谷歌無人車CTO：十年前大家都嘲笑我們，技術發展比我預想更快
編者按：本文來自微信公眾號 “量子位”（ID:QbitAI） , 作者：Kirsten Korosec， 來源：TechCrunch，編譯： 量子位；36氪經授權轉載。
十年前，十幾名工程師齊聚在山景城的谷歌總部，投入Project Chauffeur。這是一個祕密專案，是谷歌X實驗室的一部分。
Project Chauffeur，就是後來廣為人知的谷歌自動駕駛汽車專案。2009年1月，這個專案正式啟動，並在2016年獨立成為新公司Waymo。
谷歌無人車點燃了一個時代。
這個專案最初由特龍（Sebastian Thrun）負責，併成為無人車行業的黃埔軍校。一群工程師從這個專案離開，創辦自己的公司。例如Aurora聯合創始人Chris Urmson、Argo AI聯合創始人Bryan Salesky，以及萊萬多夫斯基。
當然，還有一群工程師從開始堅守到現在，成為Waymo的“元老”和技術中堅。其中包括：Andrew Chatham、Dmitri Dolgov、Dirk Haehnel、Nathaniel Fairfield和Mike Montemerlo等等。
現在，Dmitri Dolgov（多爾戈夫）已經成為Waymo首席技術官兼工程副總裁。他最近接受TechCrunch採訪，講述了谷歌無人車這十年。
以下是經過編輯整理的對話實錄：
提問：你當初為什麼進入無人車領域？
多爾戈夫：吸引我進入這個領域有三個主要因素，技術的影響、技術本身和挑戰、合作的人。顯然，自動駕駛能產生巨大的影響。
當時的興奮感永遠不會消失。那是2007年，我第一次開始研究無人車，第一次有汽車使用我寫的軟體開始自動駕駛。這太讓人興奮了。
提問：谷歌創始人佩奇提出的10100英里挑戰是什麼？
多爾戈夫：這是2009年我們在谷歌開始無人車專案時最大的目標。這個挑戰要求無人車能在10條長度100英里的路線上，從頭到尾自動駕駛，不需任何人為干預。
這些路線都經過精心選擇，用來展現無人駕駛的複雜性。在最初的日子裡，對我們來說，理解問題的複雜性是最重要的事情。
所有的路線都在灣區。在Palo Alto附近的路線體現城市路況，我們在高速公路上花了很多時間，還經過了灣區所有的橋樑。有一個路線是從山景城到舊金山，期間還經過了舊金山的九曲花街（Lombard Street）。還有一條路線在太浩湖。
提問：完成這些挑戰花了多久？
多爾戈夫：2010年秋天才完成。
提問：這個速度已經很令人驚訝了。但仍然還有更多事情要做對吧？
多爾戈夫：沒錯。我認為這是問題的本質。搞出一個能做幾次展示的原型產品，和構建一個人們日常能用的產品之間，存在巨大的差異。特別在無人車領域，開始時很容易在一次性的挑戰中取得進展。
真正的困難有兩個。第一，無人車系統要達到令人難以置信的效能，才能真正成為一個產品。第二，無人車系統要面對型別複雜的長尾困難。有些情況99%的時間都不會出現，但整個系統必須為1%的情況做好準備。
提問：現在無人車的進展，與你10年前的預期相比，更快還是更慢？
多爾戈夫：兩者都有。一方面，在2009年的時候，我不曾想到硬體、軟體、AI和機器學習方面的技術還有今天這樣的突破。今天的技術發展，比我2009年預期的更強大。
另一方面，構建一個人們真正可用的無人車，比我預期的更加困難。
提問：有哪些具體的技術突破？
多爾戈夫：非常多。
感知方面。LiDAR和雷達都變得更加強大。測量範圍更遠、解析度更高、功能更多，能測量出更豐富的環境資訊。
計算方面。特別是硬體加速的平行計算，推動了神經網路的發展。這是一個巨大的進步。
然後是深度學習，神經網路本身帶來了許多突破。
提問：你們當時怎麼用AI？
多爾戈夫：我們一直在無人車專案上使用機器學習。不過和現在的機器學習不同。
大概是2012年，我們開始和Google一起合作研究自動駕駛技術和深度學習。當時，Google是世界上唯一一家認真投入這兩個領域的公司。
在那個時間，我們沒有可以在汽車上實時執行神經網路的硬體，但是可以通過雲端計算嘗試很多有趣的事情。
對於深度學習，2013是非常重要的一年。贏得ImageNet大賽是深度學習的突破，它在計算機視覺競賽中的表現優於其他所有方法。
提問：十年前，你能想到無人車今天的進步麼？
多爾戈夫：沒有，我2009或者2010年預料不到今天。
在這個專案的早期，大家都在嘲笑我們。整個行業都以此為樂，還有好幾個針對谷歌自動駕駛汽車專案的有趣惡搞。
現在，無人車這件事從“只有一小撮瘋狂的人在谷歌鼓搗”，變成全行業幾十、上百家公司共同追逐的大行業，這非常了不起。
