主题：苹果已死，脸书当立？ -- 大山猫
- 复 送错花了
家园 没人把人命当儿戏 什么叫“用游戏来给现实抽象化”？谁敢这么开玩笑？
谷歌的逐个穷举法，需要穷举到什么时候？如果没穷举完，那么就很容易出问题，就不应该上路，而谷歌在还没穷举结束的时候就上路，这才是游戏人生！！！
抽象化就是为了最大简化，使得可以不用穷举就可以实现需要达到的目标。比如，火车运行，有需要考虑铁轨和周围景色的差异度么？没必要，而公路有同样的东西：路面上的白色标示线——相当于火车之于铁轨，简单易行，一点也不比谷歌那种花了几年的努力差，甚至效果好多了，毕竟计算量少很多，反应速度会快很多，可以省出更多资源来用于其他方面的智能。
这种抽象其实也是建立在海量的统计基础上的，只不过这种统计因为太过普通，大家都以为不是统计了，显得不高级。嗯，汇总统计确实不如数据挖掘，相关分析……啥的显得高端。
想起了那个解决空盒子的笑话了：某公司有空盒子在生产线上，请了一堆博士，搞了n长时间，花了n亿元。结果一个民工伯伯用电风扇在旁边吹就搞定了。
这说明：并不是花了大钱的效果就好！！！
另外，也同意他说的：没有几亿安全里程不能投产。
但他是以此为依据，来反对其他人的观点，来说明谷歌的无比靠谱，这就很不靠谱了。
- 复 没人把人命当儿戏
家园 我认为你的铁轨和公路没有可比性 在加拿大，一下雪公路上的标示线就没有了怎么办。同样的问题，也发生在中国东北，你能回答么。
铁路，你可以考虑铁轨的压力和磁场。毕竟铁轨是被轮子抓住的，对于控制方向相对公路简单。所以有美国火车在没有驾驶员情况下在铁轨上滑行百多公里的，但是你能设想汽车在公路上这样，公路复杂得多。
还有，行人乱穿铁路的相对比较少(而且铁定全责)。但是中国城市，行人乱穿马路，非机动车逆向行驶很多咋办。多伦多这种事情少很点，但是也有。那就要多加很多条件。统计学说多伦多有1%的情况行人乱穿马路，你在设计无人汽车时候，不能把这1%忽略掉。因为这个东西有人驾驶可以轻松解决，无人驾驶不解决就是死。
还有一个问题，说了则么多，无人驾驶火车实现了没有？Google查了，只看到澳大利亚计划开辟一条线运铁矿运到Perth，考虑到澳大利亚地广人稀，Perth周围没有其它大城市，不下雪，矿车事故没有人员伤亡的损失，已经是最最简单了，但是还是“计划中”。
所以现实是，要要能抽象的抽象，不能抽象的加穷举，试验中发现没有穷举完的，要一个个加，再试验，再加，再试验。不能说迷信Google，但是如果你认为能省的东西Google没有省，那99.99%的可能你是错的。
Google的两个创始人都是博士生。美国的大型公司即时创始人学历低，在发展过程中也都大量雇用博士。为什么不雇民工雇博士，肯定不是慈善事业。
家园 当雪压了公路的时候，谷歌那招同样无能 雪压了路面标示线，那么必然也会压了公路和周围环境的特征，所以两种方式都无能，但因为路面温度一般和周围不同，所以用路面标示线的方法，作用的范围相对对比周围景色的方法来说，大了点，虽然结果还是不行。
我上面是针对有人说识别路面超级难说的，行人乱闯是另外的问题了，此处不展开讨论。另外，也可以从这种不断穷举的各种意外中可见：穷举的办法是费力不讨好的，因为，总有不断出现的意外让你需要重新考虑。所以，一般面对这种穷举无极限的问题，解决办法都是控制系统复杂性，而不是直接去填这种无底洞。
无人驾驶的火车，是没有，一般为了安全性考虑，都是人机结合操作。连简单的铁路系统都需要人机双岗备份，你觉得那么复杂的公路系统，不简化问题而试图穷举可能性可以实现所要达到的无人驾驶目标么？
家园 不知道谁了解Google具体的技术方案不 我是不太了解，不过我觉得你们讨论的神马穷举根本不是Google的技术风格啊。
Google从来没推崇过穷举啊。Google擅长的是分析从互联网上得到的海量数据，人类行为的海量数据，Google最喜欢是巧劲，是最反对穷举的。
比如PageRank和Google翻译。
Google和Facebook的风格差异在于。
Google收集的用户行为，往往是人类的无意行为，但是其中蕴含了某种隐藏信息。比如page rank，就是通过超链接这个行为，实现了网页投票。事实上，对于Google来说，人类的有意识行为，反而会干扰他这套系统的准确性，比如seo。
Facebook则正好相反，他收集的用户行为主要是人类的定向行为，有着确定的目的，比如Like。所以Facebook是现实世界对互联网的一个超强投影。
家园 你们俩也别争了，无人驾驶这事应该不难 我的论据是凡是中国做出来的基本上都不具备难度了。现在有报道中国的无人驾驶也上路实验了。
但是google的实验做了两三年，这个实验的消息一直有，但直到美国州政府批准合法上路，这才是个大的震动，因为这说明立法部门都认可的技术那应该是很成熟了，之前此类的技术发展不断有，但没有谁会有信心说到了实用的阶段。
google的机器学习的确有依靠大量数据的来历，以前语音识别时就有个传说，说google提供了个免费的411询问电话，惹得许多人去打，结果google是为了收集语音数据，拿来为语音识别学习用。就这样这个免费电话也提供了两三年，但是使用起来，确实感觉google plus的语音识别比iphone使用的那个dragon更准确一些，而且包括中文普通话，我试过，google plus对普通话的识别还不是一般的准确，当然本人的普通话肯定比英文发音更标准。
以前看到过许多名人对人工智能的看法评论，印象比较深的是google的surgay与page等人与大部分的人看法不同，他们认为人工智能就是海量数据的处理能力提高后自然产生的，基本上是算法派的。不过，最近google把人工智能的大牛Kurzweil招去，大概是代表着对人工智能的看法改变回归传统了吧。
家园 无人驾驶，难度非常高 如果哪里没做好，出事就是几百万辆车一起召回，而且还不是那种可修可不修的问题。这两天不是说Google进京（去DC)，结果一下就出了好几次状况。
本猫认为，没有一亿公里以上的测试，商业化想都不要想。
这个版上好多人说工程怎样，科学怎样的，真干起来恐怕都抓瞎。现实中你想不到的问题多了。举一个例子，Garmin做GPS多少年了？用的后台地图十几年的历史总有了吧。本猫上班的地方，是几十上百年历史的大机构，总部常年有5000以上的人上班。不过如果您拿着本猫前年买的GPS找路，一辈子也找不到地方。为什么呢？从主要干道下来拐弯左右都搞错了。
家园 中国的无人驾驶这不开始测试了么 既然都是测试的活，中国山寨起来就是个时间问题了，工程起来问题肯定会很多，但是只要有了先例，有了方向，中国人解决工程问题还是有两下子的，而且这里面还不牵涉材料工艺这些其他工业积累问题，中国人数学也不差，一段时间后达到google的无人车水平应该是可以预期的。
当然中国的路况比美国甚至整个西方国家的路况考验肯定大，所以这样的测试应该搬到印度去做，只要能够适应印度路况估计全世界哪里都可以没问题了。
另外， Garmin这个例子不好，它的地图数据是最好之一，但是这个GPS做的其傻无比，如果稍微有点想象力，Garmin也不会沦落到今天让google手机地图给比下去。两三年前就看到以色列有大学做根据GPS返回路况做路况数据的分析再反馈到GPS上的实验。别的不提，GPS上的蓝牙接上手机的tether可以吧，然后这个地图就不是“死”的，每个人的行车习惯，路况，事故，综合最优路径，这里面可以提高到事情随便说就有好几条，看看那个Waze，一个以色列的startup，不过一两年时间，现在多么流行。我以前几乎一年买一个新的garmin,从去年开始一台都不用了，因为手机的互动更好用，信息传递更方便，比如直接就从通讯录中接到地图导航上了，但是如果Garmin可以做到，我完全没必要把手机mount到汽车上啊。这种一招鲜吃遍天的公司，真是无药可救。
家园 无人驾驶不仅是个技术问题 比如说，地图更新问题。以后自动驾驶了，可能连方向盘什么的都没有了，地图更新不及时，那每天都会有大批的人找不到北（本猫就碰到过这种情况，新建的小区一年新的GPS上没有数据，这还是在美国。用Google Map这种云这个问题也是存在的，只是用云解决起来方便很多就是了。）。这就涉及到政府和地图公司合作的问题。甚至以后可能不需要政府，而是用类似wiki+OnStar的模式，那这样的话汽车公司的运营模式可能都要大变。汽车公司现在只是卖车，以后可能要考虑到单卖车是不行了，实际上它们做的是卖交通的生意。
你就算在一个国家可以了，那跨国呢？比如最简单的例子，北美自由贸易区内，就会涉及到墨西哥（美加之间还比较好解决，发展水平差不多）。你要考虑到那时候的人很可能都不会自己开车了，就是想开车子也没有硬件设施让你开了。这里至少涉及到国家主权，安全等问题。
这还只是解决一个最基本的问题 - 到哪里去。
真的搞起来，大家就会发现，现有体制是不适应下一阶段经济发展的需要的。有些人早就看到了，知道要几代人的努力，所以就有了三边委员会这种东西。
家园 别说软件方面的东西了，比如智能机器人 软件方面完全不是问题，别用人脑的思路去想某些东西，智能机器人，不是智能，而是人用程序将原来人们觉得该怎么做的东西更进一步细分下去。比如你说向前慢速走，看见一个红绿灯，停下来，然后绿灯亮转弯。这东西到了机器人哪里就是设置各类参数（起步点，各种传感器初始化），设定速度，运行马达，传感器探测到红绿灯，判断后，改变速度设置，继续探测，改变速度设置，到这里，还分是先改变角速度转向还是角速度线速度一起改变，整个过程繁琐无比，但是别说现在，很早以前软件技术上就能解决了。现在的软件方面一直在优化程序的执行，优化控制程序达到更好的能耗控制，更精确的算法计算而已。
真正难点都在硬件上，特别是传感器方面。同理也存在于汽车导航系统（这就是所谓的自动驾驶的原型），软件程序不是问题，都探索多少年了，重要的是硬件，特别是传感器，你怎么判断外界条件，你怎么预知是否达到软件的控制要求，都是来自于传感器的反馈。而传感器，特别确定周围环境的光学也好，声学也罢，都存在着各种令人头疼的缺陷。
而硬件这块，不是IT！！完完全全是个玩基础科学和工业的东西。我把这篇文章看下来，一路都是强调玩软件，软件这东西，真决定不了命运，中国这种用规模工业一直往上发展的模式才是正途。欧美现在在“高端”（某些人认为的高端，在我看来只是个品牌控）上有着优势，一个是政治问题，这个不用解释，非常好理解。另一个是工业革命以来欧美在工业和基础学科上老本依旧没有吃完，依旧存在着优势，在这个基础上，谈论欧美那蓬勃的IT业才是正常的。
而同样是这点，欧美在基础学科上越来越缺乏可靠核心的人才后备资源（日本就是榜样，一帮子技术骨干都是邵和老汉，人才数量接不上趟），另一方面，工业上持续萎缩。等到这百年积累下来的老本吃完了，下面的时代再谈IT不IT，那是无水的浮萍。
这些东西也许不需要几十年，这10年到20年之内效果就会开始明朗化，区别只在于欧美如何自救。
家园 有意思的是最近看到不少汽车厂开始做这方面的测试了 丰田与奥迪都在开始做。福特与通用还公开了SDK，搞笑的很。这么多年没动静，现在看到google的无人驾驶被笑到了，是不是怕google与Kia的合作让google进入汽车制造领域呢。
这就是google等使用科技手段推动传统产业的手段，你不去做，等我做完了，你就要面临被淘汰的危险。看过苹果这几年对手机业，唱片业，个人电脑业的翻天覆地的作用后，以后大家都有些提心吊胆的了。
家园 不要二十年，现在实时翻译device已经有了 不是google那个，是微软的，一两个月前发布的，你说一句它翻一句。
google的那个放在android上的app也基本上可以达到这个水平，因为自带语音识别（包括中文），已经可以用了，至少我的普通话识别那是相当的准确，翻出几十种语言就是不到一秒的时间。
IBM前两天说人类的五种基本能力，听觉，嗅觉...将是下一代计算机的发展方向。从侧面也说明了人工智能突破的主要门槛在于复制人类的最基本能力上，因为高级逻辑方面，大概人有信心通过海量数据与计算机的处理能力的提高可以轻易超过人类，比如watson那种，不是问题了。
家园 那个微软翻译也看过 要完全取代翻译还需要很长时间。
其实最重要的是，这些技术还需要其它技术（和非技术因素）配合。比如你带着这个翻译软件去国外旅游了，最简单的非技术壁垒就是需要廉价的国际移动数据漫游。