汽車(chē)公司的員工們無(wú)法理解或不愿理解的是，谷歌認(rèn)為，汽車(chē)之間的交流互動(dòng)是可能的，但是無(wú)法做到實(shí)時(shí)互動(dòng)。

畢竟，每輛汽車(chē)的數(shù)據(jù)都來(lái)自于地圖。有了這些地圖數(shù)據(jù)，所有汽車(chē)要做的就是根據(jù)超級(jí)精確的虛擬地圖明確自己的準(zhǔn)確位置。這樣一來(lái)，它們就可以省下所有數(shù)據(jù)分析和計(jì)算（以及汽車(chē)之間互動(dòng)）的時(shí)間。

有趣的是，谷歌無(wú)人駕駛汽車(chē)的做法與風(fēng)投公司Andreesen Horowitz支持的創(chuàng)業(yè)公司Anki對(duì)其玩具賽車(chē)游戲的做法具有驚人的相似性。在你購(gòu)買(mǎi)Anki Drive的時(shí)候，他們還會(huì)附帶銷(xiāo)售這些賽車(chē)比賽的跑道。這些跑道內(nèi)置有很多地理位置數(shù)據(jù)，實(shí)際上是虛擬賽車(chē)地圖的物理形式。

去年，Anki CEO鮑里斯-索夫曼（Boris Sofman）（他與厄姆森一樣，也是卡內(nèi)基梅隆大學(xué)的高材生）說(shuō)，提前了解賽道更有助于他們同步軟件所運(yùn)行的虛擬世界和汽車(chē)飛馳的物理世界。

“我們能夠?qū)⑽锢硎澜缱兂商摂M世界。”索夫曼說(shuō)，“我們能夠?qū)⑦@些真實(shí)的人物進(jìn)行抽象處理，把他們當(dāng)成是手機(jī)視頻游戲中的虛擬人物。”

機(jī)器學(xué)習(xí)算法

當(dāng)然，在有步行者和騎行者的情況下，要在虛擬和現(xiàn)實(shí)結(jié)合的山景城道路上行駛就不是那么容易的事了：汽車(chē)需要在道路上不斷地規(guī)劃路線，避免發(fā)生交通事故。

無(wú)人駕駛汽車(chē)頂上的攝像頭和激光記錄儀

車(chē)載電腦首先要做的事情就是整合傳感器數(shù)據(jù)。它會(huì)從激光裝置、攝像頭那里收集數(shù)據(jù)，并將它們整合形成周?chē)h(huán)境的實(shí)況圖，并據(jù)此在虛擬山景城地圖中確定自己的位置。

“我們能夠?qū)⑽覀兛吹降闹車(chē)跋笈c地圖中說(shuō)明的路況進(jìn)行對(duì)比，從而精確地確定我們?cè)诘貓D中的位置——精確到幾厘米。”無(wú)人駕駛汽車(chē)的軟件主管迪米特里-多爾戈夫（Dmitri Dolgov）說(shuō)，“一旦我們知道自己的確切位置，我們就會(huì)把地圖中存儲(chǔ)的相關(guān)路況信息提供給汽車(chē)。”

一旦了解自己的位置所在，無(wú)人駕駛汽車(chē)就能夠監(jiān)測(cè)和模擬周?chē)鷦?dòng)態(tài)物體（如其他車(chē)輛、自行車(chē)和行人）的行為。

這里，谷歌用到了另一個(gè)方法。多爾戈夫的團(tuán)隊(duì)利用機(jī)器學(xué)習(xí)算法來(lái)創(chuàng)造路上行人的模型。無(wú)人駕駛汽車(chē)行駛的每一英里路程的情況都會(huì)被記錄下來(lái)，汽車(chē)電腦就會(huì)保持這些數(shù)據(jù)，并分析各種不同的對(duì)象在不同的環(huán)境中如何表現(xiàn)。有些司機(jī)的行為可能會(huì)被設(shè)置為固定變量（如“綠燈亮，汽車(chē)行”），但是汽車(chē)電腦不會(huì)死搬硬套這種邏輯，而是從實(shí)際的司機(jī)行為中進(jìn)行學(xué)習(xí)。

這樣一來(lái)，跟在一輛垃圾運(yùn)輸卡車(chē)后面行駛的汽車(chē)，如果卡車(chē)停止行進(jìn)，那么汽車(chē)可能會(huì)選擇變道繞過(guò)去，而不是也跟著停下來(lái)。谷歌已建立了70萬(wàn)英里的行駛數(shù)據(jù)，這有助于谷歌汽車(chē)根據(jù)自己的學(xué)習(xí)經(jīng)驗(yàn)來(lái)調(diào)整自己的行為。#p#分頁(yè)標(biāo)題#e#

非理性效用

大多數(shù)駕駛情況并不難理解，但是如果出現(xiàn)少數(shù)棘手的或意外的情況如何處置呢？在當(dāng)前的情況下，谷歌會(huì)讓人類(lèi)司機(jī)代勞，以確保汽車(chē)行駛安全。但有意思的是，在人類(lèi)司機(jī)代勞的情況下，無(wú)人駕駛汽車(chē)也會(huì)記下自己自動(dòng)處置這種棘手情況的可能做法。這樣一來(lái)，工程師們就可以測(cè)試在極端情況下汽車(chē)需要怎么做才不會(huì)傷及無(wú)辜。

每一輛谷歌汽車(chē)既記錄有以前駕駛的數(shù)據(jù)——在真實(shí)道路上行駛獲得的數(shù)據(jù)，又記錄有電腦輸出的駕駛數(shù)據(jù)——主要是其他汽車(chē)司機(jī)如何處置各種情況的模型。

通過(guò)這種方式，谷歌汽車(chē)的工作方式與我們?nèi)四X反應(yīng)的方式之間就建立了聯(lián)系和類(lèi)比。我們大腦的反應(yīng)方式是接受來(lái)自感官傳來(lái)的信息，并采取相應(yīng)的行動(dòng)。事實(shí)上，我們的大腦無(wú)時(shí)無(wú)刻不在進(jìn)行各種預(yù)測(cè)，它引導(dǎo)著我們的認(rèn)知。實(shí)際駕駛過(guò)程中的感官輸入信息——燈光映照在我們的視網(wǎng)膜細(xì)胞上——會(huì)與我們大腦多年來(lái)在現(xiàn)實(shí)世界中習(xí)得的經(jīng)驗(yàn)相互印證。

谷歌的無(wú)人駕駛汽車(chē)也運(yùn)用了這一原理，這不足為奇；他們通過(guò)這種方法已取得了很大的成功，這也不足為奇。

谷歌人工智能主管彼得-諾維格（Peter Norvig）及其兩名同事，在一篇論文中用“數(shù)據(jù)的非理性效用”來(lái)描述龐大數(shù)據(jù)對(duì)于極端復(fù)雜人工智能問(wèn)題的影響。一幅漫畫(huà)中的話可以用來(lái)總結(jié)諾維格的論文觀點(diǎn)，“走出去，收集數(shù)據(jù)，看看它能做什么。”

即使這意味著要持續(xù)不斷地、永無(wú)止境地行駛完400萬(wàn)英里的路程，并錄入和整合這些龐大的數(shù)據(jù)，谷歌也會(huì)堅(jiān)持不懈地做下去。

這就是谷歌的非理性效用。