在包括孩子在內的長途旅行中，您有沒有玩過間諜游戲？這是一種簡單而便捷的打發時間的方式，可以讓孩子全神貫注，同時還可以提高他們作為萌芽幼兒的認知能力。如果您從未使用過游戲，這就是游戲的進行方式。

當汽車在拉動時，孩子將目光投向汽車外部以試圖識別各種在車輛行駛過程中容易看到的物體。例如，也許在度假期間穿越農田等空曠地區，您告訴孩子發現任何母牛。這使年輕人急切地掃描周圍的環境，希望能監視周圍的人。

如果蹣跚學步的孩子還很年輕，可能是他們不確定一頭母牛的長相，并可能在看到馬或山羊時錯誤地叫喊。經過成年人的溫柔和提供定義的矯正，孩子開始學習與其他動物相比，母牛是什么。這可能會持續幾個小時，盡管對母牛的搜尋可能會變得很累又重復，因此，您可能會轉而發現其他東西，例如拖拉機或犁頭。

您可以提高年齡較大的孩子的。在城市環境中開車時，您可能會要求孩子監視滑板上的任何人，或者可能找到拿著雨傘的人。如果性能可能正在下雨，那么傘式搜索就有點過頭了，因為肯定會有數十個這樣的游戲，而且游戲并不是特別費力（另外，讓年輕人不斷大喊大叫他們發現了一個，這可能會讓人感到緊張-為在車里的成年人大吵大鬧）。

在極小的年齡，孩子可能無法區分所見事物。要求尋找一頭牛或一把雨傘已經超出了他們的現有理解力，因此通常情況下，您可能會求助于年輕人尋找整棟建筑物或在天空中發現浮云。除了孩子無法識別較小且與眾不同的物體外，他們可能還很難區分另一個物體。讓他們在行人中找到一個特定的人可能會超出他們的智力敏銳度，而這群人似乎只是許多人的模糊而不是一群可區分的個人。

為什么要提起這個受歡迎的孩子的游戲？

因為它提供了對某個方面的敏銳見解，這些方面繼續阻礙基于AI的真正自動駕駛汽車的出現。

具體而言，自動駕駛汽車面臨的最大挑戰之一是AI能夠找出汽車周圍的各種物體，并且這是駕駛工作范圍之內的。您可能認為這是一件容易的事，因為作為駕駛員，您幾乎可以輕松地做到這一點。當您坐在駕駛員座位上時，您會不斷來回掃描以發現附近的其他汽車以及那些可能突然飛入街道的討厭的行人。

您可以在背上拍拍自己，因為他們在認知上非常敏銳，可以直觀地查看場景，識別可以看到的物體，并對這些物體做出各種心理判斷。

考慮一下當您沿著每天的附近郊區街道行駛時會發生什么。

您向下看這條街，可以看到它是綠樹成蔭的，還有一些房子在街上。在街上停著汽車，在車道上停著一些汽車。仔細觀察，您會發現其中有消防栓，電線桿，燈柱，路牌等。如果要累加所有可以看到的對象，則數字可能會讓您感到驚訝。在您行駛的那條簡單而平靜的街道上，這是巨大的雜音（想象一下，沿著繁忙的市區行駛時，這些物體會泛濫成災）。

從事駕駛任務的新手駕駛員（例如青少年）正在學習駕駛。對于他們來說，鄰里街道呈現出名副其實的海嘯對象，每個對象都需要考慮。車道上的那輛車會突然啟動然后回到街上嗎？那些在房屋前草坪上玩耍的孩子在追逐足球時會無意中掉進車道嗎？

父母在教他們的少年開車可能會關注更高概率的問題，并且可以迅速評估哪些值得關注和哪些不需要關注。那群在草地上玩耍的孩子離街道足夠遠，以至于他們不太可能及時趕到汽車上。而且車道上的那些車沒有人，因此，這些車倒入街道的幾率幾乎為零。

這就是經驗豐富的駕駛員所發生的情況，而新手駕駛員尚未想出如何優化情況的大小并確定潛在的問題和可以給予最小優先級的問題。

切換檔位并考慮AI駕駛系統的駕駛任務。

通過攝像頭，雷達，激光雷達，超聲波和其他專用設備之類的傳感器，人工智能正在收集代表駕駛場景的數據。必須檢查和解釋該數據，并注意那里有什么對象。除了識別對象之外，駕駛問題還包括這些對象中的任何一個是否對汽車構成潛在威脅，以及汽車是否對這些對象中的任何一個構成威脅。

要意識到的一個重要方面是，當今的AI并不是有感覺的，并且沒有任何常識性的推理。萬一您對這一發現感到震驚，我敦促您以媒體夸大其詞，說人工智能是超人的，或者接近于人類的認知能力，如Malarkey，并且不要因為大量的浮夸而墮落。也許有一天，我們將擁有這種AI，但不是現在，也不是不久的將來。

因此，關鍵是AI驅動系統正在通過大量計算進行攪動，以試圖找出進入傳感器的數據，然后試圖辨別道路的組成。這在數學上都是發生的，需要大量的計算機處理才能進行。

這就是為什么自動駕駛汽車通常塞滿傳感器和大量計算機處理器的原因。所需的計算機處理非常廣泛。在自動駕駛汽車試驗的早期，汽車的后備箱和后座通常完全被計算機處理器占據。如今，考慮到計算機的小型化，設備通常比以前更小，并且幸運的是它們提供了更快的處理速度。

然后，我們已經確定，需要大量的計算工作來檢查感覺數據并嘗試識別周圍存在哪些物體，并評估這些物體的性質，例如它們是否運動或靜止不動，是否處于靜止狀態。他們正走向自動駕駛汽車或遠離自動駕駛汽車，以及其他重要信息。

責任編輯：lq