正文
多数开发自动驾驶技术的公司会聘用成百上千名员工，然后把这种教会无人车识别行人、骑行者和其他障碍物的工作外包到印度或中国。这些工人需要对长达数千小时的视频逐帧进行标记。
“机器学习是个神话，就像《绿野仙踪》一样。”硅谷硬件孵化器公司Lemnos Labs的投资人Jeremy Conrad说，“标记团队对每家公司都至关重要，我们一段时间内仍然需要他们，因为户外环境十分多变。”
人工智能、传感器质量和计算能力的巨大进步，给无人车的革命打下了技术基础。然而，尽管出现了这些创新，但在未来很多年内，人类仍然需要在幕后默默奉献，才能让这些系统保持最好的状态。
“在我看来，人工智能从业人员整体都很自大，认为电脑可以解决一切。”Mighty AI创始人兼CEO Matt Bencke说。人工智能系统也都存在同样的问题：电脑需要通过人工添加标签的庞大数据进行“学习”，然后利用这种‘模型’在今后看到类似的物体和形态时将其识别出来。
训练无人车面临的挑战比其他人工智能应用更大，因为汽车所要面临的场景和环境是开放性的。即便是针对不同时间的灯光和天气环境进行调整后，城市环境仍会因为建筑、活动或事故而在一夜之间发生变化。
“标注过程通常都是一项非常隐秘的成本，很少被人提及。”自动驾驶创业公司Drive.ai首席执行官Sameep Tandon说，“这非常痛苦，也非常麻烦。”
无人车所需的精度也高于其他人工智能系统。汽车之所以能够自动驾驶，是通过将它们借助摄像头和传感器看到的周围环境，与车载3D地图进行比对来实现的。安全是头等大事：如果Google Photos的面部识别无法正确认出一张照片中的人，那也没什么大不了；但如果Waymo的无人车无法识别行人，就会引发致命事故。
