这场发布会上，不止一个语音助手值得关注

有人说，这是一个产品的时代，每一个企业对每一款产品的孵化都战战兢兢倾尽全力。还有人说，这是一个发布会的时代，不管产品如何，发布会的PPT要写好，这也是核心竞争力。于是，一切向乔布斯看齐的努力都会被标为高亮，当然，笑话也是此起彼伏。

事实上，这个世界上，真正能够改变现实的产品发布会屈指可数，如果苹果的算一个，那么你还有一个绝对不能错过，那就是Google年度开发者大会——Google I / O。

2018年的Google I / O，带给世人的惊喜一如既往的多，而且如通过图灵测试的语音助手这样的例子已经让由AI所构建的版图在逐渐清晰。当然，我们需要关注的，依然是Google在AI方面的探索在如何助推自动驾驶技术的前进，而主角自然是Waymo。结合一些之前的基础信息，我们不难看出，Google和其他汽车或者科技公司不同，它更依赖AI和机器学习（Machine Learning）在帮助自动驾驶技术进阶，这其实既符合Google的技术气质，也在明晰这一领域未来的发展方向，毕竟，它是Google。

其实， Google早期的AI技术更擅长的领域是图像搜索和语音识别方面。但是现在AI技术在自动驾驶领域的威力正在逐渐显现。举个例子：随着深度学习的开始，Waymo的自动驾驶工程师与谷歌大脑（Google Brain）团队并肩工作，将深度网络应用于行人检测系统。即使在前期，其效果也非常显著 ——几个月内，Waymo将行人检测的错误率降低100倍，从而使整体系统安全性逐步提高，对路试的保障更为充分。

到2018年，Waymo利用Google在AI方面的进步，已经在自动驾驶领域逐渐甩开其他对手。时至今日，Waymo是世界上唯一一家在公共道路上拥有真正自动驾驶车队的公司，亚利桑那州凤凰城参与这个项目的那些会员已经开始体验这些全自动驾驶车队的服务。

事实上，人工智能几乎在自动驾驶系统的每个部分都扮演着重要的角色。虽然“感知”是深度学习最成熟的领域，但Waymo也使用深度网络进行从预测到计划再到绘制地图和模拟的多项工作。通过机器学习，Waymo可以引导很多细微而复杂的情况：移动施工区域，为紧急车辆让道，并为平行泊车的车辆让出空间。

Waymo的自动驾驶汽车之所以能够在如此复杂的情况下通过测试，是因为它使用很多不同的实例训练了机器学习模型。而Waymo现在已经在公共道路上行驶了600万英里，并且观测到车辆、行人和骑行者之间数以亿计的互动场景，这一切都为Waymo的机器学习提供了丰厚的数据来源。

上面说到的当然是Google最为擅长的数据和算法，那么，算法之外呢？要让自动驾驶车辆在公开道路上通过测试并能够迅速复制到更多的城市，需要的不仅仅是好的算法。基础设施在训练和测试机器学习模型方面同样起着关键作用。在Waymo，TensorFlow生态系统和Google的数据中心，包括TPU（Tensor Processing Unit）被作为主要的工具来训练神经网络。

对TPU的充分利用，使Waymo可以将网络训练的效率提高达15倍。同时，模拟环境测试也被引入到机器学习模型的测试中。在模拟环境中，Waymo所获得的数据相当于每天驾驶大概25,000辆汽车。有了这个强大的培训和测试闭环，机器学习的模型得以迅速进阶，并可以更快速在自动驾驶车辆上部署最新的网络。

自动驾驶汽车的工作环境是全天候的，在任何交通状况下，任何天气条件下，都必须能够通过测试。在大雨或下雪的情况下驾驶汽车对人和机器来说都同样是艰巨的任务，部分原因当然是因为能见度有限。而对自动驾驶汽车来说，更大的困扰来自于雨滴和雪花可能会在传感器数据中产生很多噪音，而这种噪音对于道路环境的检测和判断都是较大的障碍。机器学习系统有助于我们滤除噪音并正确识别行人及其他车辆。事实上，在实际道路或者模拟环境中遭遇的每一次失败和困难，都为机器学习的不断进阶提供了翻越障碍的数据基础。