无人驾驶汽车这个神奇的想法已经不再生疏。许多涉足该手艺的公司都雇用了数百名甚至数千名职员，这些雇员往往是在印度或者中国的外洋外包中央，其义务是教训机械人汽车识别行人、骑车者和其它的障碍物。要完成这项事情，这些事情者需要逐帧手动符号数千个小时的录像片断。那些录像片断在硅谷、匹兹堡、菲尼克斯等测试地址上路行驶的无人驾驶汽车原型。

　　“机械学习似乎成了神话，只有那种巫师才气够做成。”旧金山公司Lemnos Labs的投资者杰里米·康拉德(Jeremy Conrad)示意，“符号团队在每家公司里都非常重要，未来的一段时间我们还需要他们的介入，究竟汽车所在的户外环境太过复杂多变。”

　　人工智能、传感器质量和盘算性能的巨大进步为无人驾驶汽车革命奠基了手艺基础。然而，虽然有这些手艺创新，未来许多年无人驾驶汽车的生长还将需要人类在幕后默默做出孝敬：围绕树木做符号和突显交通标志，从而维持这些系统的更新。

　　挑战大于其它AI应用

　　初创公司Mighty.Ai创始人兼CEO马特·班克(Matt Bencke)说道，“在我看来，AI从业者由于狂妄自信普遍都有一个盲点，那就是盘算机将会解决一切。”Mighty.Ai致力于行使兼职职员社区为科技公司过滤和符号AI训练数据。

　　任何的AI系统也都存在同样的问题：盘算机通过吸收海量手动符号的信息来“学习”，然后行使谁人“模子”识别再一次出现在它们眼前的物体和模式。

　　训练无人驾驶汽车的挑战要大于其它的AI应用，由于汽车可能会遇到无数种场景和情形。纵然系统能够顺应一天和一年差别的时刻光照和天气状况的转变，但可能照样于事无补，由于都会环境可能会随时由于建筑物、特殊事宜或者事故瞬间就发生改变。

　　“数据标注历程是一项隐藏成本，人们并没怎么去讨论。”无人驾驶创业公司Drive.ai的CEO萨米普·坦登(Sameep Tandon)示意，“该历程极其艰难和贫苦。”

　　无人驾驶汽车所要求的准确度也要高于其它的AI系统。汽车的自动驾驶，是通过比对它们用摄像头和传感器看到的周围环境和它们周围街道详尽的车载3D舆图来实现的。安全性放在主要位置：若是谷歌照片(Google Photos)的脸部识别系统没能准确判别图中的人，那就会带来贫苦;若是Waymo汽车没有识别出行人，那可能会导致行人罹难。

　　在打造无人驾驶汽车的争夺战中，权衡生长希望的其中一个标准是，公司汽车已经行驶的里程数目。Alphabet旗下的Waymo曾在5月示意，它的汽车已经在公共道路上自动行驶了300万英里。特斯拉去年也曾示意，它已搜集了来自现有的汽车车主跨越1亿英里的里程数据，这会有助于它开发Autopilot自动驾驶系统。

　　然而，行驶里程越长，意味着这些公司的幕后数据处理团队的人工义务量就越多。驾驶几英里路就能够发生数十GB的数据，这些数据很快就会大到无法直接从汽车无线上传。相反，数据必须要保存到硬盘，然后送到外包中央。对于云云前沿的一个行业来说，这种类似物流的运作似乎有些落伍。

　　另一家开发无人驾驶汽车系统的硅谷创业公司Plus.ai的CEO大卫·刘(David Liu)指出，每一小时的驾驶发生的数据，要数百个小时才气转化成为有用的数据。“我们需要从四处行驶的无人驾驶汽车获得数十万个甚至数百万个小时的数据，需要数千人在全球各地共同完成这项事情。”

　　大型科技公司倾向于不张扬无人驾驶汽车的人工事情部门。Waymo、Uber和特斯拉均拒绝揭晓谈论。

　　“要让人去谈论这个并不是易事。”华盛顿大学盘算机科学与工程教授丹·维尔德(Dan Weld)指出，“他们都更喜欢谈论像机械学习这样的‘魔术’。”

　　罕有的一次公然讨论发生在2013年，那时前Waymo和Uber工程师安东尼·莱万多夫斯基(Anthony Levandowski)在加州大学伯克利分校揭晓演讲。他谈到了谷歌在印度的一个由他所说的“人类机械人”组成的团队，该团队卖力给来自谷歌街景服务的图像符号。

　　这种劳动密集型的事情价值可不小。据业内人士估量，为美国的每个都会创建和维护这种舆图的成本到达每年数十亿美元。