交通工具，用于构建虚拟世界的软件在Alphabet校园的一角，有一个团队致力于软件开发，这可能是创建机器人移动机器人的关键。 从来没有一个记者见过他。 他们以流行的游戏《魔兽世界》命名为Carcraft。
该软件的创建者是一位年轻的工程师，头发蓬乱，男孩的脸庞，詹姆斯·斯托特（James Stout），坐在我旁边的一个开放式办公空间中，这里充斥着寂静，每个人都戴着耳机。 该屏幕显示了具有圆周运动的虚拟道路的一部分。 没有什么值得一看的-几条线的简单图像以及带有道路纹理的背景。 我们看到了一辆中等分辨率的克莱斯勒Pacifica机器人车和一个代表另一辆车的简单线框。
几个月前，开发团队在德克萨斯州偶然发现了这种循环运动。 道路状况的速度和复杂性使汽车处于困难的位置，因此团队决定在测试现场建造一条具有相同配置的道路。 我已经在研究培训过程的第三阶段：数字化真实驾驶。 在这里，现实世界中唯一的驾驶员操作（例如，一辆将您打成圆周运动的汽车）可以变成成千上万个模拟场景，以探究汽车性能的边界。
此类方案构成了功能强大的仿真工具的基础。 “关于新功能的大部分工作都是由我们在仿真中看到的推动的，” Stout告诉我。 该工具加速了Waymo机器人车辆的开发，该机器人由Alphabet（女孩谷歌）在2016年12月从其研究部门X创立。
如果Waymo可以在未来几年内创造出全自动驾驶汽车，那么应该将Carcraft视为一个虚拟世界，它在改变其创建的现实世界中起着重要作用。
最初，它旨在滚动浏览在公共道路上行驶时汽车遇到的场景。 现在，Carcraft，以及一般来说，所有模拟，在机器人车辆的开发中起着越来越重要的作用。
在每个时间点，大约有25,000个虚拟机器人移动到完全建模的Austin，Mountain View和Phoenix以及多个测试轨道。 Waymo每天可以模拟数十万次沿着特别困难的道路旅行的模拟。 总体而言，在虚拟世界中，汽车每天可行驶800万英里。 2016年，他们行驶了25亿英里的虚拟里程，而真正的Google原型在真实的道路上从Google行驶的里程只有300万英里。 而且，重要的是，虚拟里程集中在Waymo员工所说的“有趣”道路上，汽车可以在其中学习新知识。 上班路上不仅在高速公路上无聊。
模拟是Waymo开发的复杂过程的一部分。 他们将在DOP上驾车行驶的数百万英里与他们在中央山谷Zamok秘密基地花费的“结构检查”程序紧密地联系在一起。
到目前为止，Waymo尚未向世界透露其系统。 常规道路上的英里向他们显示了他们的汽车需要额外练习的地方。 他们在城堡中建造了必要配置的道路，这使他们可以在现场播放数千种不同的场景。 在现实世界中，在两种检查中的任何一种中，机器都会收集足够的数据，以便随后在任何时间以数字形式完全重新创建情况。 在这个虚拟的空间中，您可以摆脱现实生活的限制，为任何场景创建成千上万的选择，然后让汽车通过所有这些选择。 为了改进驾驶汽车的软件，将其下载回汽车中，然后在道路上行驶更长的时间和更高的复杂性，并重复上述过程。
要从旧金山湾到达城堡，您需要向东行驶，然后在第99号向南行驶，然后沿着中央山谷高速公路，向南行驶至弗雷斯诺。 玉米田毗邻不断发展的郊区。 地平线消失在农业阴霾的背后。 它的温度比旧金山高30度，而且表面如此平坦，以至于
约翰麦菲 （
John McPhee）称其为“地球海”的坡度只能用激光测量。 您正在搬到Etwater小镇附近，那里曾经是城堡空军基地，在那里有6,000人为B-52计划提供服务。 现在它位于默塞德（Merced）小镇的北部边界，那里的失业率在2010年代达到20％，甚至现在很少低于10％。 40％的人口说西班牙语。 我们越过铁路，进入650公顷的旧基地的领土，该基地现在容纳了各种各样的东西，从野生动物控制部门到该州监狱。
我在手机上的导航器没有将我引导到特定地址，而是将我引导至GPS坐标。 我们沿着不透明的高高绿色栅栏行驶，直到Google Maps告诉您该停车了。 没有任何迹象表明存在任何大门。 一切看起来都像栅栏的另一部分，但我的房东代表看起来很自信。 突然，在大门和围栏之间不断扩大的缝隙中，一个警卫出现，开始检查我们的文件。
围栏篱笆分开了，我们开车进入一个热闹的校园。 穿着短裤和帽子的年轻人来回奔波。 您可以看到家用汽车，圆顶车库，以及在主楼附近的停车场-机动机器人。 这是几种类型的自动驾驶汽车-美国居民可以在DOP，Prius，退休和新型克莱斯勒Pacifica面包车上遇到的雷克萨斯模型。
机器人很容易区分。 它们装有传感器。 除此之外，还发布了屋顶上的激光扫描仪（激光雷达）。 但是，Pacifica也有一些啤酒罐大小的激光雷达，它们绕着后视镜旋转。 在后部，它们配备了类似于史瑞克耳朵的雷达。
当您打开机器的传感器时，即使它不动，旋转的激光雷达也会发出奇怪的声音。 在sound声和嗡嗡声之间，这种声音令人不愉快，因为在我看来，这是一种新奇的事物，我的耳朵无法将其与我长大的汽车的其他声音一起过滤掉。
主楼停着一辆更有趣的汽车。 车身上印有繁文tape节的X标志，这是第四级汽车。 级别是由汽车工程师社区开发的名称，用于描述机器人的自主程度。 我们所听说的道路上的那些汽车处于第一层或第二层-也就是说，它们能够在高速公路上进行“智能”巡航控制。 但是带有红色Xs的汽车是完全不同的野兽。 它不仅是完全自主的，它里面的人根本无法驾驶它-因此，他们不想将其与其他机器混合使用。
我们开车到停车场，到处都是曼哈顿项目，科学前哨站和技术创业的迹象。 在主楼中，这是一间教室大小的移动车，我满足了整个非凡场所的驱动力。 她叫Stef Villegas。
她身着一件长款白色上衣，领子，破烂的牛仔裤和灰色针织运动鞋-一切都非常时尚，因为她刚从Azalea精品店的前雇员转移到Google。 她在伯克利山对面的东湾郊区长大，并在加入2011年机器人移动开发计划之前获得了加州大学伯克利分校的艺术学位。
“你开车吗？” 我问。
她说：“我一直开车。”
她在从旧金山到山景城的101号和280号公路上花费了无数的时间。 像所有驾驶员一样，她对汽车在高速公路上的行为产生了感觉。 事实证明，这些知识对于开发机器人移动程序非常重要。 他们对机器可能遇到的困难已经有了直观的认识。 她说：“检查更新后的软件并在团队中享有永久性的职位，我开始考虑可以为系统设置哪些其他复杂任务。”
因此，Villegas和数名工程师开始提出设想，并创造了罕见的情况，使他们能够在受控环境中测试机器的新行为。 他们开始占领
沿海露天剧场对面的停车场，安装在人们的入口处，这样只有Google员工才留在停车场。
她说：“一切都从那里开始。” “我和几个司机在那里。” 我们提出了一系列要测试的想法，将需要的所有东西装入皮卡车，然后将其驶过停车场，进行检查。
这就是机器人移动开发计划中出现的第一个结构化测试的方式。 事实证明，最困难的事情是处理人们发明的复杂场景，例如“如果路上有僵尸”，而只是自信而可靠地驾驶无数普通交通。
维尔加斯开始从她能得到的所有东西中收集道具：人体模型，视锥细胞，人造植物，玩具，滑板，三轮车，娃娃，球，各种各样的东西。 所有这些都变成了一套道具（结果，他们开始将其存储在帐篷中，现在-在城堡的一个特殊仓库中）。
所需仓库但是有问题。 汽车必须行驶得更快，识别交通信号灯和标志。 这些计划经常干扰在露天剧场举行的音乐会。 她说：“曾经发生过类似的情况：'好吧，Metallica来了，我们将不得不抛弃它。'
他们需要一个秘密基地。 城堡就是这样。 他们签了租约，开始建造假的梦想中的城市。 “我们专门制作了住宅街道，高速公路，死胡同，停车场等，因此我们可以代表性地选择可以旅行的特色地点。”
我们从总公司去她的车。 当我们进行实地考察时，她给了我一张地图。 她说：“就像迪斯尼乐园一样，您可以导航。” 该地图经过精心设计。 一个角落是维加斯风格的徽章：“欢迎来到加利福尼亚的童话城堡”。 校园的不同区域甚至都遵守命名规则。 在我们开车的道路上，每条道路都以著名的汽车（
DeLorean ，
Bullitt ）命名，或者是为纪念该计划初期（Pribar）存在的基于Prius的第一个公园的汽车而命名。
我们驶过粉红色的建筑，即旧的军营，其中一个进行了翻新-Waymo的员工在无法返回海湾时就在那里休息。 除了这些，测试区域中没有其他建筑物。 这实际上是一个针对自动机动车辆的城市：重要的事情要么在人行道上，要么在人行道上。
城堡中的“城市”对于一个人来说，所有这些看起来就像是没有角色的电脑游戏的水平。 当您离开林荫大道到看似带有水泥车道的郊区街道和没有建筑物的郊区立交桥时，您会感到很奇怪。 在我看来，这条路的某些部分会定期出现。
我们正在接近一个大型的两车道交通圈。 中心是一个带有白色篱笆的圆圈。 “这个回旋处是在我们测试了德克萨斯州奥斯汀的多车道回旋处之后出现的，” Villegas说。 -起初，我们只有一个单车道回旋处，然后我们决定：“好吧，我们已经完成了这个阶段。” 然后我们偶然发现了一个多频段，惊叹道：“哇，一匹不同颜色的马！ 谢谢德克萨斯。 因此，我们在自己体内创造了这种美丽。”
我们停下来，维尔加斯（Villegas）正在考虑增加一条新路：两条车道和一条自行车道经过平行于草坪的平行停车区。 “我真的很想在这里创建一条平行停车的街道。 这在郊区经常发现。 核桃溪。 山景房。 “帕洛阿尔托，”她说。 -人们离开商店或停车场。 人们在汽车之间行走，手中拿着东西过马路。” 该条带是她记忆中的一部分，用沥青和混凝土制成，然后变成一种更抽象的形式，以提高机器人处理熟悉地形的能力。
她带我回到总公司，我们爬上了克莱斯勒Pacificas之一的自动搬运车。 我们的司机是布兰登·凯恩。 他在乘客座位上的助手将使用XView程序在笔记本电脑上监视汽车的行为。
一群被他们称为“狐狸”的助手与他们一起工作-昵称来源于“人工”一词[fox-狐狸，人造-人工/大约。 翻译]。 他们开汽车，增加交通，行人，骑自行车，停车标志。 这些是观众为车的演员。
我们的第一步检查是简单的通过和切割，但是要高速进行。 在这种情况下，为70 km / h。 我们沿着称为高速公路的宽阔道路直行。
当狐狸切断我们的路线时，Waymo机器会刹车，团队会检查这种情况下的关键指标：刹车。 他们试图创造一种情况，使汽车需要急刹车。 有多锐利？ 在“地狱，我没有时间去红绿灯”和“我剧烈出汗，电话从座位上飞起来”之间的某个地方。
我会说一件奇怪的事：这不是我第一次去机器人汽车。 过去，我用两种不同的自动驾驶汽车驾驶过两次：第一次是在雷克萨斯（Lexus）SUV上驾驶我沿着山景城（Mountain View）的街道行驶，第二次是在一辆小型Google Firefly汽车上骑着它在Google建筑物的屋顶上行驶。 这些旅行意义非凡，实际上，每个人都渴望这样做。
现在一切都不同了。 两辆快速行驶的汽车，其中一辆应该可以大大削减我们的速度。
是时候开始了。 凯恩（Kane）开动汽车，发出哔哔声后，汽车说：“自动”。 另一辆汽车驶近我们，成为保时捷驾驶员，使我们与世隔绝，力争成为第一个驶向出口的人。 我们强烈，快速，平稳地制动。 我印象深刻。
他们检查了制动数据，并了解我们的制动程度不够。 我必须重复一遍。 一遍又一遍...第二辆车以不同的角度，以不同的方式切割我们。 他们称之为“获得覆盖”。
高速重建。 其中一辆汽车是自动驾驶的。我们正在做另外三项检查-高速重建，与一辆汽车从距离我们三个街区的小巷后退相遇，并在看到篮球已经滚落到道路上时平稳停车。 每种操作都有其独特的风格，但我记得最大程度地削弱了测试能力。
当我们重新启动时，凯恩（Kane）移到了座位上。 “你看过
环太平洋吗？” 他问我。 -吉耶尔莫·德尔·托罗（Guillermo del Toro）电影，人们在其中与巨型机器人同步动作以与怪物战斗。 我正在尝试与机械手同步动作。 我们有一些共同的想法。”
我请他解释一下他的意思。 他说：“我正在努力适应车内人员造成的体重差异。” -我花了很多时间在车上，我能感觉到她在做什么-听起来很奇怪，是的-我的屁股。 我有点理解她想做什么。”
Google舒适的总部位于远离山景城的阴霾和高温的地方。 我来拜访他们是与X内部的工程师会面，他们可能被您称为GoogleX。该公司的部门从事长期的高风险研究项目。 2015年，当Google重组并组织了Alphabet集团时，X放弃了Google的头衔（他们的网站称为X.company）。 一年之后，X / Alphabet决定将创建自动机器人的程序划分为单独的公司，就像其他各种项目一样，Waymo出现了。 好像是Google的表弟。
因此，尽管Waymo的办公室仍在“运输船”内，但这两声咔嗒声已经慢慢分开，所有Waymo员工都分开坐了。
X / Waymo建筑物又大又轻。 Project Wing无人机原型随处可见。 我看到该公司制造的小型Firefly打字机。 “您所做的事情有些不错，”维勒加斯在城堡里对我说。 “但是里面没有空调，所以我不会想念他们。”
Waymo模拟群集距建筑物一楼一角的自助餐厅不远。 每个人似乎在屏幕上都有Carcraft和XView。 在深色背景下有大量的多边形。 正是这些人创造了Waymo汽车行驶的虚拟世界。
当四个推着车时，Waymo激光扫描仪看到了什么我正在等待Carcraft的创建者James Stout。 他没有机会公开谈论自己的项目，因此他的热情爆发了。 Carcraft是他的创意。
他说：“我一直在寻找空缺，发现制造机器人的团队正在招募员工。” “我不敢相信他们刚刚发布了一份工作。” 他加入了团队，并立即着手创建一种仪器，如今，该仪器每天可行驶800万虚拟英里。
最初，该工具主要用于监视在现场驾驶员控制汽车的困难情况下他们的汽车会做什么。从这样的时刻开始，他们开始创建脚本。 “很快就知道这是一个非常有用的工具，并且可以在此基础上创建很多工具，” Stout说。 Carcraft的可能性不断增长，以至于现在它可以适合整个城市，并且汽车的数量已经发展成为一个巨大的虚拟公园。Stout向我介绍了脚本服务部负责人Elena Kolarov。在她的前面是两个监视器。右侧是Xview，显示机器看到的内容。该机器使用摄像头，雷达和激光雷达在视野内识别物体-它以较小的线框形状呈现它们。表格中出现绿线，并显示根据机器可以移动物体的可能方式。下面是一张图片，它显示了正在拍摄的普通车载摄像机。 Kolyarova可以打开从激光雷达接收的数据显示-它们以橙色和紫色点显示。我们正在寻找在城堡中以圆周运动在一行中重现重排的实际情况。 Kolyarova切换到模拟器。一切看起来都一样，但这不是事件的记录，而是机器必须应对的新情况。唯一的区别是，在屏幕顶部以红色大写字母标有“模拟”字样。 Stout说他必须添加它，因为人们一直将模拟与现实混淆。
城堡中的圆周运动在XView中的外观他们加载了不同的情况。在凤凰城。 Kolyarova放大图片以显示其城市模型。对于整个模型，他们指出：“所有车道在哪里，哪些车道转入哪里，停车标志在哪里，交通信号灯，人行道在哪里，车道中心在哪里-您需要知道的所有信息，” Stout说。
现在，我们正在菲尼克斯附近某处增加一个四向交叉路口。科里亚洛娃（Kolyarova）开始在上面放置人造汽车，行人和骑自行车的人。
在飞机上创造人为的局面通过按热键，对象开始移动。汽车的行为就像汽车，在车道上行驶或转弯。骑自行车的人会相应地表现。他们的逻辑来自DOP行驶的百万英里的数据。所有这些都是基于世界的超详细地图以及情况中不同参与者的物理模型。
毫不奇怪，最困难的事情是模拟他人的行为。 “我不担心您开车，我担心路上的其他人。”“我们的汽车可以看到世界，可以理解世界。他们了解环境中所有活动参与者的意图-汽车，行人，骑自行车的人，摩托车手。仅仅跟踪太空中的物体是不够的。 Waymo开发副总裁Dmitry Dolgov说，您需要了解他的工作。 -这是创建熟练且安全的自动机器人的关键任务。 “这种模拟，对运动中其他参与者的行为的这种理解，与模拟他们在行为中的行为非常相似。”有一个关键的区别：在现实世界中，您需要新鲜的实时数据来进行实时处理，并将脚本转换为机器友好的计算机，然后对其进行导航。但是现在，在这个项目中工作了几年之后，他们对自己能够做到这一点充满信心，因为他们“进行了大量检查，表明我们能够识别出大量的行人选择，” Stout说。因此，在大多数情况下，他们只是跳过对象识别的阶段。他们只是告诉她：没有行人，而是提供了应该识别为行人的汽车原始数据。在十字路口，科里亚洛娃使汽车的寿命变得复杂。她按下V（车辆的热键），然后在Carcraft中出现一个新对象。然后，使用鼠标右键单击菜单，她选择了我最喜欢的汽车类型：bird_squirrel。可以迫使各种对象根据Waymo中的预配置逻辑或Carcraft中的已编程逻辑进行操作，以便它们以非常特定的方式移动-这对于测试不同类型的行为是必需的。 “对情况的完全控制和场景中对象的简单布置之间存在很大的差异，之后您可以简单地运行它们，” Stout说。根据情况的配置，您可以开始检查其中包含的所有重要选项。假设您要在单个路口检查汽车，行人和骑自行车者到达该路口的顺序不同，它们停止的时间，其速度以及其他任何因素。然后，您可以简单地为相应的参数设置合理的时间间隔，并失去这种情况的所有组合。他们称其为模糊，在这种情况下，在我们的十字路口自动创建了800种情况。结果是一个漂亮的花边图-所有程序员都可以检查它，并查看变量的不同组合如何影响机器人的选择路径。
选举表面临的挑战是分析所有这些选项和仿真以找到有趣的数据，这些数据可以帮助程序员改善其驾驶程序。第一步可能是：汽车卡住了吗？如果是这样，那么这种情况就变得很有趣了。下面的动画显示了这种情况。在山景城中现实存在的复杂交集。向左转，汽车发现一名骑自行车的人出现，这就是她停在路上的原因。程序员解决了此类问题，并重新设计了软件，以便它可以对情况做出正确的响应。视频显示了实际情况，然后进行了模拟。在它们分开的地方，您可以看到模拟的机器继续移动，然后出现一个带有题为“ shadow_vehicle_pose”的虚线框。虚线框显示了实际发生的情况。对于Waymo员工而言，这是进度的最清晰可视化。
但是他们不仅需要寻找汽车被卡住的情况。他们可以寻找在解决方案上花费的时间过长或制动太慢的情况。程序员进行微调和研究的所有内容，他们都会进行模拟以发现问题。斯托特和债务软件部负责人特别指出，模拟具有三个主要属性。首先，在模拟中，您可以行驶的距离比物理公园要行驶得多。和经验是好的。其次，这些里程关注有趣而复杂的交互，而不仅仅是无聊的里程。第三，软件开发周期可以更快。Dolgov告诉我：“重复周期对我们来说非常重要，而在仿真上所做的工作使我们可以大大压缩它。” “第一次与我们合作需要数周的时间，现在几分钟之内就过去了。”道路上的油渍怎么办？轮胎破裂，奇怪的鸟儿，贝壳大小的洞以及驾驶员普遍发疯。他们假装是吗？债务充满信心。他说他们可以做到，但是“您需要多少才能提高模拟器的精度？”Carcraft虚拟世界的好处并不在于它们具有美丽，理想和逼真的真实世界图像。它们的好处是，它们可以在对机器人移动至关重要的方面反映现实世界，并使它们比物理检查所允许的行驶数十亿英里。在类似于真实世界的环境中，主机软件不会做出决定-对他而言，一切都好像在现实世界中做出决定一样。并且该系统有效。加州交通运输部要求公司报告一年中有多少辆自动驾驶汽车行驶了英里，以及驾驶员必须控制多少次。 Waymo不仅比其他任何人驾驶了三个数量级的里程，而且控制权转移的案例数量正在迅速下降。从2015年12月到2016年11月，Waymo滚动了635,868英里的自动驾驶里程。在这些英里上，控制权转移发生了124次，平均每5000英里一次，或者每1000英里0.2次转移。在上一年中，他们达到了424,331英里的自主里程，共进行272班次换档，平均每890英里，即每1000英里换档0.8班。当然，每个人都说这些数字无法比较，但让我们现实一点：这些是加州的最佳指标。所有其余的总共击中了20,000英里的力量。Waymo的方法并不会让第三方专家感到惊讶。 “现在，您可以通过认真对待模拟来衡量从事自主性工作的团队（无论是无人机还是汽车）的复杂程度，”安德森·霍洛维茨（Andreessen Horowitz）的风险投资家克里斯·迪克森（Chris Dixon）说，他投资了该公司的模拟公司Improbable，这是一家模拟公司。 “ Waymo处于最顶端，它们是最复杂的。”我向Allstate保险公司的创新主管Sunil Chintakindi询问了Waymo。他说：“没有可靠的仿真基础架构，就无法创建具有最高自治水平的机器。” “我什至不会和其他人不说话。”其他研究人员选择了类似的路径。彭慧（Huey Peng）是密歇根大学自治与统一交通实验室Mcity的负责人。彭说，任何适用于机器人的系统都是“ 99％的模拟，精心设计的结构检查以及道路上的大量检查的结合”。他们与研究生一起，提出了一种将实际行驶里程与模拟相结合的系统，以大大加快检查速度。该系统有点像Waymo的实现。 “我们建议删除所有无聊的驾驶阶段并使它们变得有趣，” Peng说。 “这将使您加速数百倍：一英里变成一百万英里。”Waymo项目的范围，组织和活动令人惊讶。我描述了Google，Pengu进行的结构检查，其中包括20,000个情况，这些情况来自城堡团队进行的结构检查。起初他听不到我的声音，开始说“ 2000年的情况令人印象深刻”。我纠正了它：“这是20,000个模拟。”他保持沉默。 “两万，”他说。 “这令人印象深刻。”实际上，所有这20,000种情况仅占Waymo核实的情况总数的一小部分。这些只是处理结构检查的结果。他们甚至在真实的道路上驾驶，甚至从脑海中冒出更多情况。“他们做得很好，”彭说。 “他们在第四级开发中遥遥领先于其他所有人，”将术语减少技术应用于全自动驾驶汽车。彭说了传统汽车制造商的立场。他说，他们正在努力实现完全不同的目标。他们的目标不是完全自主，而是尝试添加有助于驾驶的技术，“赚一些钱”，然后进一步走向完全自主。 Waymo无法与资源和公司自由度相提并论，因为它与像Chevy这样的制造商在机器上安装了70,000美元的激光测距仪，其汽车在市场上的售价不应超过40,000美元。“通用汽车，福特汽车，丰田汽车和其他公司都说：'让我减少碰撞和人员伤亡，并为大众消费者提高安全性。'彭说，他们的目标是完全不同的。 -我们需要思考的数百万辆汽车，而不仅仅是几千元。“而在Waymo比赛的充分的自主权有比她来是更多的障碍-在汽车研究中心的主任在斯坦福十八个月前- ，特斯拉克里斯极的例子。他告诉我的同事，Waymo“对问题的深度以及我们已经解决问题的距离有了更好的理解。”当我上周问他是否仍然如此时，他说“很多已经改变了。”他说：“福特和通用汽车等汽车制造商展示了他们的汽车，并建立了道路数据集。” -特斯拉从自动驾驶仪的开发中收集了大量数据，研究了系统在客户发现自己的情况下如何精确运行。他们安静地测试算法的能力和迅速增长的计算机基础代表了令人赞叹的测试基础。”格德说，在仿真世界中，他看到了一些竞争对手，他们的程序相当认真。 “我相信有很多模拟的可能性，但是我已经看到了很多很好的例子。 Waymo不再显得如此独特。他们确实有一个障碍，但是今天有许多团体正在经历类似的方法。所以现在的问题是，谁会做得更好。”这不仅是对看起来像大脑的神经网络的某种演示。即使对于以积极的AI政策着称的Alphabet公司而言，这也是AI开发的巨大飞跃。这不是Google相册，该错误毫无价值。这是一个可以生存并完全独立于人与世界互动的系统。她将理解我们的规则，传达自己的欲望，并在我们的眼睛和思想中变得清晰。Waymo似乎已不再将骑自行车作为一项特定的技术技能，而正在将其作为人类社交活动的一种形式。 “正常”驾驶而不仅仅是“合法”驾驶意味着什么？如何教这个AI？事实证明，要创建这样的AI，您不仅需要大量的数据和程序员的艺术。这些是必要条件，但条件不足。为了让人们与汽车同步并以自己的方式了解世界，有必要分享其中的一部分。城堡中的驾驶员了解成为其中一台机器的含义，以自己的方式查看并做出决策。也许这是双向的，人们越了解机器，人们越了解机器。奥斯丁的回旋处的记忆成为城堡的一部分，成为机器人的数据集，成为Carcraft的处境，成为仿真网络，成为新的软件，最终返回到德克萨斯州前往此回旋处的物理机器人车。即使在AI用于识别世界的模拟的多边形抽象内部，也存在人类梦想的痕迹，记忆的一部分以及驾驶员的感受。这些组件不是错误，也不是需要清理的地方，而是系统的必要组成部分，可以彻底改变城市，乃至几乎任何地方的交通状况。