因為有明確的真值信息，因此對“錯誤”的定義也十分清晰。例如，如果高等級駕駛自動化汽車前方有一輛汽車，而感知系統未能識別出這輛汽車，那么感知系統失靈就是一個明確的事實。當被問及高等級駕駛自動化汽車前方是否有車時，兩個人會給出相同的答案。因此，我們可以很容易地通過計算感知系統出錯的頻率來判斷其性能的優劣。

駕駛策略取決于“下一步會發生什么”的推理，而這種推理并非事實性的。當被問及高等級駕駛自動化汽車在十字路口應該讓行還是優先通行時，兩個人可能會給出不同的答案。一個人會認為讓行更安全，而另一個人會認為優先通行更安全，這樣就不會阻塞交通。因此，對于 “錯誤”并沒有明確的定義，而是取決于對情況的解釋或判斷。此外，這種判斷往往是在事故發生后復盤做出的，且有了知曉未來的優勢（即知道“接下來發生了什么”，而無需猜測 “接下來會發生什么”）。

在感知方面，“更安全的高等級駕駛自動化”和“更好的高等級駕駛自動化”之間存在明確的單調關系。也就是說，系統犯的錯誤越少，高等級駕駛自動化就越“安全”、越“好”。

對于駕駛策略來說，“更安全”并不總是意味著“更好”。以一條住宅道路為例，道路兩邊都停著車輛。由于行人有可能會沖向馬路，因此“最安全”的高等級駕駛自動化汽車系統會非常非常緩慢地行駛。這樣，即使一個騎著電動自行車的孩子以極快的速度突然沖向馬路，高等級駕駛自動化汽車也能及時剎車。然而，這種極慢的駕駛速度會阻礙交通。事實上，沒有人會在這種情況下如此緩慢地駕駛。原因在于，作為一個社會，我們通過確定我們愿意承擔的“合理風險”來平衡安全和效率。