谷歌無人駕駛汽車可以帶你觀賞該公司位于加州的山景城總部。 這周，有幸試坐了一臺。看到駕駛員的雙手離開了方向盤，由電腦接管駕駛。正在自動駕駛。響亮的女聲隨之傳來。就這樣，汽車開始了自動操作：改變車道，遵守交通信號燈，監控騎自行車和步行的人群，打轉向。甚至不經意的提速都覺得很到位。 工作地很好，以至于《紐約時報》編輯約翰·馬可夫（JohnMarkoff評論道：太無聊了其實，這句話是贊賞谷歌無人駕駛汽車的表示。 完美的或者說近乎完美。機器人司機能減少交通事故，擴大道路基礎設施的承載能力，并且解放上班族的雙手，讓他盯著手機不放，使用谷歌的許多服務。 但是還有個條件。 現在還無法搭乘谷歌汽車，或者在亞克朗市或奧蘭多市或奧克蘭市攔下一臺，并期待它能像在硅谷那樣表示遜色。 其原因是谷歌已經創立了山景城的虛擬道路地圖。 無人汽車勝利的關鍵 谷歌勝利的關鍵是這些無人汽車不用從零開始就自愿處置路況。相反，團隊已經繪制了無人車將要走過的每條道路的地圖。不是老式地圖，甚至不是內容豐富且充溢邏輯道路圖的消費者版谷歌地圖。 刻畫超精密數字化物理世界的最佳想法，甚至精確到一些微小的細節，比如說每個路牙的高度和寬度。一幅普通的數字化地圖僅顯示道路交叉口的大概位置；而這些地圖對位置的定位精確到英寸。 這些地圖已經逾越了激進地圖的概念。谷歌無人駕駛團隊地圖主管安德魯·查塔姆（AndrewChatham解釋道：事實上，地圖）顯示我可以提前告知汽車的所有地理信息，讓它工作起來更容易。 說道：會告訴它交通信號燈到地面的高度、路牙的準確位置，這樣它會知道哪些地方不能行使。還會提供一些你看不到信息，比如說隱含的限速。 谷歌發明的虛擬世界中，每條街道都是其工程師行駛過的無人汽車動身之前，就已經把路線數據載入汽車的存儲器。這樣一來，汽車開動后，軟件就會知道下一步該怎么走。 查塔姆說道：不必每次打開軟件焦頭爛額地弄清前方路況，已經把這些信息提前告訴了軟件的工作是算出現實世界與預期中的差別，這讓問題更簡單。 基于道路網絡打造虛擬世界 盡管簡化了車內的問題，但任務所需的工作量卻大大增加。整個虛擬基礎架構都需要構建于道路網絡之上！ 也只有少數幾家公司—也許僅有谷歌—能想象得出，把美國所有街道的數字化作為無人駕駛汽車解決方案的關鍵局部。汽車公司能想到用這樣強大的數據收集和合成能力，提高其核心競爭力嗎？ 盡管如此，當被問及谷歌汽車龐大的制圖問題時，負責谷歌無人汽車項目的卡內基梅隆前大學教授克里斯·厄梅森（ChriUrmson仍信心十足。說道：這是谷歌的項目之一，作為一家公司，谷歌擁有豐富的經驗，已經擁有地圖產品和街景服務。之所以能享受這趟完美的遠距離觀光體驗，因為我四處奔波并收集地圖數據。 迄今為止，谷歌已經繪制了2000英里道路地圖。不過，美國道路網絡長達400萬英里。 厄爾森聳了聳肩，補充道：這是一項工作，但并不嚇人。這是谷歌正在考慮的項目規模。 谷歌戰略的大背景下，所有這些都將行得通。谷歌希望機器人讀懂物理世界，正如它曾必需讓機器人（或者說Spider一種電腦機器人）讀懂網頁一樣。 事實上，把谷歌的做法稱為制圖可能不太妥當，更愿意用爬遍全球（crawltheworld來形容它這意味著地圖數據對電腦來說是易讀的有用的 無人駕駛汽車完美地承接了谷歌ProjectTango項目及其最近對機器人公司的大舉收購。Tango谷歌對讓移動設備像人一樣擁有空間和運動的感知能力所做出的新努力，將使機器人了解人類世界，而機器人公司將為機器人在人類世界中的行動發明方法。 谷歌精神讓一切成為可能 越發深入思考這些項目，就越能從一些蛛絲馬跡中挖掘出谷歌精神，比如說它野心、項目規模和針對高難度問題的解決方案。棘手的機械視覺問題需要計算機有對街道有著近乎于人類水平的理解，由于谷歌坐擁巨大、空前且難以想象的數據收集量，這個問題將更容易解決。 去年秋天，另一名無人駕駛汽車團隊成員安東尼·萊萬多斯基（AnthoniLevandowski前往尼桑公司做演示。尼桑員工一直在追問車車通信問題，該公司工程師（和許多汽車行業人士）認為這是無人駕駛汽車解決方案的重要組成局部。 萊萬多斯基一針見血地回答道：如果我能利用其他汽車的傳感器觀察前方的道路，能看到更多的路況信息嗎？希望確保我行駛的道路展示在每個人的車里，車與車之間分享信息有可能實現，但它并不是重點。 汽車公司的員工沒能理解的谷歌主張車車通信，但這種方式無法實時地同步發生。 總之，每輛汽車的數據都正被編入地圖中。有了地圖數據—或者說我可以稱之為體驗汽車所需要的就是高精度地圖上的準確位置，能夠節省所有的分析和計算（以及車車通信）工作量。 谷歌無人駕駛汽車與初創公司Anki玩具賽車游戲的原理類似。當你購買AnkiDrive四驅車玩具時，會得到汽車競賽的賽道。賽道中已經嵌入了位置數據，就相當于虛擬賽車地圖的物理顯示。 聰明的谷歌機器 無人汽車之旅中，遇到很多騎自行車的人和技術糟糕的駕駛員，這樣復雜的環境中導航并不容易：無人汽車必需按路線圖全速前進，同時它還要繪制地圖，防止交通事故。 谷歌汽車不是愚蠢的機器。擁有自己的傳感器：雷達（位于雷克薩斯SUV頂上的旋轉激光）以及一套相機。車上還要進行一些處理，以弄清路線和防止發生碰撞。 這有一定難度，不過谷歌正在采用桌面級計算系統（龐大的計算和數據處置將由谷歌服務器群組完成） 車載電腦首要任務是整合傳感器數據。將采集激光器和攝像頭的數據，并將它整合成周圍環境的視圖，之后它將利用整合好的視圖來定向（配合GPS 無人汽車團隊軟件主管迪米特里·多爾戈夫（DmitriDolgoi表示：可以將看到景物與存儲在地圖中的數據相互匹配，以此來精準地確定我地圖上的位置。一旦我知道自己身處何處，所有編制在地圖中道路的結構和語義數據都將為汽車所用。 一旦知道自己處于何處，無人汽車就可以觀察動態物體的行為并構建模型，包括其他汽車、自行車和行人。 這里，谷歌采用另一種方法。多爾戈夫的團隊利用機器學習算法發明路上其他人的模型。駕駛過程中的每英里路段信息都被輸入計算機中，還要對不同類型的對象在不同環境中的表示進行分類。即便有些司機的行為已經進行硬編碼（比如說紅燈變綠，汽車啟動但他并不照搬邏輯順序，而是學習司機的實際行為。 這樣，就知道，一輛尾隨在垃圾車身后的汽車，可能會換道繞過來。谷歌已經建成了70萬英里的駕駛數據，將協助谷歌算法理解汽車的行為。 谷歌的非理性效用 多數駕駛情況并不難以理解，不過要遇到棘手或突發的情況呢？谷歌地圖標注目前采用的方案是讓人類司機加以控制，平安駕駛汽車。不過，人類駕駛員必需接管的情況下，谷歌汽車會記錄駕駛員的行為，這樣的話，工程師就可以測試出在極端情況下汽車如何不傷害公眾。 每輛谷歌汽車記錄著之前的駕駛數據—爬遍天下捕捉而來的圖像和數據—以及計算輸入的駕駛數據，包括其他駕駛員在行駛過程中應對各種情況的數據。 谷歌汽車的工作方式和我大腦運作方式有些相似之處。思考時接受感官輸入的信息，動作會相應地做出反應。大腦一直在作出判斷，指導我認知。實際的感官信息—比如燈光打在視網膜細胞上—其地位僅次于之前大腦存儲的各種體驗。 谷歌自動駕駛汽車運用這一法則也不足為奇，為此取得了巨大勝利同樣也不足為奇。 谷歌人工智能主管彼得·諾維格（PeterNorvig和他兩名同事創造了一個短語數據的非理性效用（unreasoneffectofdata描述了海量數據對高難度人工智能問題的影響。 即便這意味著谷歌汽車將繼續不停地跋涉400萬英里的道路，并且手動處置大量的數據，也會堅持下來。 這就是谷歌的非理性效用。