导语：雅虎科技刊登了一篇来自《大西洋月刊》高级编辑阿莱克希斯·马德里加尔（Alexis Madrigal）的文章。马德里加尔在文章中表示，本周，他有幸体验了一把谷歌无人驾驶汽车。在无人汽车行驶流畅的背后，是谷歌团队尽心尽力地基于真实世界中的道路网络，提前打造好虚拟地图，帮助无人汽车更好地应对复杂的路况。

以下为文章主要内容：

谷歌无人驾驶汽车可以带你参观该公司位于加州的山景城总部。

这周，我有幸试坐了一台。我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。

它工作地很好，以至于《纽约时报》编辑约翰·马可夫（John Markoff）评论道：“太无聊了”。其实，这句话是在赞赏谷歌无人驾驶汽车的表现。

它是完美的，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，让他们盯着手机不放，使用谷歌的许多服务。

但是还有个条件。

现在，你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现出色。

其原因是，谷歌已经创建了山景城的虚拟道路地图。

无人汽车成功的关键

谷歌成功的关键是，这些无人汽车不用从零开始就被迫处理路况。相反，它们的团队已经绘制了无人车将要走过的每条道路的地图。它们不是老式地图，甚至不是内容丰富且充满逻辑道路图的消费者版谷歌地图。

它们是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了英寸。

这些“地图”已经超越了传统地图的概念。谷歌无人驾驶团队地图主管安德鲁·查塔姆（Andrew Chatham）解释道：“事实上，（我们的地图）显示我们可以提前告知汽车的所有地理信息，让它工作起来更容易。”

他说道：“我们会告诉它交通信号灯到地面的高度、路牙的准确位置，这样它们会知道哪些地方不能行使。我们还会提供一些你们看不到的信息，比如说隐含的限速。”

在谷歌创造的虚拟世界中，每条街道都是其工程师行驶过的。无人汽车出发之前，他们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：“我们不必每次打开软件焦头烂额地弄清前方路况，我们已经把这些信息提前告诉了它。软件的工作是算出现实世界与预期中的差异，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部分。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（Chris Urmson）仍信心十足。他说道：“这是谷歌的项目之一，作为一家公司，谷歌拥有丰富的经验，它已经拥有地图产品和街景服务。你之所以能享受这趟完美的远距离观光体验，是因为我们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。”

在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，正如它曾必须让机器人（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，我更愿意用“爬遍全球（crawling the world）”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Project Tango项目及其最近对机器人公司的大举收购。Tango是谷歌对“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，它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创造方法。

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，比如说它的野心、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（Anthony Levandowski）前往尼桑公司做演示。尼桑员工一直在追问“车车通信”的问题，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部分。

莱万多斯基一针见血地回答道：“如果我们能利用其他汽车的传感器观察前方的道路，我们能看到更多的路况信息吗？我们希望确保我们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是，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——或者说我们可以称之为“体验”——汽车所需要的就是它们在高精度地图上的准确位置，它们能够节省所有的分析和计算（以及车车通信）的工作量。

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Anki Drive四驱车玩具时，你会得到汽车比赛的赛道。赛道中已经嵌入了位置数据，它就相当于虚拟赛车地图的物理显示。

聪明的谷歌机器

在我们的无人汽车之旅中，遇到很多骑自行车的人和技术糟糕的驾驶员，在这样复杂的环境中导航并不容易：无人汽车必须按路线图全速前进，同时它还要绘制地图，避免交通事故。

谷歌汽车不是愚蠢的机器。它们拥有自己的传感器：雷达（位于雷克萨斯SUV顶上的旋转激光）以及一套相机。它们在车上还要进行一些处理，以弄清路线和避免发生碰撞。

这有一定难度，不过谷歌正在采用“桌面级”的计算系统（庞大的计算和数据处理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。它将采集激光器和摄像头的数据，并将它们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（Dmitri Dolgoy）表示：“我们可以将看到的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们在地图上的位置。一旦我们知道自己身处何处，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。

在这里，谷歌采用另一种方法。多尔戈夫的团队利用机器学习算法创造路上其他人的模型。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现进行分类。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”），但他们并不照搬逻辑程序，而是学习司机的实际行为。

这样，我们就知道，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，它们将帮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？谷歌目前采用的方案是让人类司机加以控制，安全驾驶汽车。不过，在人类驾驶员必须接管的情况下，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们大脑运作方式有些相似之处。我们在思考时接受感官输入的信息，动作会相应地做出反应。我们的大脑一直在作出判断，指导我们的认知。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，他们为此取得了巨大成功同样也不足为奇。

谷歌人工智能主管彼得·诺维格（Peter Norvig）和他的两名同事创造了一个短语“数据的非理性效用（unreasonable effectiveness of data）”，它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持续不停地跋涉400万英里的道路，并且手动处理大量的数据，他们也会坚持下来。

这就是谷歌的非理性效用。