避让，伤亡风险值降低68%。”
教师愣了一下，最终听从了系统的建议。当车辆平稳停在护栏旁时，她长舒了一口气。测试结束后，她对观察员说：“其实我当时只想着避开油罐车，没注意到人行道上的行人——如果没有系统的提醒，我可能会做出错误的决定。”
接下来的测试中，不同的乘客展现出了不同的决策倾向：年轻的程序员更愿意相信系统的判断，而有十年驾龄的出租车司机则更倾向于自主接管。但无论哪种情况，“远航-III”的V3.8版本都能在0.05秒内完成风险评估，并给出合理的建议。
“看来‘人工干预的伦理边界检测’起到了作用，”林砚看着实时统计数据，脸上露出了笑容，“但还有一个问题——如果乘客是未成年人，或者有精神疾病，系统该如何判断是否允许接管？”
陈则指着屏幕上的一条数据，那是一位16岁学生的测试记录。当系统检测到乘客年龄未满18岁时，自动限制了接管权限，仅允许在“低速、无第三方风险”的场景下进行部分操作。“我们接入了身份认证系统，结合面部识别判断乘客的行为能力，”陈则解释道，“但这又涉及到‘隐私保护’的伦理问题——系统收集乘客的生物信息，如何确保不被滥用？”
这个问题让监控室里的气氛安静下来。林砚打开了系统的隐私设置界面，屏幕上显示着“数据本地存储”“实时加密传输”“使用后自动删除”等选项。“我们已经按照《个人信息保护法》的要求，对生物信息进行了脱敏处理，”她指着一行代码，“所有身份认证数据都不会上传到云端，仅在本地用于判断乘客行为能力，测试结束后立即删除。”
陈则点点头，却突然想起伦理委员会提出的另一个担忧：若自动驾驶系统的伦理决策标准被黑客篡改，该如何防范？他调出系统的安全日志，最近一周内，有三次来自境外的恶意攻击尝试，都被防火墙拦截。“我们需要加入‘伦理决策算法的完整性校验’，”陈则说，“每次启动前，系统都要自检算法是否被篡改，一旦发现异常，立即切换到备用伦理模块，并上报监管平台。”
林砚立刻记录下这个需求。此时，监控屏幕上出现了最后一位测试者的场景：一位孕妇乘坐“远航-III”时，前方突然发生连环追尾，系统检测到唯一的避险路线是撞上路边的绿化带，但可能导致孕妇轻微颠簸。“系统建议：缓慢撞向绿化带，预估孕妇受伤概率12%，无生命危险；若等待救援，后方车辆追尾概率89%，伤亡风险值9.5，”语音提示响起，同时屏幕上弹出“是否同意避险方案”的选项。
孕妇犹豫了片刻，点击了“同意”。车辆缓慢驶向绿化带，最终平稳停下。测试结束后，她对观察员说：“我当时很担心颠簸会影响胎儿，但系统给出的风险评估让我放心——原来伦理决策不只是冷冰冰的数字，还考虑到了特殊人群的需求。”
当天晚上，林砚和陈则坐在实验室里，整理着测试数据。屏幕上的图表显示，“远航-III”V3.8版本的伦理决策准确率达到了98.7%，较上一版本提升了6.2个百分点，人工干预的有效配合率也达到了91.3%。
“明天就能提交伦理审查了，”陈则看着屏幕上的数据，脸上露出了疲惫却欣慰的笑容，“但我们还要考虑后续的迭代——比如不同文化背景下的伦理差异，还有法律对‘伦理决策失误’的责任界定。”
林砚点点头，打开了一份新的文档，标题是《自动驾驶伦理决策长期优化方案》。她在文档里写下第一句话：“伦理决策不是静态的标准，而是随着社会价值观、科技发展和法律体系不断演进的动态框架——自动驾驶系统不仅要遵守当下的伦理准则，更要具备适应未来变化的能力。”
窗外的夜色渐深，测试场的指示灯再次亮起，“远航-III”正在进行新一轮的模拟测试。林砚望着那辆在夜色中穿梭的汽车，突然想起陈则曾经说过的话：“自动驾驶的终极目标，不是取代人类驾驶员，而是通过科技让每一次出行都更安全、更公平——而伦理决策，就是实现这个目标的基石。”
她关掉文档，拿起咖啡杯走向窗边。月光下，“远航-III”的车灯像两道温暖的光，照亮了前方的道路。林砚知道，关于自动驾驶伦理决策的探索，还有很长的路要走，但每一次代码的优化、每一次测试的成功，都在让这条路上的灯光更加明亮。