揭秘谷歌无人驾驶汽车的秘密世界：多种新技术首次曝光

【腾讯科技编者按】《大西洋月刊》本周刊文，揭开了Alphabet旗下无人驾驶公司Waymo的神秘面纱。在无人驾驶汽车的开发过程中，Waymo利用了多种强大的工具，包括模拟工具Carcraft、秘密测试基地“城堡”，以及汽车追踪软件XView。

以下为文章全文：

在Alphabet园区的一角，团队正在开发一款软件。这或许将成为无人驾驶汽车的关键。此前，没有任何记者实际看过软件如何工作。作为对《魔兽世界》英文名的致敬，这款软件被称作“Carcraft”。

软件的开发者是长着娃娃脸的年轻工程师詹姆斯·斯图特（James Stout）。在一间开放办公室里，他坐在我身旁。屏幕上显示着虚拟的环岛。对人眼来说，屏幕上并没有太多值得一看的内容：背景上绘制着简单的线条，道路上有一辆无人驾驶的克莱斯勒Pacifica，以及用线条表示的另一辆汽车。

几个月之前，无人驾驶汽车团队在德克萨斯州奥斯汀遇到了类似的环岛。行驶速度和环境的复杂程度给汽车带来了困扰，因此团队决定在测试环境中设计类似的场景。我所看到的是学习过程的第三步：真实世界驾驶的数字化。在这里，单一的真实世界交通事件，例如在环岛上一辆汽车逼停另一辆汽车，可以被拓展为数千个模拟场景，从而对汽车的性能进行测试。

这样的场景是Waymo强大的模拟工具的基础。斯图特表示：“绝大部分的工作，包括关于新特性的开发，都来自模拟环境中看到的情况。”这样的工具加速了Waymo自动驾驶汽车的发展。Waymo是Alphabet旗下无人驾驶部门，于2016年12月从 谷歌 ( 微博 )X中独立。

如果Waymo可以在未来几年内推出全自动驾驶的汽车，那么Carcraft将会被铭记在行业历史上。Carcraft基于现实世界，但在重塑现实世界的过程中又扮演了重要角色。

Carcraft最初被用于“回放”汽车在真实道路上遇到的场景。不过目前，包括Carcraft在内的模拟技术正在无人驾驶的发展过程中扮演更重要的角色。

目前在任意时刻，都会有2.5万辆虚拟无人驾驶汽车在模拟的奥斯汀、山景城和凤凰城街道上，以及专门的测试车道上行驶。在短短一天内，Waymo就可以模拟复杂道路环境中的驾驶数十万次。目前，Waymo每天在虚拟环境中的驾驶总里程数达到800万英里（约合1287.5万公里）。2016年，虚拟环境的驾驶总里程达到25亿英里。相比之下，谷歌IRL无人驾驶汽车在公共道路上的行驶里程只略高于300万英里。更重要的是，虚拟环境中的驾驶专注于Waymo所谓的“有趣”场景：这些驾驶行为能让研究者学到新东西，而不只是单纯堆积里程数。

Waymo开发了复杂的程序，而模拟环境只是其中一部分。Waymo将无人驾驶汽车在公共道路上的数百万公里行驶记录整合至“结构化测试”项目。这个项目在加州Central Valley一个被称作“城堡”的秘密基地中进行。

Waymo此前从未公布过这个系统。在普通道路上的驾驶结果表明，在哪些地区汽车需要额外练习。他们在“城堡”中建设所需的空间，从而可以测试数千种不同场景。在真实世界的测试中，Waymo的汽车可以收集到足够多数据，以复制出未来任何时间点的完整数字环境。在这样的虚拟环境中，工程师可以消除真实环境的限制，设计任意单一场景的数千种变化，随后让虚拟汽车在场景中行驶。反过来，不断优化的驾驶软件被安装至真实汽车，让汽车可以应对更复杂的环境。Waymo不断重复着这样的循环。

“城堡”探秘

如果想要前往“城堡”，那么需要先从旧金山湾区向东行驶，然后沿着99号公路向南。沿路上有大片棉花地，天际线消失在农田里。这里的气温比旧金山更高。我们的汽车在靠近Atwater小镇的出口驶出。这里曾经是Castle空军基地，聘用了6000名员工，为B-52项目服务。然而目前这里已是Merced城市区的北沿。10年代初，这里的失业率超过20%，而目前仍有不到10%。40%的居民说西班牙语。我们穿过了几条铁路，进入了总面积1621英亩（约合656万平方米）的废弃空军基地。

我手机上的导航并没有指向任何地址，而只是一组GPS坐标。我们沿着绿色的不透明围挡行驶，直到谷歌地图告诉我们停下。没有任何标志标明这里就是大门，这看起来只是围挡的一部分。不过，接待我的Waymo员工很有信心。这时，一名保安从围挡中走了出来，检查我们的身份信息。

围挡分开，我们驶入了园区。穿着短裤戴着帽子的年轻人忙忙碌碌，这里有很多活动板房和车库，而主楼的停车场上还有许多无人驾驶汽车。在这里，我们可以看到多种型号的自动驾驶汽车：在公共道路上最常见的雷克萨斯汽车、已淘汰的普锐斯，以及新的克莱斯勒Pacifica。

很容易判断，哪些是无人驾驶汽车。这些车辆配备了传感器。其中最显眼的是车顶上方的雷达传感器（也被称作激光雷达）。不过，Pacifica还在后视镜上安装了啤酒罐大小的小型激光雷达。而在车尾，这些汽车还安装了普通雷达。

如果传感器开始工作，即使车辆处在停车状态，激光雷达的旋转也会发出奇怪的声响。这与普通的汽车噪声不同，我的耳朵无法不注意到这种声音。

此外还有一种更特殊的汽车停在主楼外的街道上。这些车辆用红色胶布贴上了大大小小的“X”。这些是“第四级”自动驾驶汽车。自动驾驶汽车的分级来自于“汽车工程师协会”，说明了驾驶自动化的程度。道路上行驶的自动驾驶汽车大多只能实现第一级或第二级自动驾驶，这通常代表了可以在高速公路上提供智能巡航控制。然而，这种带红色“X”标志的汽车是另一种 生物 。这些汽车不仅可以实现全自动行驶，而且无法被人工做出干预。因此，Waymo不希望这些汽车与其他车辆混在一起。

行走在停车场里，给人的感觉就像是曾经的“曼哈顿项目”。我在主楼里见到了这里的管理者。她的名字是史蒂夫·薇尔加斯（Steph Villegas）。

挑战无人驾驶系统

薇尔加斯穿着白色T恤、破洞牛仔裤和灰色板鞋。这样的装束显示了她以往的时尚气息。她在东湾的郊区长大，大学是加州大学伯克利分校。她于2011年开始涉足无人驾驶汽车项目。

我问她：“你曾经是个司机？”她的回答是：“一直都是司机。”

她花了大量时间，在旧金山和山景城之间的101号公路和280号公路上行驶。与其他司机类似，关于汽车在开放道路上如何行驶，她有着很深的感触。在无人驾驶汽车项目中，这些经验非常重要。关于无人驾驶汽车的难点，这些司机有自己的直觉。她表示：“在新软件上进行了一些测试，并在团队中度过一段时间之后，我开始思考，我们可以用什么样的方式去挑战系统。”

因此，薇尔加斯和其他一些工程师开始设计并搭建罕见的场景，从而以受控的方式去测试汽车的新行为。他们开始征用旧金山郊外Shoreline Amphitheater的所有停车场，将人们拦在入口外，确保只有获得权限的谷歌员工可以进入。

她表示：“这就是我们的起点。当时每周只有我和少数司机。我们会设想各种需要测试的场景，放上我们想要的道具。我们将这些道具装上卡车，运往试验场地，进行测试。”

在无人驾驶汽车项目中，这些就是最初的结构化测试。结果表明，最困难的部分并不是“如果有僵尸在路口咬人那么要怎么办”，而是如何对项目进行保密，使普通道路上的无人驾驶汽车看起来就像是有人在驾驶。

薇尔加斯开始从各种地方收集小道具，包括假人、假植物、儿童玩具、滑板、三轮车、洋娃娃、皮球和其他小玩意。这些被放在道具仓库里。（道具最初保存在一个帐篷里，而目前则放在了“城堡”的储藏室内。）

不过，还有些其他问题需要解决。他们希望汽车行驶速度更快，并使用交通灯和停车标志。此外，Shoreline Amphitheater的演出季也常常给他们的计划造成影响。薇尔加斯表示：“例如，金属乐队就要来开演唱会，我们需要赶紧上路测试。”

他们还需要一个基地，一个秘密基地。“城堡”刚好提供了这样的基地。他们签订了租约，开始建设梦想中的虚拟城市。“我们在设计中有意识地做出一些决定，建设居民区街道、高速公路、死胡同，以及停车场等场景。”她表示，“我们将一些代表性场景集成在一起，让汽车在其中行驶。”

我们从办公室走向她的汽车。当我们离开办公室时，她递给我一张地图。她表示：“就像迪士尼乐园一样，你可以按图索骥。”这时一张精心制作的地图。在一个角落，拉斯维加斯风格的标志牌显示：“欢迎来到加州的‘神话城堡’”。园区的不同部分有各自的命名规则。我们穿过的每条道路都以知名汽车（DeLorean和Bullitt）或早期的普锐斯车队（Barbaro）来命名。

我们走过了一组粉红色建筑。这是旧的军队宿舍，其中之一已被改造过：如果Waymo员工来不及返回湾区，那么就会在这里休息。除此之外，测试区内没有其他建筑。这是个属于机器人汽车的城市。所有重要的事都发生在沥青路面上。

在普通人看来，这就像是个没有玩家的电子游戏场景。从林荫大道到社区道路，从水泥车道到郊区十字路口，而这些场景中都没有建筑，这令人不可思议。我不断看到似曾相识的道路场景。

我们来到一个大型双车道环岛，中间有一圈白色围挡。薇尔加斯表示：“我们在德州奥斯汀遇到了一个多车道环岛，随后就在这里复制了这个环岛。我们最初设计的是单车道环岛，但随后又遇到了多车道的场景。”

薇尔加斯停下来，看着一处新增的装置：两条汽车道和一条自行车道穿过靠近一块草地的平行停车场。“我很喜欢在这些场景中加入平行停车场。类似的场景在市郊商业区很常见，无论是Walnut Creek、山景城，还是帕洛阿尔托。”她表示，“人们从店面或公园中走出来，在汽车之间走动，或许搬着东西穿过马路。”这条小路就像是她记忆中的碎片，而她将这些记忆嵌入了地面的沥青和混凝土中，并使其成为一种更抽象的形式。

她用车送我回主办公室，我们坐进了一辆无人驾驶的克莱斯勒Pacificas。坐在左边驾驶位的是布兰顿·凯恩（Brandon Cain），而右边坐着另一名驾驶者，负责利用名为XView的软件，在 笔记本 上跟踪车辆的状态。

这里还有许多被称作“狐狸”（fox）的测试助理，这样的称呼来自英文单词“faux”（人造的）。他们驾驶汽车，创造交通环境，像行人一样活动，骑自行车，拿着停止标志。在一定程度上他们是演员，而观众则是汽车。

我们要做的第一种测试是“简单地通过和超车”，但速度将达到时速45英里（约合72公里）。我们计划前往一条名为Autobahn的宽阔道路。

当“狐狸”出现在车道上时，无人驾驶汽车将刹车，团队将检查一个关键数据点：车辆减速情况。他们试图设计一种导致汽车不得不急刹车的场景。那么这种刹车有多猛？“我的腋下开始不自觉的出汗，而手机飞到地上”，确实很猛。

实际上这并不是我首次乘坐无人驾驶汽车。以往我曾体验过两次无人驾驶汽车。第一次是一辆雷克萨斯SUV，当时我乘坐汽车穿过了山景城的街道。第二次是乘坐谷歌Firefly，当时是在谷歌一栋大楼的楼顶上。这些汽车都不显眼，这才是重点。

但这次有所不同。这是两辆行驶速度很快的汽车，其中一辆会阻止我们的移动。用Waymo的术语来说，这非常“辛辣”。

现在到了开车的时候。凯恩发动了汽车，汽车说“自动驾驶”。另一辆车随后接近我们，就像是要逼停我们。我们猛地刹车，操作很快、很流畅。

随后他们检查了减速数据，发现刹车强度还不够。我们需要再做一次，一次又一次。另一辆车从不同角度，以不同方式来逼停我们。他们将这样的做法称作“覆盖”。

我们随后还进行了其他三项测试：高速并线；遇到一辆倒车的车辆，同时第三辆车挡住视线；在停车过程中有行人将篮球扔到行驶路线上。每种测试都令人印象深刻，但最难以忘记的仍是逼停测试。

在我们开始另一次测试之前，凯恩问我：“你有没有看过《环太平洋》？在这部电影中，主角操纵巨大的机器人与怪兽作战。我试图与汽车同步，分享一些思考。”

我询问凯恩，关于与汽车同步，他想要表达的是什么。他表示：“我根据车内乘客的体重差异进行调节。在多次乘坐这辆汽车后，我可以感受到汽车在干什么，用我的屁股。这听起来很奇怪，但我确实知道汽车想要干什么。”

从真实测试到模拟环境

远离湿热的“城堡”，这里是谷歌的山景城总部。我来这里是为了拜访Waymo的工程师。从组织架构上来说，他们率属于X。你或许已经知道，X是Alphabet面向长远发展、高风险的研究部门。2015年，当谷歌重组为企业集团Alphabet时，谷歌X改名为X（他们的网站是X.company）。在重组的一年后，X和Alphabet决定让无人驾驶汽车项目“毕业”，组建独立的公司Waymo。Waymo就像是谷歌的孩子。

因此，Waymo的办公室仍然位于母舰内部，但也在慢慢独立。我听说，Waymo的员工现在都坐在一起。

X和Waymo的办公楼很大、很宽敞。来自Project Wing项目的无人机原型正在飞行，我也看到了谷歌自主开发的Firefly汽车。（薇尔加斯在“城堡”中曾说过：“自己开发的东西或许很甜蜜。但它们没有空调，所以我一点都不想念它们。”）

从餐厅往上，走到大楼的一角，这里是Waymo的模拟集群。在这里，所有人的屏幕上都打开了Carcraft和XView。屏幕上是黑色背景的多边形图像。他们正在为Waymo汽车设计虚拟世界。

等待我的是Carcraft的创造者詹姆斯·斯图特（James Stout）。他从来没有公开讨论过自己的项目。这次他表现出极大的热情。Carcraft就是他的孩子。

他说：“我只是看了下招聘信息，发现无人驾驶团队正在招聘。我简直不能相信他们提供了一个职位。”他加入了这支团队，并立即着手开发工具。目前，这款工具支持了每天800万英里的虚拟驾驶。

此前，他们主要使用这款工具去查看，汽车在复杂情况下会如何操作。在真实世界的这些情况下，人工司机会接管汽车。从这些情况起步，他们开始制作场景。“很快我们就看到，这是一款非常有用的工具，我们可以在此基础上进行各种开发。”斯图特表示。Carcraft的能力随后快速提升，可以容纳整个城市，而汽车数量也扩大为一支庞大的虚拟车队。

斯图特介绍了艾连娜·科拉罗夫（Elena Colarov）。她是“场景维护”团队的负责人。她的面前放着两块屏幕。在右侧屏幕上，她在查看XVivew，屏幕显示了汽车“看到”的画面。汽车使用摄像头、雷达和激光雷达去识别场景中的对象，并在软件上用线框来呈现这些对象，绘制真实世界的轮廓。

从这些形状中延伸出的绿色线条代表了汽车预期对象可能移动的方式。底部的图像条显示了，汽车搭载的普通摄像头（可见光摄像头）捕捉到的画面。科拉罗夫还打开了激光雷达返回的数据，这些数据以橙色和紫色点来显示。

我们看到了“城堡”中环岛真实情况的回放。科拉罗夫切换至模拟版本。看起来是一样的，但不是数据日志，而是汽车需要解决的情况。唯一不同的是，在XView屏幕的最上方，红色字符显示了“模拟”的字样。斯图特表示，加入这样的提示是因为，人们常常会混淆模拟与真实场景。

他们随后加载了另一个场景。这是在凤凰城。科拉罗夫缩小了画面，显示整个城市的模型。在模型中，他们描绘了“所有的车道在哪里，一条车道如何通向另一条车道，停止标志在何处，交通灯在哪里，哪里有障碍，车道中心的位置是哪，以及所有一切你需要知道的信息。”

我们随后放大了画面，中心是凤凰城附近某处的一个十字路口。随后，科拉罗夫开始在场景中放入虚拟的汽车、行人和自行车。

在按下一个按钮之后，屏幕上的对象开始移动。虚拟汽车会像真实汽车一样在车道上行驶、转弯。虚拟的自行车与真实自行车一样。这些对象的逻辑来自于该团队在公共道路上数百万公里的测试。这一切的背后是一份超级详细的世界地图，以及场景中不同对象的物理模型。他们对橡胶物体和道路都进行了建模。

意料之中地，最难模拟的是他人的行为。这就像是父母常常对孩子说的：“我不担心你开车，担心的是路上的其他人。”

“我们的车观察世界，理解世界。随后，对于环境中任何的动态对象，无论是汽车、行人、自行车，还是摩托车，我们的汽车都能理解意图。仅仅追踪空间中的对象还不够，你必须能明白它们要做什么。”Waymo软件负责人迪米特里·多尔戈夫（Dmitri Dolgov）表示，“对于建造性能强大、安全可靠的无人驾驶汽车来说，这是关键问题。这种建模，以及对世界中其他参与者的理解，非常类似于在模拟环境中的建模。”

不过这里也存在关键的不同：在现实世界中必须接收关于环境的实时数据，并将其转化为对场景的理解，而汽车将在这样的环境中行驶。然而目前，在从事该项目的多年之后，他们对此很有信心。用斯图特的话来说，他们已经完成了“一系列测试，证明可以识别出各种各样的行人。”

因此对于大部分的模拟，他们跳过了对象识别步骤。他们不需要向车辆提供原始数据，由汽车来识别行人，而只是告诉汽车，行人就在这里。

在十字路口，科拉罗夫给无人驾驶汽车设置了更困难的环境。她点击V键，一个新的对象出现在Carcraft中。随后，她把鼠标移到右侧的下拉菜单上，这里显示了许多不同的车型，包括我最喜欢的bird_squirrel。

这些对象可以按照Waymo的建模逻辑来运动，Carcraft的场景设计者也可以要求这些对象按照某种精确的方式运动，以测试特殊行为。

在建立场景的基本结构之后，他们可以测试场景中包含的所有变化。因此可以想象一下，对于十字路口，你可能想要测试不同车辆、行人和自行车的到达时间，以及他们的停留时间和运动速度。他们只是简单地输入这些值的合理范围，随后软件就会生成并运行所有这些场景的组合。

Waymo将这样的做法称作“扩散”（fuzzing），而仅仅这个十字路口就产生了800种场景。随后系统生成了一张漂亮的表格，工程师可以查看，不同的变量组合如何改变汽车的决策。

最终，这个问题变成了分析所有真实场景和模拟场景，找到有趣的数据，从而指导工程师，如何让汽车更好地行驶。其中的第一步可能是：汽车是否会被迫停下？如果是这样，那么就是个非常值得研究的场景。

在这里，我们看到了一段视频，展示了这样的情况。现实世界的山景城有一个复杂的十字路口。当汽车左转时，一辆自行车靠近，导致汽车停在了路上。工程师解决了这类问题，并重新编写软件，以获得正确的结果。视频显示了真实世界的情况，而随后工程师基于真实情况进行了更多的模拟。由于两种情况不同，你将会看到，模拟的汽车持续行驶，随后出现了一个虚线盒子，显示着shadow_vehicle_pose。这个虚线盒子显示，现实世界中发生了什么。对Waymo的工程师来说，这是对当前进展最清晰的可视化表现。

不过，他们关注的场景并不仅仅是汽车停住。他们还想要研究过长的决策时间，或是超出正常范围的刹车情况。对于任何工程师可以学习或调优的场景，他们都会通过模拟环境加以研究。

斯图特和Waymo软件负责人多尔戈夫强调，关于模拟环境有3个核心点。首先，相对于真实世界中的驾驶，模拟环境中的驾驶里程数要多出很多，并且带来了不错的经验。其次，这些驾驶过程专注于有趣，但在现实世界中难以实现的互动。第三，软件的开发周期可以变得快很多。

“对我们来说，迭代周期非常重要。我们在模拟技术方面的工作有助于大幅缩短迭代周期。”多尔戈夫表示，“在项目的最开始阶段，迭代周期可能达到几周，而目前只需要几分钟。”

随后我问他，如果路上出现油迹、爆胎、飞鸟和大坑，那么车辆会怎样？他们是否对这些情况都进行了模拟？多尔戈夫很乐观。他表示，这肯定可以做到，“但你希望模拟器在这条轴上有多大的保真度？或许对于其中某些问题，你得到了更好的值，或者你也可以在现实世界中进行一系列测试，来验证模拟器的结果。”（想想“城堡”。）

Carcraft虚拟世界的力量并不在于，以漂亮而完美的方式去渲染真实世界，而是利用对无人驾驶汽车有意义的方式去反映真实世界，使测试里程数比真实测试增长数十亿公里。对于模拟世界中的驾驶软件，做出决策的方式与现实世界完全相同。

这种方式效果很好。加州机动车辆管理局（DMV）要求相关公司报告每年自动驾驶的里程数，以及司机解除自动驾驶状态的次数。Waymo报告的里程数要比其他公司高出3个数量级，同时司机干预的次数也有大幅下降。

从2015年12月到2016年11月，Waymo的自动驾驶里程数达到635868英里（约合102万公里），而司机做出干预只有124次，相当于每5000英里司机才会有一次干预，或者说千英里司机干预次数为0.20次。前一年，Waymo的自动驾驶里程数为424331英里，司机干预次数为272次，相当于每890英里司机会有一次干预。

尽管许多人指出，这些数字并不适合拿来直接对比，但现实情况是，这就是我们在加州可以获得的最佳数据。而其他公司总共的自动驾驶里程数只有约2万英里。

其他厂商开始追赶

对外部专家来说，Waymo的做法并不奇怪。安德森-霍洛维茨的风险投资人克里斯·迪克森（Chris Dixon）表示：“目前，根据对待模拟技术的态度，你就可以衡量自动化团队的高级程度，无论是无人机团队还是汽车团队。”他主导了安德森-霍洛维茨对模拟技术公司Improbable的投资。“Waymo处于行业顶端。”

我也向Allstate Insurance创新总监苏尼尔·钦塔金迪（Sunil Chintakindi）了解了Waymo的项目。他表示：“如果没有强大的模拟基础设施，你就无法将更高程度的自动化集成至汽车。”

其他无人驾驶研究员也在关注这个发展方向。密歇根大学自动驾驶和互联汽车实验室Mcity项目负责人彭晖表示，适用于无人驾驶汽车的系统将会是“超过99%模拟、某些精心设计的结构化测试，以及某些上路测试的共同结果”。

他和一名研究生提出了一种系统，将上路测试和模拟结合在一起，从而加快测试速度。这与Waymo的方式类似。彭晖表示：“因此我们的观点是，将驾驶过程中无聊的部分去掉，专注于有趣的部分。这可以让速度提升数百倍，让总里程从几千英里上升至百万英里。”

Waymo项目的优势包括规模、组织和强度。我向彭晖介绍了谷歌所做的结构化测试，包括“城堡”的结构化测试团队在模拟环境中尝试的2万种场景。他听错了数字，并对我表示：“2000个场景很厉害。”随后我纠正了他，“是2万个场景。”他停顿了一下，“原来是2万个，确实厉害。”

实际上，这2万个场景仅仅只是Waymo所有测试场景的一小部分。这些场景都来自于结构化测试。根据公共道路的驾驶测试和想象，他们还设计了更多场景。

彭晖表示：“他们干得很棒。在第四级自动驾驶方面，他们远远领先于其他人。”

不过，彭晖也提到了传统汽车厂商的地位。他表示，传统汽车厂商正在尝试完全不同的做法。这些公司没有专注于全自动驾驶，而是首先开发可以变现的驾驶辅助技术，随后再向全自动驾驶发展。将Waymo与通用等传统厂商相比并不公平。Waymo拥有大量的资源和自由度，可以将成本7万美元的激光雷达安装在测试汽车上。相比之下，雪佛兰这样的品牌会认为，4万美元就是大众市场接受的上限。

彭晖表示：“通用、福特、丰田和其他厂商都在说，‘我们要减少事故和死亡率，提高大众用户的安全性。’他们的目标完全不同。我们需要思考数百万辆汽车，而不仅是几千辆汽车。”

即使是在全自动驾驶的竞赛中，Waymo面临的挑战也要比以往更大。特斯拉正成为一家重要竞争对手。克里斯·盖尔德斯（Chris Gerdes）是斯坦福大学汽车研究中心主任。18个月之前，他曾表示，Waymo“相对其他公司对问题有更深入的了解，并且比其他人更接近于解决这些问题。”不过上周他再次表示，目前“有很多情况都发生了变化”。

他指出：“福特和通用等汽车厂商正在部署自己的无人驾驶汽车，并获取行驶数据。特斯拉目前已通过Autopilot的部署积累了大量数据，了解系统如何在真实用户体验下运转。他们以静默模式在真实汽车上测试算法，而车辆总数也在快速增加，这共同形成了令人惊叹的测试平台。”

盖尔德斯表示，在模拟技术方面，他看到了多家竞争者拿出了实质性的项目。他表示：“模拟能力多种多样，但我看到了一些很强大的技术。在这个方面，Waymo不再显得与众不同。当然，他们有很大的领先优势，但现在很多团队都在探索类似的方案。目前的问题是，谁能做到最好。”

这并不是简单地演示神经网络的“大脑式”能力。神经网络技术正在推动人工智能快速发展，Alphabet旗下公司正在迅速接受这类技术。这也不是Google Photos应用，一次出错并不会引起太大的问题。这将是一个在人类世界中完全自主生存和活动的系统，可以理解我们的规则，沟通自身需求，并且对我们的眼睛和思想清晰可见。

Waymo似乎将驾驶视为一种技能，例如如何操纵方向和速度。不过，驾驶更是一种人类社会活动。在“合法”驾驶的基础上，什么是“正常”驾驶？我们如何让人工智能了解其中的准确含义？

事实证明，开发这样的人工智能需要的并不仅仅是海量数据和工程技术。这些是必要的，但还不够。实际上，开发这样的人工智能需要人类与汽车同步，让汽车像人类一样了解世界。“城堡”中的司机知道，如何让一辆汽车去像人类一样观察并作出决策。或许这将向两个方向发展：人类对汽车的理解越深，汽车对人类的了解就越深。

对奥斯汀一个环岛的记忆演变成了“城堡”的一部分，成为了无人驾驶汽车的数据记录，成为了Carcraft的一个场景，成为了模拟网络，成为了新的软件，而这最终将把更强大的无人驾驶汽车送上奥斯汀的环岛。

即使是在用于帮助人工智能了解世界的模拟抽象多边形中，也带有人类梦想的痕迹、回忆的片段，以及司机的感受。这些元素并非错误，也不是人类的污点，而是系统的必要部分，可以彻底变革交通、城市，以及其他所有一切。（编译/陈桦）