揭秘谷歌無人駕駛汽車神秘世界：多種強大工具（技術）首次遭曝光
《大西洋月刊》本週刊文，揭開了Alphabet旗下無人駕駛公司Waymo的神秘面紗。
以下為文章全文：
在Alphabet園區的一角，團隊正在開發一款軟體。這或許將成為無人駕駛汽車的關鍵。此前，沒有任何記者實際看過軟體如何工作。作為對《魔獸世界》英文名的致敬，這款軟體被稱作“Carcraft”。
軟體的開發者是長著娃娃臉的年輕工程師詹姆斯·斯圖特（James Stout）。
幾個月之前，無人駕駛汽車團隊在德克薩斯州奧斯丁遇到了類似的環島。行駛速度和環境的複雜程度給汽車帶來了困擾，因此團隊決定在測試環境中設計類似的場景。
如果Waymo可以在未來幾年內推出全自動駕駛的汽車，那麼Carcraft將會被銘記在行業歷史上。Carcraft基於現實世界，但在重塑現實世界的過程中又扮演了重要角色。
Carcraft最初被用於“重播”汽車在真實道路上遇到的場景。
目前在任意時刻，都會有2.5萬輛虛擬無人駕駛汽車在模擬的奧斯丁、山景城和鳳凰城街道上，以及專門的測試車道上行駛。在短短一天內，Waymo就可以模擬複雜道路環境中的駕駛數十萬次。目前，Waymo每天在虛擬環境中的駕駛總里程數達到800萬英里（約合1287.5萬公里）。2016年，虛擬環境的駕駛總里程達到25億英里。
Waymo開發了複雜的程式，而類比環境只是其中一部分。Waymo將無人駕駛汽車在公共道路上的數百萬公里行駛記錄整合至“結構化測試”專案。這個項目在加州Central Valley一個被稱作“城堡”的秘密基地中進行。
Waymo此前從未公佈過這個系統。在普通道路上的駕駛結果表明，在哪些地區汽車需要額外練習。他們在“城堡”中建設所需的空間，從而可以測試數千種不同場景。在真實世界的測試中，Waymo的汽車可以收集到足夠多資料，以複製出未來任何時間點的完整數字環境。在這樣的虛擬環境中，工程師可以消除真實環境的限制，設計任意單一場景的數千種變化，隨後讓虛擬汽車在場景中行駛。反過來，不斷優化的駕駛軟體被安裝至真實汽車，讓汽車可以應對更複雜的環境。Waymo不斷重複著這樣的迴圈。
“城堡”探秘如果想要前往“城堡”，那麼需要先從三藩市灣區向東行駛，然後沿著99號公路向南。沿路上有大片棉花地，天際線消失在農田裡。這裡的氣溫比三藩市更高。我們的汽車在靠近Atwater小鎮的出口駛出。這裡曾經是Castle空軍基地，聘用了6000名員工，為B-52專案服務。然而目前這裡已是Merced城市區的北沿。10年代初，這裡的失業率超過20%，而目前仍有不到10%。40%的居民說西班牙語。我們穿過了幾條鐵路，進入了總面積1621英畝（約合656萬平方米）的廢棄空軍基地。
我手機上的導航並沒有指向任何位址，而只是一組GPS座標。我們沿著綠色的不透明圍擋行駛，直到穀歌地圖告訴我們停下。沒有任何標誌標明這裡就是大門，這看起來只是圍擋的一部分。不過，接待我的Waymo員工很有信心。這時，一名保安從圍擋中走了出來，檢查我們的身份資訊。
圍擋分開，我們駛入了園區。穿著短褲戴著帽子的年輕人忙忙碌碌，這裡有很多活動板房和車庫，而主樓的停車場上還有許多無人駕駛汽車。在這裡，我們可以看到多種型號的自動駕駛汽車：在公共道路上最常見的雷克薩斯汽車、已淘汰的普銳斯，以及新的克萊斯勒Pacifica。
很容易判斷，哪些是無人駕駛汽車。這些車輛配備了感測器。其中最顯眼的是車頂上方的雷達感測器（也被稱作雷射雷達）。不過，Pacifica還在後視鏡上安裝了啤酒罐大小的小型雷射雷達。而在車尾，這些汽車還安裝了普通雷達。
如果感測器開始工作，即使車輛處在停車狀態，雷射雷達的旋轉也會發出奇怪的聲響。這與普通的汽車雜訊不同，我的耳朵無法不注意到這種聲音。
此外還有一種更特殊的汽車停在主樓外的街道上。這些車輛用紅色膠布貼上了大大小小的“X”。這些是“第四級”自動駕駛汽車。自動駕駛汽車的分級來自于“汽車工程師協會”，說明了駕駛自動化的程度。道路上行駛的自動駕駛汽車大多只能實現第一級或第二級自動駕駛，這通常代表了可以在高速公路上提供智慧巡航控制。然而，這種帶紅色“X”標誌的汽車是另一種生物。這些汽車不僅可以實現全自動行駛，而且無法被人工做出干預。因此，Waymo不希望這些汽車與其他車輛混在一起。
行走在停車場裡，給人的感覺就像是曾經的“曼哈頓項目”。我在主樓裡見到了這裡的管理者。她的名字是史蒂夫·薇爾加斯（Steph Villegas）。
挑戰無人駕駛系統薇爾加斯穿著白色T恤、破洞牛仔褲和灰色板鞋。這樣的裝束顯示了她以往的時尚氣息。她在東灣的郊區長大，大學是加州大學伯克利分校。她于2011年開始涉足無人駕駛汽車專案。
我問她：“你曾經是個司機？”她的回答是：“一直都是司機。”
她花了大量時間，在三藩市和山景城之間的101號公路和280號公路上行駛。與其他司機類似，關於汽車在開放道路上如何行駛，她有著很深的感觸。在無人駕駛汽車項目中，這些經驗非常重要。關於無人駕駛汽車的難點，這些司機有自己的直覺。她表示：“在新軟體上進行了一些測試，並在團隊中度過一段時間之後，我開始思考，我們可以用什麼樣的方式去挑戰系統。”
因此，薇爾加斯和其他一些工程師開始設計並搭建罕見的場景，從而以受控的方式去測試汽車的新行為。他們開始徵用三藩市郊外Shoreline Amphitheater的所有停車場，將人們攔在入口外，確保只有獲得許可權的穀歌員工可以進入。
她表示：“這就是我們的起點。當時每週只有我和少數司機。我們會設想各種需要測試的場景，放上我們想要的道具。我們將這些道具裝上卡車，運往試驗場地，進行測試。”
在無人駕駛汽車項目中，這些就是最初的結構化測試。結果表明，最困難的部分並不是“如果有僵屍在路口咬人那麼要怎麼辦”，而是如何對項目進行保密，使普通道路上的無人駕駛汽車看起來就像是有人在駕駛。
薇爾加斯開始從各種地方收集小道具，包括假人、假植物、兒童玩具、滑板、三輪車、洋娃娃、皮球和其他小玩意。這些被放在道具倉庫裡。（道具最初保存在一個帳篷裡，而目前則放在了“城堡”的儲藏室內。）
不過，還有些其他問題需要解決。他們希望汽車行駛速度更快，並使用交通燈和停車標誌。此外，Shoreline Amphitheater的演出季也常常給他們的計畫造成影響。薇爾加斯表示：“例如，金屬樂隊就要來開演唱會，我們需要趕緊上路測試。”
他們還需要一個基地，一個秘密基地。“城堡”剛好提供了這樣的基地。他們簽訂了租約，開始建設夢想中的虛擬城市。“我們在設計中有意識地做出一些決定，建設居民區街道、高速公路、死胡同，以及停車場等場景。”她表示，“我們將一些代表性場景集成在一起，讓汽車在其中行駛。”
我們從辦公室走向她的汽車。當我們離開辦公室時，她遞給我一張地圖。她表示：“就像迪士尼樂園一樣，你可以按圖索驥。”這時一張精心製作的地圖。在一個角落，拉斯維加斯風格的標誌牌顯示：“歡迎來到加州的‘神話城堡’”。園區的不同部分有各自的命名規則。我們穿過的每條道路都以知名汽車（DeLorean和Bullitt）或早期的普銳斯車隊（Barbaro）來命名。
我們走過了一組粉紅色建築。這是舊的軍隊宿舍，其中之一已被改造過：如果Waymo員工來不及返回灣區，那麼就會在這裡休息。除此之外，測試區內沒有其他建築。這是個屬於機器人汽車的城市。所有重要的事都發生在瀝青路面上。
在普通人看來，這就像是個沒有玩家的電子遊戲場景。從林蔭大道到社區道路，從水泥車道到郊區十字路口，而這些場景中都沒有建築，這令人不可思議。我不斷看到似曾相識的道路場景。
我們來到一個大型雙車道環島，中間有一圈白色圍擋。薇爾加斯表示：“我們在德州奧斯丁遇到了一個多車道環島，隨後就在這裡複製了這個環島。我們最初設計的是單車道環島，但隨後又遇到了多車道的場景。”
薇爾加斯停下來，看著一處新增的裝置：兩條汽車道和一條自行車道穿過靠近一塊草地的平行停車場。“我很喜歡在這些場景中加入平行停車場。類似的場景在市郊商業區很常見，無論是Walnut Creek、山景城，還是帕洛阿爾托。”她表示，“人們從店面或公園中走出來，在汽車之間走動，或許搬著東西穿過馬路。”這條小路就像是她記憶中的碎片，而她將這些記憶嵌入了地面的瀝青和混凝土中，並使其成為一種更抽象的形式。
她用車送我回主辦公室，我們坐進了一輛無人駕駛的克萊斯勒Pacificas。坐在左邊駕駛位的是布蘭頓·凱恩（Brandon Cain），而右邊坐著另一名駕駛者，負責利用名為XView的軟體，在筆記本上跟蹤車輛的狀態。
這裡還有許多被稱作“狐狸”（fox）的測試助理，這樣的稱呼來自英文單詞“faux”（人造的）。他們駕駛汽車，創造交通環境，像行人一樣活動，騎自行車，拿著停止標誌。在一定程度上他們是演員，而觀眾則是汽車。
我們要做的第一種測試是“簡單地通過和超車”，但速度將達到時速45英里（約合72公里）。我們計畫前往一條名為Autobahn的寬闊道路。
當“狐狸”出現在車道上時，無人駕駛汽車將刹車，團隊將檢查一個關鍵資料點：車輛減速情況。他們試圖設計一種導致汽車不得不急刹車的場景。那麼這種刹車有多猛？“我的腋下開始不自覺的出汗，而手機飛到地上”，確實很猛。
實際上這並不是我首次乘坐無人駕駛汽車。以往我曾體驗過兩次無人駕駛汽車。第一次是一輛雷克薩斯SUV，當時我乘坐汽車穿過了山景城的街道。第二次是乘坐穀歌Firefly，當時是在穀歌一棟大樓的樓頂上。這些汽車都不顯眼，這才是重點。
但這次有所不同。這是兩輛行駛速度很快的汽車，其中一輛會阻止我們的移動。用Waymo的術語來說，這非常“辛辣”。
現在到了開車的時候。凱恩發動了汽車，汽車說“自動駕駛”。另一輛車隨後接近我們，就像是要逼停我們。我們猛地刹車，操作很快、很流暢。
隨後他們檢查了減速資料，發現刹車強度還不夠。我們需要再做一次，一次又一次。另一輛車從不同角度，以不同方式來逼停我們。他們將這樣的做法稱作“覆蓋”。
我們隨後還進行了其他三項測試：高速並線；遇到一輛倒車的車輛，同時第三輛車擋住視線；在停車過程中有行人將籃球扔到行駛路線上。每種測試都令人印象深刻，但最難以忘記的仍是逼停測試。
在我們開始另一次測試之前，凱恩問我：“你有沒有看過《環太平洋》？在這部電影中，主角操縱巨大的機器人與怪獸作戰。我試圖與汽車同步，分享一些思考。”
我詢問凱恩，關於與汽車同步，他想要表達的是什麼。他表示：“我根據車內乘客的體重差異進行調節。在多次乘坐這輛汽車後，我可以感受到汽車在幹什麼，用我的屁股。這聽起來很奇怪，但我確實知道汽車想要幹什麼。”
從真實測試到模擬環境遠離濕熱的“城堡”，這裡是穀歌的山景城總部。我來這裡是為了拜訪Waymo的工程師。從組織架構上來說，他們率屬於X。你或許已經知道，X是Alphabet面向長遠發展、高風險的研究部門。2015年，當穀歌重組為企業集團Alphabet時，穀歌X改名為X（他們的網站是X.company）。在重組的一年後，X和Alphabet決定讓無人駕駛汽車專案“畢業”，組建獨立的公司Waymo。Waymo就像是谷歌的孩子。
因此，Waymo的辦公室仍然位於母艦內部，但也在慢慢獨立。我聽說，Waymo的員工現在都坐在一起。
X和Waymo的辦公樓很大、很寬敞。來自Project Wing專案的無人機原型正在飛行，我也看到了谷歌自主開發的Firefly汽車。（薇爾加斯在“城堡”中曾說過：“自己開發的東西或許很甜蜜。但它們沒有空調，所以我一點都不想念它們。”）
從餐廳往上，走到大樓的一角，這裡是Waymo的模擬集群。在這裡，所有人的螢幕上都打開了Carcraft和XView。螢幕上是黑色背景的多邊形圖像。他們正在為Waymo汽車設計虛擬世界。
等待我的是Carcraft的創造者詹姆斯·斯圖特（James Stout）。他從來沒有公開討論過自己的專案。這次他表現出極大的熱情。Carcraft就是他的孩子。
他說：“我只是看了下招聘資訊，發現無人駕駛團隊正在招聘。我簡直不能相信他們提供了一個職位。”他加入了這支團隊，並立即著手開發工具。目前，這款工具支援了每天800萬英里的虛擬駕駛。
此前，他們主要使用這款工具去查看，汽車在複雜情況下會如何操作。在真實世界的這些情況下，人工司機會接管汽車。從這些情況起步，他們開始製作場景。“很快我們就看到，這是一款非常有用的工具，我們可以在此基礎上進行各種開發。”斯圖特表示。Carcraft的能力隨後快速提升，可以容納整個城市，而汽車數量也擴大為一支龐大的虛擬車隊。
斯圖特介紹了艾連娜·柯拉羅夫（Elena Colarov）。她是“場景維護”團隊的負責人。她的面前放著兩塊螢幕。在右側螢幕上，她在查看XVivew，螢幕顯示了汽車“看到”的畫面。汽車使用攝像頭、雷達和雷射雷達去識別場景中的物件，並在軟體上用線框來呈現這些物件，繪製真實世界的輪廓。
從這些形狀中延伸出的綠色線條代表了汽車預期物件可能移動的方式。底部的圖像條顯示了，汽車搭載的普通攝像頭（可見光攝像頭）捕捉到的畫面。柯拉羅夫還打開了雷射雷達返回的資料，這些資料以橙色和紫色點來顯示。
我們看到了“城堡”中環島真實情況的重播。柯拉羅夫切換至模擬版本。看起來是一樣的，但不是資料日誌，而是汽車需要解決的情況。唯一不同的是，在XView螢幕的最上方，紅色字元顯示了“模擬”的字樣。斯圖特表示，加入這樣的提示是因為，人們常常會混淆模擬與真實場景。
他們隨後載入了另一個場景。這是在鳳凰城。柯拉羅夫縮小了畫面，顯示整個城市的模型。在模型中，他們描繪了“所有的車道在哪裡，一條車道如何通向另一條車道，停止標誌在何處，交通燈在哪裡，哪裡有障礙，車道中心的位置是哪，以及所有一切你需要知道的資訊。”
我們隨後放大了畫面，中心是鳳凰城附近某處的一個十字路口。隨後，柯拉羅夫開始在場景中放入虛擬的汽車、行人和自行車。
在按下一個按鈕之後，螢幕上的物件開始移動。虛擬汽車會像真實汽車一樣在車道上行駛、轉彎。虛擬的自行車與真實自行車一樣。這些物件的邏輯來自於該團隊在公共道路上數百萬公里的測試。這一切的背後是一份超級詳細的世界地圖，以及場景中不同物件的物理模型。他們對橡膠物體和道路都進行了建模。
意料之中地，最難模擬的是他人的行為。這就像是父母常常對孩子說的：“我不擔心你開車，擔心的是路上的其他人。”
“我們的車觀察世界，理解世界。隨後，對於環境中任何的動態物件，無論是汽車、行人、自行車，還是摩托車，我們的汽車都能理解意圖。僅僅追蹤空間中的物件還不夠，你必須能明白它們要做什麼。”Waymo軟體負責人迪米特裡·多爾戈夫（Dmitri Dolgov）表示，“對於建造性能強大、安全可靠的無人駕駛汽車來說，這是關鍵問題。這種建模，以及對世界中其他參與者的理解，非常類似於在模擬環境中的建模。”
不過這裡也存在關鍵的不同：在現實世界中必須接收關於環境的即時資料，並將其轉化為對場景的理解，而汽車將在這樣的環境中行駛。然而目前，在從事該專案的多年之後，他們對此很有信心。用斯圖特的話來說，他們已經完成了“一系列測試，證明可以識別出各種各樣的行人。”
因此對於大部分的模擬，他們跳過了物件識別步驟。他們不需要向車輛提供原始資料，由汽車來識別行人，而只是告訴汽車，行人就在這裡。
在十字路口，柯拉羅夫給無人駕駛汽車設置了更困難的環境。她點擊V鍵，一個新的物件出現在Carcraft中。隨後，她把滑鼠移到右側的下拉式功能表上，這裡顯示了許多不同的車型，包括我最喜歡的bird_squirrel。
這些物件可以按照Waymo的建模邏輯來運動，Carcraft的場景設計者也可以要求這些物件按照某種精確的方式運動，以測試特殊行為。
在建立場景的基本結構之後，他們可以測試場景中包含的所有變化。因此可以想像一下，對於十字路口，你可能想要測試不同車輛、行人和自行車的到達時間，以及他們的停留時間和運動速度。他們只是簡單地輸入這些值的合理範圍，隨後軟體就會生成並運行所有這些場景的組合。
Waymo將這樣的做法稱作“擴散”（fuzzing），而僅僅這個十字路口就產生了800種場景。隨後系統生成了一張漂亮的表格，工程師可以查看，不同的變數組合如何改變汽車的決策。
最終，這個問題變成了分析所有真實場景和模擬場景，找到有趣的資料，從而指導工程師，如何讓汽車更好地行駛。其中的第一步可能是：汽車是否會被迫停下？如果是這樣，那麼就是個非常值得研究的場景。
在這裡，我們看到了一段視頻，展示了這樣的情況。現實世界的山景城有一個複雜的十字路口。當汽車左轉時，一輛自行車靠近，導致汽車停在了路上。工程師解決了這類問題，並重新編寫軟體，以獲得正確的結果。視頻顯示了真實世界的情況，而隨後工程師基於真實情況進行了更多的類比。由於兩種情況不同，你將會看到，模擬的汽車持續行駛，隨後出現了一個虛線盒子，顯示著shadow_vehicle_pose。這個虛線盒子顯示，現實世界中發生了什麼。對Waymo的工程師來說，這是對當前進展最清晰的視覺化表現。
不過，他們關注的場景並不僅僅是汽車停住。他們還想要研究過長的決策時間，或是超出正常範圍的刹車情況。對於任何工程師可以學習或調優的場景，他們都會通過類比環境加以研究。
斯圖特和Waymo軟體負責人多爾戈夫強調，關於模擬環境有3個核心點。首先，相對於真實世界中的駕駛，模擬環境中的駕駛里程數要多出很多，並且帶來了不錯的經驗。其次，這些駕駛過程專注於有趣，但在現實世界中難以實現的互動。第三，軟體的開發週期可以變得快很多。
“對我們來說，反覆運算週期非常重要。我們在模擬技術方面的工作有助於大幅縮短反覆運算週期。”多爾戈夫表示，“在專案的最開始階段，反覆運算週期可能達到幾周，而目前只需要幾分鐘。”
隨後我問他，如果路上出現油蹟、爆胎、飛鳥和大坑，那麼車輛會怎樣？他們是否對這些情況都進行了類比？多爾戈夫很樂觀。他表示，這肯定可以做到，“但你希望模擬器在這條軸上有多大的保真度？或許對於其中某些問題，你得到了更好的值，或者你也可以在現實世界中進行一系列測試，來驗證模擬器的結果。”（想想“城堡”。）
Carcraft虛擬世界的力量並不在於，以漂亮而完美的方式去渲染真實世界，而是利用對無人駕駛汽車有意義的方式去反映真實世界，使測試里程數比真實測試增長數十億公里。對於類比世界中的駕駛軟體，做出決策的方式與現實世界完全相同。
這種方式效果很好。加州機動車輛管理局（DMV）要求相關公司報告每年自動駕駛的里程數，以及司機解除自動駕駛狀態的次數。Waymo報告的里程數要比其他公司高出3個數量級，同時司機干預的次數也有大幅下降。
從2015年12月到2016年11月，Waymo的自動駕駛里程數達到635868英里（約合102萬公里），而司機做出干預只有124次，相當於每5000英里司機才會有一次干預，或者說千英里司機干預次數為0.20次。前一年，Waymo的自動駕駛里程數為424331英里，司機干預次數為272次，相當於每890英里司機會有一次干預。
儘管許多人指出，這些數字並不適合拿來直接對比，但現實情況是，這就是我們在加州可以獲得的最佳資料。而其他公司總共的自動駕駛里程數只有約2萬英里。
其他廠商開始追趕對外部專家來說，Waymo的做法並不奇怪。安德森-霍洛維茨的風險投資人克裡斯·迪克森（Chris Dixon）表示：“目前，根據對待類比技術的態度，你就可以衡量自動化團隊的高級程度，無論是無人機團隊還是汽車團隊。”他主導了安德森-霍洛維茨對模擬技術公司Improbable的投資。“Waymo處於行業頂端。”
我也向Allstate Insurance創新總監蘇尼爾·欽塔金迪（Sunil Chintakindi）瞭解了Waymo的項目。他表示：“如果沒有強大的模擬基礎設施，你就無法將更高程度的自動化集成至汽車。”
其他無人駕駛研究員也在關注這個發展方向。密西根大學自動駕駛和互聯汽車實驗室Mcity專案負責人彭暉表示，適用于無人駕駛汽車的系統將會是“超過99%模擬、某些精心設計的結構化測試，以及某些上路測試的共同結果”。
他和一名研究生提出了一種系統，將上路測試和模擬結合在一起，從而加快測試速度。這與Waymo的方式類似。彭暉表示：“因此我們的觀點是，將駕駛過程中無聊的部分去掉，專注於有趣的部分。這可以讓速度提升數百倍，讓總里程從幾千英里上升至百萬英里。”
Waymo專案的優勢包括規模、組織和強度。我向彭暉介紹了穀歌所做的結構化測試，包括“城堡”的結構化測試團隊在類比環境中嘗試的2萬種場景。他聽錯了數字，並對我表示：“2000個場景很厲害。”隨後我糾正了他，“是2萬個場景。”他停頓了一下，“原來是2萬個，確實厲害。”
實際上，這2萬個場景僅僅只是Waymo所有測試場景的一小部分。這些場景都來自於結構化測試。根據公共道路的駕駛測試和想像，他們還設計了更多場景。
彭暉表示：“他們幹得很棒。在第四級自動駕駛方面，他們遠遠領先於其他人。”
不過，彭暉也提到了傳統汽車廠商的地位。他表示，傳統汽車廠商正在嘗試完全不同的做法。這些公司沒有專注於全自動駕駛，而是首先開發可以變現的駕駛輔助技術，隨後再向全自動駕駛發展。將Waymo與通用等傳統廠商相比並不公平。Waymo擁有大量的資源和自由度，可以將成本7萬美元的雷射雷達安裝在測試汽車上。相比之下，雪佛蘭這樣的品牌會認為，4萬美元就是大眾市場接受的上限。
彭暉表示：“通用、福特、豐田和其他廠商都在說，‘我們要減少事故和死亡率，提高大眾用戶的安全性。’他們的目標完全不同。我們需要思考數百萬輛汽車，而不僅是幾千輛汽車。”
即使是在全自動駕駛的競賽中，Waymo面臨的挑戰也要比以往更大。特斯拉正成為一家重要競爭對手。克裡斯·蓋爾德斯（Chris Gerdes）是斯坦福大學汽車研究中心主任。18個月之前，他曾表示，Waymo“相對其他公司對問題有更深入的瞭解，並且比其他人更接近於 解決這些問題。”不過上周他再次表示，目前“有很多情況都發生了變化”。
他指出：“福特和通用等汽車廠商正在部署自己的無人駕駛汽車，並獲取行駛資料。特斯拉目前已通過Autopilot的部署積累了大量資料，瞭解系統如何在真實使用者體驗下運轉。他們以靜默模式在真實汽車上測試演算法，而車輛總數也在快速增加，這共同形成了令人驚歎的測試平臺。”
蓋爾德斯表示，在模擬技術方面，他看到了多家競爭者拿出了實質性的項目。他表示：“模擬能力多種多樣，但我看到了一些很強大的技術。在這個方面，Waymo不再顯得與眾不同。當然，他們有很大的領先優勢，但現在很多團隊都在探索類似的方案。目前的問題是，誰能做到最好。”
這並不是簡單地演示神經網路的“大腦式”能力。神經網路技術正在推動人工智慧快速發展，Alphabet旗下公司正在迅速接受這類技術。這也不是Google Photos應用，一次出錯並不會引起太大的問題。這將是一個在人類世界中完全自主生存和活動的系統，可以理解我們的規則，溝通自身需求，並且對我們的眼睛和思想清晰可見。
Waymo似乎將駕駛視為一種技能，例如如何操縱方向和速度。不過，駕駛更是一種人類社會活動。在“合法”駕駛的基礎上，什麼是“正常”駕駛？我們如何讓人工智慧瞭解其中的準確含義？
事實證明，開發這樣的人工智慧需要的並不僅僅是海量資料和工程技術。這些是必要的，但還不夠。實際上，開發這樣的人工智慧需要人類與汽車同步，讓汽車像人類一樣瞭解世界。“城堡”中的司機知道，如何讓一輛汽車去像人類一樣觀察並作出決策。或許這將向兩個方向發展：人類對汽車的理解越深，汽車對人類的瞭解就越深。
對奧斯丁一個環島的記憶演變成了“城堡”的一部分，成為了無人駕駛汽車的資料記錄，成為了Carcraft的一個場景，成為了類比網路，成為了新的軟體，而這最終將把更強大的無人駕駛汽車送上奧斯丁的環島。
即使是在用於幫助人工智慧瞭解世界的模擬抽象多邊形中，也帶有人類夢想的痕跡、回憶的片段，以及司機的感受。這些元素並非錯誤，也不是人類的污點，而是系統的必要部分，可以徹底變革交通、城市，以及其他所有一切。
隨後讓虛擬汽車在場景中行駛。反過來，不斷優化的駕駛軟體被安裝至真實汽車，讓汽車可以應對更複雜的環境。Waymo不斷重複著這樣的迴圈。“城堡”探秘如果想要前往“城堡”，那麼需要先從三藩市灣區向東行駛，然後沿著99號公路向南。沿路上有大片棉花地，天際線消失在農田裡。這裡的氣溫比三藩市更高。我們的汽車在靠近Atwater小鎮的出口駛出。這裡曾經是Castle空軍基地，聘用了6000名員工，為B-52專案服務。然而目前這裡已是Merced城市區的北沿。10年代初，這裡的失業率超過20%，而目前仍有不到10%。40%的居民說西班牙語。我們穿過了幾條鐵路，進入了總面積1621英畝（約合656萬平方米）的廢棄空軍基地。
我手機上的導航並沒有指向任何位址，而只是一組GPS座標。我們沿著綠色的不透明圍擋行駛，直到穀歌地圖告訴我們停下。沒有任何標誌標明這裡就是大門，這看起來只是圍擋的一部分。不過，接待我的Waymo員工很有信心。這時，一名保安從圍擋中走了出來，檢查我們的身份資訊。
圍擋分開，我們駛入了園區。穿著短褲戴著帽子的年輕人忙忙碌碌，這裡有很多活動板房和車庫，而主樓的停車場上還有許多無人駕駛汽車。在這裡，我們可以看到多種型號的自動駕駛汽車：在公共道路上最常見的雷克薩斯汽車、已淘汰的普銳斯，以及新的克萊斯勒Pacifica。
很容易判斷，哪些是無人駕駛汽車。這些車輛配備了感測器。其中最顯眼的是車頂上方的雷達感測器（也被稱作雷射雷達）。不過，Pacifica還在後視鏡上安裝了啤酒罐大小的小型雷射雷達。而在車尾，這些汽車還安裝了普通雷達。
如果感測器開始工作，即使車輛處在停車狀態，雷射雷達的旋轉也會發出奇怪的聲響。這與普通的汽車雜訊不同，我的耳朵無法不注意到這種聲音。
此外還有一種更特殊的汽車停在主樓外的街道上。這些車輛用紅色膠布貼上了大大小小的“X”。這些是“第四級”自動駕駛汽車。自動駕駛汽車的分級來自于“汽車工程師協會”，說明了駕駛自動化的程度。道路上行駛的自動駕駛汽車大多只能實現第一級或第二級自動駕駛，這通常代表了可以在高速公路上提供智慧巡航控制。然而，這種帶紅色“X”標誌的汽車是另一種生物。這些汽車不僅可以實現全自動行駛，而且無法被人工做出干預。因此，Waymo不希望這些汽車與其他車輛混在一起。
行走在停車場裡，給人的感覺就像是曾經的“曼哈頓項目”。我在主樓裡見到了這裡的管理者。她的名字是史蒂夫·薇爾加斯（Steph Villegas）。
挑戰無人駕駛系統薇爾加斯穿著白色T恤、破洞牛仔褲和灰色板鞋。這樣的裝束顯示了她以往的時尚氣息。她在東灣的郊區長大，大學是加州大學伯克利分校。她于2011年開始涉足無人駕駛汽車專案。
我問她：“你曾經是個司機？”她的回答是：“一直都是司機。”
她花了大量時間，在三藩市和山景城之間的101號公路和280號公路上行駛。與其他司機類似，關於汽車在開放道路上如何行駛，她有著很深的感觸。在無人駕駛汽車項目中，這些經驗非常重要。關於無人駕駛汽車的難點，這些司機有自己的直覺。她表示：“在新軟體上進行了一些測試，並在團隊中度過一段時間之後，我開始思考，我們可以用什麼樣的方式去挑戰系統。”
因此，薇爾加斯和其他一些工程師開始設計並搭建罕見的場景，從而以受控的方式去測試汽車的新行為。他們開始徵用三藩市郊外Shoreline Amphitheater的所有停車場，將人們攔在入口外，確保只有獲得許可權的穀歌員工可以進入。
她表示：“這就是我們的起點。當時每週只有我和少數司機。我們會設想各種需要測試的場景，放上我們想要的道具。我們將這些道具裝上卡車，運往試驗場地，進行測試。”
在無人駕駛汽車項目中，這些就是最初的結構化測試。結果表明，最困難的部分並不是“如果有僵屍在路口咬人那麼要怎麼辦”，而是如何對項目進行保密，使普通道路上的無人駕駛汽車看起來就像是有人在駕駛。
薇爾加斯開始從各種地方收集小道具，包括假人、假植物、兒童玩具、滑板、三輪車、洋娃娃、皮球和其他小玩意。這些被放在道具倉庫裡。（道具最初保存在一個帳篷裡，而目前則放在了“城堡”的儲藏室內。）
不過，還有些其他問題需要解決。他們希望汽車行駛速度更快，並使用交通燈和停車標誌。此外，Shoreline Amphitheater的演出季也常常給他們的計畫造成影響。薇爾加斯表示：“例如，金屬樂隊就要來開演唱會，我們需要趕緊上路測試。”
他們還需要一個基地，一個秘密基地。“城堡”剛好提供了這樣的基地。他們簽訂了租約，開始建設夢想中的虛擬城市。“我們在設計中有意識地做出一些決定，建設居民區街道、高速公路、死胡同，以及停車場等場景。”她表示，“我們將一些代表性場景集成在一起，讓汽車在其中行駛。”
我們從辦公室走向她的汽車。當我們離開辦公室時，她遞給我一張地圖。她表示：“就像迪士尼樂園一樣，你可以按圖索驥。”這時一張精心製作的地圖。在一個角落，拉斯維加斯風格的標誌牌顯示：“歡迎來到加州的‘神話城堡’”。園區的不同部分有各自的命名規則。我們穿過的每條道路都以知名汽車（DeLorean和Bullitt）或早期的普銳斯車隊（Barbaro）來命名。
我們走過了一組粉紅色建築。這是舊的軍隊宿舍，其中之一已被改造過：如果Waymo員工來不及返回灣區，那麼就會在這裡休息。除此之外，測試區內沒有其他建築。這是個屬於機器人汽車的城市。所有重要的事都發生在瀝青路面上。
在普通人看來，這就像是個沒有玩家的電子遊戲場景。從林蔭大道到社區道路，從水泥車道到郊區十字路口，而這些場景中都沒有建築，這令人不可思議。我不斷看到似曾相識的道路場景。
我們來到一個大型雙車道環島，中間有一圈白色圍擋。薇爾加斯表示：“我們在德州奧斯丁遇到了一個多車道環島，隨後就在這裡複製了這個環島。我們最初設計的是單車道環島，但隨後又遇到了多車道的場景。”
薇爾加斯停下來，看著一處新增的裝置：兩條汽車道和一條自行車道穿過靠近一塊草地的平行停車場。“我很喜歡在這些場景中加入平行停車場。類似的場景在市郊商業區很常見，無論是Walnut Creek、山景城，還是帕洛阿爾托。”她表示，“人們從店面或公園中走出來，在汽車之間走動，或許搬著東西穿過馬路。”這條小路就像是她記憶中的碎片，而她將這些記憶嵌入了地面的瀝青和混凝土中，並使其成為一種更抽象的形式。
她用車送我回主辦公室，我們坐進了一輛無人駕駛的克萊斯勒Pacificas。坐在左邊駕駛位的是布蘭頓·凱恩（Brandon Cain），而右邊坐著另一名駕駛者，負責利用名為XView的軟體，在筆記本上跟蹤車輛的狀態。
這裡還有許多被稱作“狐狸”（fox）的測試助理，這樣的稱呼來自英文單詞“faux”（人造的）。他們駕駛汽車，創造交通環境，像行人一樣活動，騎自行車，拿著停止標誌。在一定程度上他們是演員，而觀眾則是汽車。
我們要做的第一種測試是“簡單地通過和超車”，但速度將達到時速45英里（約合72公里）。我們計畫前往一條名為Autobahn的寬闊道路。
當“狐狸”出現在車道上時，無人駕駛汽車將刹車，團隊將檢查一個關鍵資料點：車輛減速情況。他們試圖設計一種導致汽車不得不急刹車的場景。那麼這種刹車有多猛？“我的腋下開始不自覺的出汗，而手機飛到地上”，確實很猛。
實際上這並不是我首次乘坐無人駕駛汽車。以往我曾體驗過兩次無人駕駛汽車。第一次是一輛雷克薩斯SUV，當時我乘坐汽車穿過了山景城的街道。第二次是乘坐穀歌Firefly，當時是在穀歌一棟大樓的樓頂上。這些汽車都不顯眼，這才是重點。
但這次有所不同。這是兩輛行駛速度很快的汽車，其中一輛會阻止我們的移動。用Waymo的術語來說，這非常“辛辣”。
現在到了開車的時候。凱恩發動了汽車，汽車說“自動駕駛”。另一輛車隨後接近我們，就像是要逼停我們。我們猛地刹車，操作很快、很流暢。
隨後他們檢查了減速資料，發現刹車強度還不夠。我們需要再做一次，一次又一次。另一輛車從不同角度，以不同方式來逼停我們。他們將這樣的做法稱作“覆蓋”。
我們隨後還進行了其他三項測試：高速並線；遇到一輛倒車的車輛，同時第三輛車擋住視線；在停車過程中有行人將籃球扔到行駛路線上。每種測試都令人印象深刻，但最難以忘記的仍是逼停測試。
在我們開始另一次測試之前，凱恩問我：“你有沒有看過《環太平洋》？在這部電影中，主角操縱巨大的機器人與怪獸作戰。我試圖與汽車同步，分享一些思考。”
我詢問凱恩，關於與汽車同步，他想要表達的是什麼。他表示：“我根據車內乘客的體重差異進行調節。在多次乘坐這輛汽車後，我可以感受到汽車在幹什麼，用我的屁股。這聽起來很奇怪，但我確實知道汽車想要幹什麼。”
從真實測試到模擬環境遠離濕熱的“城堡”，這裡是穀歌的山景城總部。我來這裡是為了拜訪Waymo的工程師。從組織架構上來說，他們率屬於X。你或許已經知道，X是Alphabet面向長遠發展、高風險的研究部門。2015年，當穀歌重組為企業集團Alphabet時，穀歌X改名為X（他們的網站是X.company）。在重組的一年後，X和Alphabet決定讓無人駕駛汽車專案“畢業”，組建獨立的公司Waymo。Waymo就像是谷歌的孩子。
因此，Waymo的辦公室仍然位於母艦內部，但也在慢慢獨立。我聽說，Waymo的員工現在都坐在一起。
X和Waymo的辦公樓很大、很寬敞。來自Project Wing專案的無人機原型正在飛行，我也看到了谷歌自主開發的Firefly汽車。（薇爾加斯在“城堡”中曾說過：“自己開發的東西或許很甜蜜。但它們沒有空調，所以我一點都不想念它們。”）
從餐廳往上，走到大樓的一角，這裡是Waymo的模擬集群。在這裡，所有人的螢幕上都打開了Carcraft和XView。螢幕上是黑色背景的多邊形圖像。他們正在為Waymo汽車設計虛擬世界。
等待我的是Carcraft的創造者詹姆斯·斯圖特（James Stout）。他從來沒有公開討論過自己的專案。這次他表現出極大的熱情。Carcraft就是他的孩子。
他說：“我只是看了下招聘資訊，發現無人駕駛團隊正在招聘。我簡直不能相信他們提供了一個職位。”他加入了這支團隊，並立即著手開發工具。目前，這款工具支援了每天800萬英里的虛擬駕駛。
此前，他們主要使用這款工具去查看，汽車在複雜情況下會如何操作。在真實世界的這些情況下，人工司機會接管汽車。從這些情況起步，他們開始製作場景。“很快我們就看到，這是一款非常有用的工具，我們可以在此基礎上進行各種開發。”斯圖特表示。Carcraft的能力隨後快速提升，可以容納整個城市，而汽車數量也擴大為一支龐大的虛擬車隊。
斯圖特介紹了艾連娜·柯拉羅夫（Elena Colarov）。她是“場景維護”團隊的負責人。她的面前放著兩塊螢幕。在右側螢幕上，她在查看XVivew，螢幕顯示了汽車“看到”的畫面。汽車使用攝像頭、雷達和雷射雷達去識別場景中的物件，並在軟體上用線框來呈現這些物件，繪製真實世界的輪廓。
從這些形狀中延伸出的綠色線條代表了汽車預期物件可能移動的方式。底部的圖像條顯示了，汽車搭載的普通攝像頭（可見光攝像頭）捕捉到的畫面。柯拉羅夫還打開了雷射雷達返回的資料，這些資料以橙色和紫色點來顯示。
我們看到了“城堡”中環島真實情況的重播。柯拉羅夫切換至模擬版本。看起來是一樣的，但不是資料日誌，而是汽車需要解決的情況。唯一不同的是，在XView螢幕的最上方，紅色字元顯示了“模擬”的字樣。斯圖特表示，加入這樣的提示是因為，人們常常會混淆模擬與真實場景。
他們隨後載入了另一個場景。這是在鳳凰城。柯拉羅夫縮小了畫面，顯示整個城市的模型。在模型中，他們描繪了“所有的車道在哪裡，一條車道如何通向另一條車道，停止標誌在何處，交通燈在哪裡，哪裡有障礙，車道中心的位置是哪，以及所有一切你需要知道的資訊。”
我們隨後放大了畫面，中心是鳳凰城附近某處的一個十字路口。隨後，柯拉羅夫開始在場景中放入虛擬的汽車、行人和自行車。
在按下一個按鈕之後，螢幕上的物件開始移動。虛擬汽車會像真實汽車一樣在車道上行駛、轉彎。虛擬的自行車與真實自行車一樣。這些物件的邏輯來自於該團隊在公共道路上數百萬公里的測試。這一切的背後是一份超級詳細的世界地圖，以及場景中不同物件的物理模型。他們對橡膠物體和道路都進行了建模。
意料之中地，最難模擬的是他人的行為。這就像是父母常常對孩子說的：“我不擔心你開車，擔心的是路上的其他人。”
“我們的車觀察世界，理解世界。隨後，對於環境中任何的動態物件，無論是汽車、行人、自行車，還是摩托車，我們的汽車都能理解意圖。僅僅追蹤空間中的物件還不夠，你必須能明白它們要做什麼。”Waymo軟體負責人迪米特裡·多爾戈夫（Dmitri Dolgov）表示，“對於建造性能強大、安全可靠的無人駕駛汽車來說，這是關鍵問題。這種建模，以及對世界中其他參與者的理解，非常類似於在模擬環境中的建模。”
不過這裡也存在關鍵的不同：在現實世界中必須接收關於環境的即時資料，並將其轉化為對場景的理解，而汽車將在這樣的環境中行駛。然而目前，在從事該專案的多年之後，他們對此很有信心。用斯圖特的話來說，他們已經完成了“一系列測試，證明可以識別出各種各樣的行人。”
因此對於大部分的模擬，他們跳過了物件識別步驟。他們不需要向車輛提供原始資料，由汽車來識別行人，而只是告訴汽車，行人就在這裡。
在十字路口，柯拉羅夫給無人駕駛汽車設置了更困難的環境。她點擊V鍵，一個新的物件出現在Carcraft中。隨後，她把滑鼠移到右側的下拉式功能表上，這裡顯示了許多不同的車型，包括我最喜歡的bird_squirrel。
這些物件可以按照Waymo的建模邏輯來運動，Carcraft的場景設計者也可以要求這些物件按照某種精確的方式運動，以測試特殊行為。
在建立場景的基本結構之後，他們可以測試場景中包含的所有變化。因此可以想像一下，對於十字路口，你可能想要測試不同車輛、行人和自行車的到達時間，以及他們的停留時間和運動速度。他們只是簡單地輸入這些值的合理範圍，隨後軟體就會生成並運行所有這些場景的組合。
Waymo將這樣的做法稱作“擴散”（fuzzing），而僅僅這個十字路口就產生了800種場景。隨後系統生成了一張漂亮的表格，工程師可以查看，不同的變數組合如何改變汽車的決策。
最終，這個問題變成了分析所有真實場景和模擬場景，找到有趣的資料，從而指導工程師，如何讓汽車更好地行駛。其中的第一步可能是：汽車是否會被迫停下？如果是這樣，那麼就是個非常值得研究的場景。
在這裡，我們看到了一段視頻，展示了這樣的情況。現實世界的山景城有一個複雜的十字路口。當汽車左轉時，一輛自行車靠近，導致汽車停在了路上。工程師解決了這類問題，並重新編寫軟體，以獲得正確的結果。視頻顯示了真實世界的情況，而隨後工程師基於真實情況進行了更多的類比。由於兩種情況不同，你將會看到，模擬的汽車持續行駛，隨後出現了一個虛線盒子，顯示著shadow_vehicle_pose。這個虛線盒子顯示，現實世界中發生了什麼。對Waymo的工程師來說，這是對當前進展最清晰的視覺化表現。
不過，他們關注的場景並不僅僅是汽車停住。他們還想要研究過長的決策時間，或是超出正常範圍的刹車情況。對於任何工程師可以學習或調優的場景，他們都會通過類比環境加以研究。
斯圖特和Waymo軟體負責人多爾戈夫強調，關於模擬環境有3個核心點。首先，相對於真實世界中的駕駛，模擬環境中的駕駛里程數要多出很多，並且帶來了不錯的經驗。其次，這些駕駛過程專注於有趣，但在現實世界中難以實現的互動。第三，軟體的開發週期可以變得快很多。
“對我們來說，反覆運算週期非常重要。我們在模擬技術方面的工作有助於大幅縮短反覆運算週期。”多爾戈夫表示，“在專案的最開始階段，反覆運算週期可能達到幾周，而目前只需要幾分鐘。”
隨後我問他，如果路上出現油蹟、爆胎、飛鳥和大坑，那麼車輛會怎樣？他們是否對這些情況都進行了類比？多爾戈夫很樂觀。他表示，這肯定可以做到，“但你希望模擬器在這條軸上有多大的保真度？或許對於其中某些問題，你得到了更好的值，或者你也可以在現實世界中進行一系列測試，來驗證模擬器的結果。”（想想“城堡”。）
Carcraft虛擬世界的力量並不在於，以漂亮而完美的方式去渲染真實世界，而是利用對無人駕駛汽車有意義的方式去反映真實世界，使測試里程數比真實測試增長數十億公里。對於類比世界中的駕駛軟體，做出決策的方式與現實世界完全相同。
這種方式效果很好。加州機動車輛管理局（DMV）要求相關公司報告每年自動駕駛的里程數，以及司機解除自動駕駛狀態的次數。Waymo報告的里程數要比其他公司高出3個數量級，同時司機干預的次數也有大幅下降。
從2015年12月到2016年11月，Waymo的自動駕駛里程數達到635868英里（約合102萬公里），而司機做出干預只有124次，相當於每5000英里司機才會有一次干預，或者說千英里司機干預次數為0.20次。前一年，Waymo的自動駕駛里程數為424331英里，司機干預次數為272次，相當於每890英里司機會有一次干預。
儘管許多人指出，這些數字並不適合拿來直接對比，但現實情況是，這就是我們在加州可以獲得的最佳資料。而其他公司總共的自動駕駛里程數只有約2萬英里。
其他廠商開始追趕對外部專家來說，Waymo的做法並不奇怪。安德森-霍洛維茨的風險投資人克裡斯·迪克森（Chris Dixon）表示：“目前，根據對待類比技術的態度，你就可以衡量自動化團隊的高級程度，無論是無人機團隊還是汽車團隊。”他主導了安德森-霍洛維茨對模擬技術公司Improbable的投資。“Waymo處於行業頂端。”
我也向Allstate Insurance創新總監蘇尼爾·欽塔金迪（Sunil Chintakindi）瞭解了Waymo的項目。他表示：“如果沒有強大的模擬基礎設施，你就無法將更高程度的自動化集成至汽車。”
其他無人駕駛研究員也在關注這個發展方向。密西根大學自動駕駛和互聯汽車實驗室Mcity專案負責人彭暉表示，適用于無人駕駛汽車的系統將會是“超過99%模擬、某些精心設計的結構化測試，以及某些上路測試的共同結果”。
他和一名研究生提出了一種系統，將上路測試和模擬結合在一起，從而加快測試速度。這與Waymo的方式類似。彭暉表示：“因此我們的觀點是，將駕駛過程中無聊的部分去掉，專注於有趣的部分。這可以讓速度提升數百倍，讓總里程從幾千英里上升至百萬英里。”
Waymo專案的優勢包括規模、組織和強度。我向彭暉介紹了穀歌所做的結構化測試，包括“城堡”的結構化測試團隊在類比環境中嘗試的2萬種場景。他聽錯了數字，並對我表示：“2000個場景很厲害。”隨後我糾正了他，“是2萬個場景。”他停頓了一下，“原來是2萬個，確實厲害。”
實際上，這2萬個場景僅僅只是Waymo所有測試場景的一小部分。這些場景都來自於結構化測試。根據公共道路的駕駛測試和想像，他們還設計了更多場景。
彭暉表示：“他們幹得很棒。在第四級自動駕駛方面，他們遠遠領先於其他人。”
不過，彭暉也提到了傳統汽車廠商的地位。他表示，傳統汽車廠商正在嘗試完全不同的做法。這些公司沒有專注於全自動駕駛，而是首先開發可以變現的駕駛輔助技術，隨後再向全自動駕駛發展。將Waymo與通用等傳統廠商相比並不公平。Waymo擁有大量的資源和自由度，可以將成本7萬美元的雷射雷達安裝在測試汽車上。相比之下，雪佛蘭這樣的品牌會認為，4萬美元就是大眾市場接受的上限。
彭暉表示：“通用、福特、豐田和其他廠商都在說，‘我們要減少事故和死亡率，提高大眾用戶的安全性。’他們的目標完全不同。我們需要思考數百萬輛汽車，而不僅是幾千輛汽車。”
即使是在全自動駕駛的競賽中，Waymo面臨的挑戰也要比以往更大。特斯拉正成為一家重要競爭對手。克裡斯·蓋爾德斯（Chris Gerdes）是斯坦福大學汽車研究中心主任。18個月之前，他曾表示，Waymo“相對其他公司對問題有更深入的瞭解，並且比其他人更接近於 解決這些問題。”不過上周他再次表示，目前“有很多情況都發生了變化”。
他指出：“福特和通用等汽車廠商正在部署自己的無人駕駛汽車，並獲取行駛資料。特斯拉目前已通過Autopilot的部署積累了大量資料，瞭解系統如何在真實使用者體驗下運轉。他們以靜默模式在真實汽車上測試演算法，而車輛總數也在快速增加，這共同形成了令人驚歎的測試平臺。”
蓋爾德斯表示，在模擬技術方面，他看到了多家競爭者拿出了實質性的項目。他表示：“模擬能力多種多樣，但我看到了一些很強大的技術。在這個方面，Waymo不再顯得與眾不同。當然，他們有很大的領先優勢，但現在很多團隊都在探索類似的方案。目前的問題是，誰能做到最好。”
這並不是簡單地演示神經網路的“大腦式”能力。神經網路技術正在推動人工智慧快速發展，Alphabet旗下公司正在迅速接受這類技術。這也不是Google Photos應用，一次出錯並不會引起太大的問題。這將是一個在人類世界中完全自主生存和活動的系統，可以理解我們的規則，溝通自身需求，並且對我們的眼睛和思想清晰可見。
Waymo似乎將駕駛視為一種技能，例如如何操縱方向和速度。不過，駕駛更是一種人類社會活動。在“合法”駕駛的基礎上，什麼是“正常”駕駛？我們如何讓人工智慧瞭解其中的準確含義？
事實證明，開發這樣的人工智慧需要的並不僅僅是海量資料和工程技術。這些是必要的，但還不夠。實際上，開發這樣的人工智慧需要人類與汽車同步，讓汽車像人類一樣瞭解世界。“城堡”中的司機知道，如何讓一輛汽車去像人類一樣觀察並作出決策。或許這將向兩個方向發展：人類對汽車的理解越深，汽車對人類的瞭解就越深。
對奧斯丁一個環島的記憶演變成了“城堡”的一部分，成為了無人駕駛汽車的資料記錄，成為了Carcraft的一個場景，成為了類比網路，成為了新的軟體，而這最終將把更強大的無人駕駛汽車送上奧斯丁的環島。
即使是在用於幫助人工智慧瞭解世界的模擬抽象多邊形中，也帶有人類夢想的痕跡、回憶的片段，以及司機的感受。這些元素並非錯誤，也不是人類的污點，而是系統的必要部分，可以徹底變革交通、城市，以及其他所有一切。