以推出無人駕駛汽車車隊為例。人們認為技術將會提升駕駛的安全性。但就該項技術現階段的發展來說，這是一個非常大膽的假設。
谷歌旗下的無人駕駛汽車項目Waymo測試表現最好：每行駛5127英里需要一次人工干預。這相比前一年有所改進，但還遠遠稱不上表現完美。總的來說，Waymo的60輛測試汽車去年行駛了大約1.0597萬英里（比美國普通車輛的平均里程要少3000英里），在這一時間範圍內它們分別至少需要兩次人工干預。
特斯拉的表現則要糟糕得多。該電動汽車廠商的４輛汽車2016年平均行駛了137英里，每輛汽車平均出現45次人工干預也就是說每行駛3英里就需要一次人工干預。每次人工干預代表一次可能能夠避免的事故。
考慮到多數的行業觀察家認為，公眾不會容忍無人駕駛汽車出現任何的錯誤，這些測試表現顯然無法讓人滿意。誠然，該類技術在不斷改進。但也要指出的是，無人駕駛汽車其實早在1990年代中期就開始出現，當時就有輛汽車的“無人駕駛百分率”達到98.2%。
但即便技術方面的挑戰能夠克服，預想不到的負面外部性影響可能還是無法解決。
Uber無人駕駛汽車最近在亞利桑那州被撞翻，就是很好的案例。該事故的責任並不在Uber汽車身上，而在另一輛汽車的司機身上。這樣的人類沒有好好駕駛的情況，引發了人們對即將到來的自動駕駛過渡時期最大的挑戰之一的關注：在人工駕駛的汽車和無人駕駛汽車共存的時候，二者將必須要安全地進行交互。
然而，人類的行動動機跟電腦演算法的行為動機很不一樣。基本上，大多數的司機不包括那些醉酒駕駛的、尋求自殺的或者製造恐慌的司機都會有保護自我或者保護他人的意識。複雜的演算法則無法保證會有保護人類的動機。
另外，我們必須要信任程式師。通常來說，企業僱主會制定詳細的獎懲制度來確保員工有將工作儘量做好的積極性。員工們需要為自己的工作負起責任。在人為失誤會對別人造成巨大的不利影響的行業比如銀行業或者空中交通管制這類激勵機制來得更加重要。
然而，無人駕駛汽車將由程式師來編程和維護，他們人數眾多，要問責起來並不容易。我們能否確保他們一直都有積極的動力呢？
最後，雖然無人駕駛汽車有助於強化人類的駕駛技能，但它們也有可能會導致人們的駕駛能力退化。我們當然不希望在我們迫切需要那些駕駛能力的時候卻發現它們已經不復存在◆
