谷歌无人驾驶汽车可以带你观赏该公司位于加州的山景城总部。 这周，有幸试坐了一台。看到驾驶员的双手离开了方向盘，由电脑接管驾驶。正在自动驾驶。响亮的女声随之传来。就这样，汽车开始了自动操作：改变车道，遵守交通信号灯，监控骑自行车和步行的人群，打转向。甚至不经意的提速都觉得很到位。 工作地很好，以至于《纽约时报》编辑约翰·马可夫（JohnMarkoff评论道：太无聊了其实，这句话是赞赏谷歌无人驾驶汽车的表示。 完美的或者说近乎完美。机器人司机能减少交通事故，扩大道路基础设施的承载能力，并且解放上班族的双手，让他盯着手机不放，使用谷歌的许多服务。 但是还有个条件。 现在还无法搭乘谷歌汽车，或者在亚克朗市或奥兰多市或奥克兰市拦下一台，并期待它能像在硅谷那样表示逊色。 其原因是谷歌已经创立了山景城的虚拟道路地图。 无人汽车胜利的关键 谷歌胜利的关键是这些无人汽车不用从零开始就自愿处置路况。相反，团队已经绘制了无人车将要走过的每条道路的地图。不是老式地图，甚至不是内容丰富且充溢逻辑道路图的消费者版谷歌地图。 刻画超精密数字化物理世界的最佳想法，甚至精确到一些微小的细节，比如说每个路牙的高度和宽度。一幅普通的数字化地图仅显示道路交叉口的大概位置；而这些地图对位置的定位精确到英寸。 这些地图已经逾越了激进地图的概念。谷歌无人驾驶团队地图主管安德鲁·查塔姆（AndrewChatham解释道：事实上，地图）显示我可以提前告知汽车的所有地理信息，让它工作起来更容易。 说道：会告诉它交通信号灯到地面的高度、路牙的准确位置，这样它会知道哪些地方不能行使。还会提供一些你看不到信息，比如说隐含的限速。 谷歌发明的虚拟世界中，每条街道都是其工程师行驶过的无人汽车动身之前，就已经把路线数据载入汽车的存储器。这样一来，汽车开动后，软件就会知道下一步该怎么走。 查塔姆说道：不必每次打开软件焦头烂额地弄清前方路况，已经把这些信息提前告诉了软件的工作是算出现实世界与预期中的差别，这让问题更简单。 基于道路网络打造虚拟世界 尽管简化了车内的问题，但任务所需的工作量却大大增加。整个虚拟基础架构都需要构建于道路网络之上！ 也只有少数几家公司—也许仅有谷歌—能想象得出，把美国所有街道的数字化作为无人驾驶汽车解决方案的关键局部。汽车公司能想到用这样强大的数据收集和合成能力，提高其核心竞争力吗？ 尽管如此，当被问及谷歌汽车庞大的制图问题时，负责谷歌无人汽车项目的卡内基梅隆前大学教授克里斯·厄梅森（ChriUrmson仍信心十足。说道：这是谷歌的项目之一，作为一家公司，谷歌拥有丰富的经验，已经拥有地图产品和街景服务。之所以能享受这趟完美的远距离观光体验，因为我四处奔波并收集地图数据。 迄今为止，谷歌已经绘制了2000英里道路地图。不过，美国道路网络长达400万英里。 厄尔森耸了耸肩，补充道：这是一项工作，但并不吓人。这是谷歌正在考虑的项目规模。 谷歌战略的大背景下，所有这些都将行得通。谷歌希望机器人读懂物理世界，正如它曾必需让机器人（或者说Spider一种电脑机器人）读懂网页一样。 事实上，把谷歌的做法称为制图可能不太妥当，更愿意用爬遍全球（crawltheworld来形容它这意味着地图数据对电脑来说是易读的有用的 无人驾驶汽车完美地承接了谷歌ProjectTango项目及其最近对机器人公司的大举收购。Tango谷歌对让移动设备像人一样拥有空间和运动的感知能力所做出的新努力，将使机器人了解人类世界，而机器人公司将为机器人在人类世界中的行动发明方法。 谷歌精神让一切成为可能 越发深入思考这些项目，就越能从一些蛛丝马迹中挖掘出谷歌精神，比如说它野心、项目规模和针对高难度问题的解决方案。棘手的机械视觉问题需要计算机有对街道有着近乎于人类水平的理解，由于谷歌坐拥巨大、空前且难以想象的数据收集量，这个问题将更容易解决。 去年秋天，另一名无人驾驶汽车团队成员安东尼·莱万多斯基（AnthoniLevandowski前往尼桑公司做演示。尼桑员工一直在追问车车通信问题，该公司工程师（和许多汽车行业人士）认为这是无人驾驶汽车解决方案的重要组成局部。 莱万多斯基一针见血地回答道：如果我能利用其他汽车的传感器观察前方的道路，能看到更多的路况信息吗？希望确保我行驶的道路展示在每个人的车里，车与车之间分享信息有可能实现，但它并不是重点。 汽车公司的员工没能理解的谷歌主张车车通信，但这种方式无法实时地同步发生。 总之，每辆汽车的数据都正被编入地图中。有了地图数据—或者说我可以称之为体验汽车所需要的就是高精度地图上的准确位置，能够节省所有的分析和计算（以及车车通信）工作量。 谷歌无人驾驶汽车与初创公司Anki玩具赛车游戏的原理类似。当你购买AnkiDrive四驱车玩具时，会得到汽车竞赛的赛道。赛道中已经嵌入了位置数据，就相当于虚拟赛车地图的物理显示。 聪明的谷歌机器 无人汽车之旅中，遇到很多骑自行车的人和技术糟糕的驾驶员，这样复杂的环境中导航并不容易：无人汽车必需按路线图全速前进，同时它还要绘制地图，防止交通事故。 谷歌汽车不是愚蠢的机器。拥有自己的传感器：雷达（位于雷克萨斯SUV顶上的旋转激光）以及一套相机。车上还要进行一些处理，以弄清路线和防止发生碰撞。 这有一定难度，不过谷歌正在采用桌面级计算系统（庞大的计算和数据处置将由谷歌服务器群组完成） 车载电脑首要任务是整合传感器数据。将采集激光器和摄像头的数据，并将它整合成周围环境的视图，之后它将利用整合好的视图来定向（配合GPS 无人汽车团队软件主管迪米特里·多尔戈夫（DmitriDolgoi表示：可以将看到景物与存储在地图中的数据相互匹配，以此来精准地确定我地图上的位置。一旦我知道自己身处何处，所有编制在地图中道路的结构和语义数据都将为汽车所用。 一旦知道自己处于何处，无人汽车就可以观察动态物体的行为并构建模型，包括其他汽车、自行车和行人。 这里，谷歌采用另一种方法。多尔戈夫的团队利用机器学习算法发明路上其他人的模型。驾驶过程中的每英里路段信息都被输入计算机中，还要对不同类型的对象在不同环境中的表示进行分类。即便有些司机的行为已经进行硬编码（比如说红灯变绿，汽车启动但他并不照搬逻辑顺序，而是学习司机的实际行为。 这样，就知道，一辆尾随在垃圾车身后的汽车，可能会换道绕过来。谷歌已经建成了70万英里的驾驶数据，将协助谷歌算法理解汽车的行为。 谷歌的非理性效用 多数驾驶情况并不难以理解，不过要遇到棘手或突发的情况呢？谷歌地图标注目前采用的方案是让人类司机加以控制，平安驾驶汽车。不过，人类驾驶员必需接管的情况下，谷歌汽车会记录驾驶员的行为，这样的话，工程师就可以测试出在极端情况下汽车如何不伤害公众。 每辆谷歌汽车记录着之前的驾驶数据—爬遍天下捕捉而来的图像和数据—以及计算输入的驾驶数据，包括其他驾驶员在行驶过程中应对各种情况的数据。 谷歌汽车的工作方式和我大脑运作方式有些相似之处。思考时接受感官输入的信息，动作会相应地做出反应。大脑一直在作出判断，指导我认知。实际的感官信息—比如灯光打在视网膜细胞上—其地位仅次于之前大脑存储的各种体验。 谷歌自动驾驶汽车运用这一法则也不足为奇，为此取得了巨大胜利同样也不足为奇。 谷歌人工智能主管彼得·诺维格（PeterNorvig和他两名同事创造了一个短语数据的非理性效用（unreasoneffectofdata描述了海量数据对高难度人工智能问题的影响。 即便这意味着谷歌汽车将继续不停地跋涉400万英里的道路，并且手动处置大量的数据，也会坚持下来。 这就是谷歌的非理性效用。