Podcast Script (zh)
[0.120-18.361] SPEAKER_03: Waymo CTO德米特里，谷歌项目到无人驾驶。成就。感谢Trial Labs。 Blinkist摘要、BetterHelp治疗、Cash App转账，看描述。 我在MIT主攻自主和半自主驾驶，迷人且充满未解之谜，涉及机器人和人类。
[18.441-28.495] SPEAKER_03: 心理角度看，学术经历揭示人性弱点，但我选积极。敬佩德米特里和Waymo团队。 自动驾驶汽车载客，无安全员，驾驶座无人。
[28.575-43.484] SPEAKER_03: 驾驶座无人，我认为这是工程学最困难也最不可思议的成就。 21世纪激动人心的人工智能挑战。快速提及赞助商。 接着是一些节目想法。感谢Trial Labs，帮企业用机器学习。
[43.564-51.830] SPEAKER_03: 用机器学习解决实际问题。 Blinkist读摘要，BetterHelp在线疗法。 与持证专业人士合作，还有Cash App转账。
[51.910-65.589] SPEAKER_03: 查看描述中赞助商，获取折扣支持播客。 顺便说，自动驾驶和半自动驾驶曾是重点。 是MIT工作一部分，迷人且充满未解问题。 从机器人和人类两个角度。
[65.669-72.948] SPEAKER_03: 从心理学角度看，我有很多可以说的。 学术经历揭示了不太光彩的一面。 但选择关注积极面和解决方案。
[73.028-84.350] SPEAKER_03: 敬佩德米特里和Waymo团队，不知疲倦地创新建设。 他们的技术定义未来，因为德米特里和像他这样的人。 对未来很兴奋。 说不定我也能贡献点有价值的东西。
[84.430-93.369] SPEAKER_03: 喜欢节目？请订阅YouTube，给苹果播客五星评价。 关注Spotify，支持Patreon，推特 @LexFriedman。 下面是我和德米特里·多尔戈夫的对话。
[93.449-97.454] SPEAKER_03: 你什么时候第一次爱上机器人学，或者说，计算机科学？
[97.754-107.715] SPEAKER_01: 德米特里·多尔戈夫：先是计算机科学，在很小的时候。 小时候。机器人学是后来的。我想我第一次接触计算机很有趣。
[107.795-119.419] SPEAKER_01: 80年代末有了第一台电脑，我记得是IBM的。 你记得前面有涡轮按钮的那种吗？ 涡轮按钮。 按下去，机器就跑得更快。 那时候已经有软盘了吗？ 对对对，有那种3英寸的软盘。
[119.499-122.807] SPEAKER_01: 对，我觉得那很酷。 嗯，那挺酷的。
[123.107-128.714] SPEAKER_03: 5.4英寸的那种。 我觉得还有更大的。 所以从某种尺寸，到5英寸，再到3英寸。
[129.014-137.140] SPEAKER_01: 对，我觉得那是5英寸的。 可能之前是大盘子，我没搞懂。 但肯定不是三英寸的。 总之，我们买到了那台电脑。
[137.440-141.085] SPEAKER_02: 头几个月我都在打游戏， 预料之中。
[141.385-147.445] SPEAKER_01: 玩腻了我就开始瞎折腾。 试着让它干点别的。 于是开始学编程。 几年后，有一个阶段，
[147.525-149.220] SPEAKER_01: 我居然写了个小游戏。
[149.520-152.271] SPEAKER_02: 有个日本游戏开发者，
[152.571-157.540] SPEAKER_01: 真的出价几百美元想买， 但对一个俄罗斯小孩， 那可是大事。
[157.840-162.588] SPEAKER_02: 确实是大事。 我没接受这笔交易。 哇，有原则。
[162.888-163.642] SPEAKER_01: 是的。
[163.942-178.132] SPEAKER_02: 我反而，嗯，现在看来， 可能是我最蠢的财务决策。 我反而放了它，有我的理由。 我放网上了。 你们当年叫它什么？ 那是免费软件，对吧？ 不是开源的，但能上传二进制。 你把游戏放网上。
[178.432-183.900] SPEAKER_01: 人们喜欢它就会贡献。 然后捐点小钱，对吧？ 我快速算了一下，当然，
[184.200-190.121] SPEAKER_02: 成千上万人玩我的游戏。 每人给几块钱。 我肯定该这么做。 这可不是我最好的财务决策。
[190.421-199.325] SPEAKER_03: 你那么小就在搞商业模式了。 还记得用什么编程语言吗？ 哦，Pascal。 哪个？什么？ Pascal。 Pascal。 有图形组件，不是纯文本。
[199.625-203.618] SPEAKER_01: 对，大概320乘200，管它呢。
[203.918-208.109] SPEAKER_02: 应该是早期版本，VGA分辨率，对吧？
[208.409-214.713] SPEAKER_01: 其实我觉得这家公司想买它的原因 不是因为图形华丽或实现方式。 可能是这个创意本身。
[215.013-217.961] SPEAKER_02: 嗯哼。 哦，我真正的游戏。
[218.261-230.605] SPEAKER_03: 游戏的点子。 好的。 嗯，有件事很有趣。 我玩过《战斧》这个游戏。 那种简单的图形。 还有那种简单的音乐。 到现在还忘不掉。 不知道是不是童年情结。 不知道《使命召唤》是不是也一样。
[230.685-241.635] SPEAKER_03: 现在对孩子来说也这样。 是的。 但我还是觉得，游戏简单的时候， 其实就是那么简单。 纯净让想象力自由发挥 从而带来更神奇的体验 现在图形越来越好
[241.715-251.734] SPEAKER_03: 想象力似乎不再创造世界 还挺有意思的 就像坐在门廊的老人冲孩子们挥手 说他们没礼貌 但我觉得图形反而妨碍体验 说不好
[252.034-254.739] SPEAKER_02: 翻过来，小鸟
[255.039-256.095] SPEAKER_03: 是啊
[256.395-259.947] SPEAKER_02: 我不确定想象力是否被封闭
[260.247-266.469] SPEAKER_03: 我不知道 对 但这更像《俄罗斯方块世界》那种游戏 它们用最精巧的方式
[266.549-273.352] SPEAKER_03: 制造短期多巴胺快感 我更指的是角色扮演游戏 有故事能让你沉浸数月
[273.432-286.402] SPEAKER_03: 比如《上古卷轴》 这个系列可能是我最爱的。 那次经历真的很神奇。 而且画面挺糟的。 角色都是随机生成的，但我不确定。 它就是这样吸引你。 有个故事。 它就像《上古卷轴》的互动版。
[286.482-294.179] SPEAKER_03: 托尔金的世界，你能生活在里面。 我不知道。 我想念它。 成年人的糟心事之一，就是没有。 你得活在现实世界，不是《上古卷轴》里。
[294.479-304.277] SPEAKER_01: 只要能让你快乐，对吧？ 《我的世界》，对吧？ 《我的世界》就是个好例子。 你创造不是为了画面，而是造自己的世界。 是啊，那游戏太疯狂了。
[304.577-315.690] SPEAKER_03: 你知道，当父母的一个好处。 就是可以拿养孩子当借口，重新玩游戏。 就像父子、父女在一起的时光。 其实你就是跟孩子一起打游戏。 所以说，那时候，
[315.770-324.326] SPEAKER_03: 你梦想过作为创作者和工程师能走多远？ 你怎么看自己作为工程师和爱动手的人？ 或者，你想成为宇航员吗？
[324.626-327.737] SPEAKER_02: 我很想编点关于机器人的
[327.817-333.517] SPEAKER_02: 或者工程学和宇宙奥秘。 但问童年梦想，我想到的不是那些。 所以我来分享真实的故事。
[333.817-338.600] SPEAKER_01: 我四五岁时，跟所有人一样， 会想长大以后要干什么。 我有一个梦想，
[338.680-341.129] SPEAKER_01: 就是当交通指挥警察。
[341.209-345.713] SPEAKER_01: 现在大概没这岗位了。 但在八十年代的俄罗斯，
[345.793-358.264] SPEAKER_01: 你可能很熟悉这个，Lex。 那些警察整天站在路口中央， 双腿叉开，条纹裤一闪一闪的。 他们会拿着指挥棒指挥交通。 而且，我莫名对整个过程着迷。
[358.564-366.342] SPEAKER_02: 就这样，这就是我的梦想。 那是我长大想做的事。 而且我父母都是物理学教授。 他们当时可能担心，这么小的孩子就有这种抱负。
[366.642-371.611] SPEAKER_03: 嗯，挺有趣的，我特别喜欢这个想法。 我有点强迫症，很像工程思维。
[371.691-379.492] SPEAKER_03: 就是想优化，用自动化解决问题。 比如一套规则，遵循它就能高效。 不知道是不是这种特质。 我当然有这种特质。
[379.572-383.043] SPEAKER_03: 像《模拟城市》和工厂建造游戏。
[383.123-387.174] SPEAKER_03: 这些游戏都体现了工程思维。 还是只喜欢那身制服？
[387.474-389.842] SPEAKER_01: 我觉得更多是后者。
[390.142-397.967] SPEAKER_02: 制服和那根指挥棒，让车朝正确方向。 但最终我还是进了交通运输行业。 没有制服，没有。
[398.267-399.660] SPEAKER_01: 没错。
[399.960-405.486] SPEAKER_02: 也许是我对交通指挥棒的迷恋， 让我走上了这条职业道路。
[405.786-410.174] SPEAKER_03: 好的。 你什么时候从编程转到机器人学的？ 那是后来发生的。
[410.474-424.687] SPEAKER_01: 那是研究生毕业之后。 后来，自动驾驶是我第一次真正动手接触机器人学。 但我从来没有那么多动手经验。 在学校和培训中，我学了应用数学和物理。 然后在大学，我做了更多，有点偏理论。
[424.767-439.073] SPEAKER_01: 抽象计算机科学。 研究生毕业后，我才真正涉足机器人学。 实际上是自动驾驶汽车。 那是一个巨大的转变。 什么研究生院？ 我去了密歇根的研究生院，然后在斯坦福做博士后。
[439.153-443.077] SPEAKER_01: 那是我摆弄自动驾驶汽车的博士后阶段。
[443.377-452.003] SPEAKER_03: 是的，我们会回到那里。 让我们回到莫斯科。 第一百集，我和我爸谈了。 我也是和他一起长大的。 我也是和我爸一起长大的。
[452.083-463.556] SPEAKER_03: 所以我忍了他很多年。 他去了FISTIEK，也就是莫斯科物理技术学院。 用英语说有点怪，因为我之前听到的都是俄语。 莫斯科物理技术学院。 对我来说，就像遇到了超级有趣的人。
[463.636-474.853] SPEAKER_03: 小时候，我遇到了一些特别有趣的人。 我觉得那是全世界最好的大学。 全世界最精英的大学。 从那里出来的人，就像是 不仅才华横溢，而且很特别。
[474.933-487.439] SPEAKER_03: 那个地方真的很考验人， 无论技术还是精神。 所以可能只是我把它想得太好了。 我不确定。 或许你可以聊聊这个。 但那是真的吗？ 说你在FISTIEK待过，是真的吗？ 是的，没错。
[487.739-502.672] SPEAKER_01: 六年。 我在那里拿了物理和数学的本科和硕士。 其实挺有意思的，因为我爸， 其实我父母都去过那儿。 我听说过的那些故事， 跟你一样，亚历克斯，从小关于那地方的 还有它多有趣、特别又神奇，
[502.752-506.478] SPEAKER_01: 我觉得那是重要，也许是主要原因， 我想去那儿上大学。 以至于……
[506.558-512.026] SPEAKER_01: 但我从美国回了俄罗斯。 我在美国高中毕业。 你回去了？ 对，我回去了。 哇。
[512.326-515.890] SPEAKER_02: 就是我大学同学的反应， 但可能更强烈一点。
[516.190-518.035] SPEAKER_01: 他们会说我是疯孩子。
[518.335-520.030] SPEAKER_03: 你父母支持吗？
[520.330-526.460] SPEAKER_01: 对。 嗯。 回答你之前那个问题， 他们支持我追寻热情。 还有我感兴趣的事。 这举动很大胆。 哇。
[526.760-528.292] SPEAKER_02: 挺有意思的。
[528.592-533.224] SPEAKER_01: 数学基础确实很硬核。 还有物理，以及那段日子的美好回忆。
[533.524-538.109] SPEAKER_03: 好的。 斯坦福，你怎么进入自动驾驶的？ 我很幸运也很荣幸。
[538.409-552.819] SPEAKER_01: 2006年加入斯坦福的DARPA城市挑战赛团队。 这是DARPA挑战赛的第三场。 之前有两场大挑战赛。 接着2007年办了DARPA城市挑战赛。 那时我在做博士后研究。
[552.899-556.045] SPEAKER_01: 我加入团队，做那场比赛的运动规划。
[556.345-567.620] SPEAKER_03: 好的。 那对于不太了解的人来说， 我知道自动驾驶这行很有意思。 在那个圈子里，所有人都知道。 某个圈子里没人知道任何事 对公众来说 所以挺有意思的 聊什么是个好问题
[567.700-576.256] SPEAKER_03: 但城市挑战值得再审视 这是个有趣的小挑战 首先它激发了很多聪明大脑 专注于当今最棘手的问题之一 在AI领域
[576.336-587.867] SPEAKER_03: 所以这个小挑战是成功的 但你能说说 这个挑战是关于什么的 那么有行人吗 有其他车吗 目标是什么 团队里都有谁 花了多长时间 规格有啥有趣的 当然当然
[588.167-597.791] SPEAKER_01: 所以挑战是怎么设计的 简单说点背景， 像我说的， 这是系列的第三场。 前两次叫大挑战赛。 那次目标是静态驾驶。 你得在沙漠开。 那次很成功。
[597.871-610.003] SPEAKER_01: 接着DARPA推出了城市挑战赛， 目标是造车， 能在更动态环境运行， 和其他车共用。 那边没行人。 DARPA找了个废弃空军基地。 像个小假城市，
[610.083-619.301] SPEAKER_01: 那是他们建的。 他们有一群机器人。 你知道，有自动驾驶的车， 全部同时进行， 跟专业司机开的车混在一起。 每辆车都有任务。
[619.381-633.896] SPEAKER_01: 所以他们一开始只拿到一张大概的地图。 他们有个任务。 你到这里，然后到那边，再到这儿。 他们几乎是同时待在同一个环境里。 他们必须互相配合。 他们还得跟人类司机打交道。 所以这是第一个非常初级的
[633.976-641.534] SPEAKER_01: 自动驾驶汽车的版本。 能在同一个环境里运行。 和其他动态角色一起共处。 就像你说的，其实在很多方面 让整个行业起步了。
[641.834-645.676] SPEAKER_03: 好，那团队里都有谁？ 你当时表现怎么样？我忘了。
[645.976-656.157] SPEAKER_02: 我拿了第二。 可能那就是我对团队的贡献吧。 我觉得斯坦福在DARPA挑战赛拿了第一。 但后来我加入了这个团队。 你就是那个代码里有bug的人。
[656.457-668.499] SPEAKER_03: 我是说，你还记得些什么？ 有没有特别难的事？ 或者那些很棒的事之一 这可不是产品 这不是那种东西 你有更多自由去尝试 所以你可以冒险 所以你可以犯错
[668.579-677.298] SPEAKER_03: 有没有有趣的错误？ 有没有让你印象深刻的挑战？ 比如教会你什么？ 一个很好的技术教训 或者当时的深刻哲学教训？
[677.598-685.759] SPEAKER_01: 绝对是段难忘的时光 算不上挑战 但却是最生动的记忆之一 从那时留下的 而且我觉得那一天 让我真正迷上这个领域
[685.839-697.509] SPEAKER_01: 那是我第一次在车上跑我的软件 我那时就在做这个 我在研究规划算法的一部分 这个算法要在停车场里导航 所以说，就像这样 叫做自由空间运动规划 所以第一个版本是
[697.589-711.395] SPEAKER_01: 我们在车上试过 我半夜在斯坦福校园 而且我有个小小的 用锥形桶搭的路线 在停车场中间 所以我们凌晨三点在那 等我们把代码弄好 编译然后启动 然后它开动了 它做得挺不错的
[711.475-720.461] SPEAKER_01: 我当时当然有很多bug 和各种问题 但真的太神奇了 我记得回去后 深夜想睡 而且，就是睡不着。 整晚剩下的时间。 我完全震撼了。
[720.541-735.474] SPEAKER_01: 从那以后我一直这么做。 十多年了。 说到挑战，有趣的回忆。 比如比赛那天， 非常紧张。 我记得和迈克·蒙特马洛站在一起， 他是软件负责人，写了大部分代码。 我只做了规划器一小部分。
[735.554-749.418] SPEAKER_01: 迈克几乎完成了剩下的所有工作。 还有一群其他了不起的人。 但我记得比赛那天站在那里， 和迈克一起看着赛车。 而且赛车完全是空的，对吧？ 它们都在比赛开始时排好队。 然后DARPA派它们，
[749.498-763.792] SPEAKER_01: 一个接一个执行任务。 然后离开。 而且它们有这些警笛声。 每个声音都不同，对吧？ 每个警笛都有自己的个性。 然后它们就出发了。 你看不到它们。 你只是时不时地， 它们稍微靠近观众。 隐约能听到你的车声。
[764.092-773.751] SPEAKER_02: 它似乎在前进。 那给了你希望。 然后它消失，很久听不到。 你开始焦虑，对吧？ 就像送孩子上大学。 你有点在他们身上投资。 你希望。
[774.051-778.613] SPEAKER_01: 你把它建好。 但它仍然让人焦虑。 那几天很有趣。
[778.913-787.295] SPEAKER_02: 关于你提到的bug， 有个bug让我丢了第一名。 这点还有争议。 我偶尔和CMU的人争论。 说起来，CMU先成立的。 CMU？没听过。
[787.595-791.542] SPEAKER_01: 不过，是啊。 是个不太出名的小学校。
[791.842-793.769] SPEAKER_03: 其实这是个巧合。
[794.069-797.134] SPEAKER_01: 他们正好在机器人领域做成了。
[797.434-813.957] SPEAKER_03: 不过风景很美。 所以很多人去那儿看风景。 是啊。 没错。 校园很美。 没错。 我道歉。 不像斯坦福。 所以对大家来说，确实如此。 不像斯坦福。 不了解的人可能不知道， CMU是世界顶级的机器人和AI大学。 卡内基梅隆大学。 好的。 抱歉。
[814.257-816.509] SPEAKER_02: 请继续。 很棒的公益广告。
[816.809-829.698] SPEAKER_01: 我参与的部分中， 就是导航停车场， 然后你知道， 任务这部分是这样：你 在停车场内， 你会从DARPA拿到地图轮廓。 基本上你会得到， 一个大多边形，就是停车场边界。
[829.778-841.437] SPEAKER_01: 还有一个入口， 也许有多个出入口。 然后在这个开放空间里给你一个目标， XY坐标和方向， 就是车要停的位置。 没有障碍物的信息。 所以它得自己导航。
[841.517-848.703] SPEAKER_01: 入口到停车位那块全是空地。 然后车停在那儿， 它就得开出去，同时， 当然， 实时处理所有遇到的障碍。
[848.783-859.954] SPEAKER_01: 所以我们的理解， 至少我理解是必须倒车出来。 我们的车就这么做的， 就算前面没障碍。 但CMU的车没这么干。 它直接开出去了。 所以还是有争议。 当然，你知道，
[860.034-868.915] SPEAKER_01: 如果停下倒车再走别的路， 会花点时间，对吧？ 所以争议还在， 你知道， 是不是我实现太差多花了时间， 还是因为， 你知道，其他原因。
[869.215-884.008] SPEAKER_02: CMU违反了比赛的关键规则。 而且，你知道， 我有自己的看法。 至于其他漏洞， 以及，像是， 我为在节目上分享这件事向Mike Montemarila道歉， 但这其实是更令人难忘的事之一。
[884.088-888.139] SPEAKER_02: 而且从那以后，它成了个比喻和行业标签。
[888.439-892.804] SPEAKER_01: 我认为， 至少在某些圈子里， 它被称为胜利圈或胜利巡游。
[893.104-899.350] SPEAKER_02: 而我们的车做到了这一点。 所以城市挑战赛的一项任务中， 在其中一个赛道上，
[899.650-915.813] SPEAKER_01: 起点和终点线旁边有个大椭圆形区域。 而且， 你知道， 在比赛起点旁有个大椭圆形区域。 所以DARPA负责人， 很多任务都会在同一位置结束。 而且超酷，你可以看到车子经过 你知道 算是完成那部分 旅程的一段 任务的那一段 然后 你知道 继续 你知道
[915.893-922.975] SPEAKER_01: 完成剩下的部分 而其他车会 你知道 过来 到达它们的航点 并且 你知道 退出椭圆轨道 然后它们离开 我们的车 另一方面
[923.275-929.904] SPEAKER_02: 它到了检查点， 它会多绕一圈椭圆赛道， 之后才， 它才离开，继续愉快旅程。
[930.204-947.377] SPEAKER_01: 所以整个过程中， 你知道， 一整天， 它攒了些额外时间。 问题是我们有个bug，导致它不会， 你知道， 开始推算下一航点并规划路线，直到 它到了前一个点。 而在那种情况下， 到了那个点时， 我们来不及想下一点和变道了。 所以每次我们都多绕一圈。 所以，
[947.457-950.069] SPEAKER_01: 你知道， 这就是斯坦福的胜利圈。
[950.369-952.098] SPEAKER_02: 胜利圈。
[952.398-962.997] SPEAKER_03: 哦， 那是， 我觉得这里有点哲学深意。 不知怎么地。 但我的意思是， 最终， 那种比赛里，每个人都是赢家。 这也促成了谷歌自动驾驶项目和Waymo。
[963.077-976.791] SPEAKER_03: 那，能概述下Waymo怎么诞生的吗？ 谷歌自动驾驶汽车项目是怎么诞生的？ 它的使命是什么？ 希望是什么？ 它是什么？ 是那种工程性的， 它试图达成的一系列里程碑吗？ 这里面有很多问题。
[977.091-979.900] SPEAKER_02: 是的。 我不知道。
[980.200-996.180] SPEAKER_01: 但你说得对。 有点， DARPA城市挑战赛和DARPA 你知道 之前的DARPA大挑战赛算引领了 我觉得 到一个非常大的 你知道 程度到了下一步 然后 你知道 拉里和谢尔盖 拉里·佩奇和谢尔盖·布林 谷歌创始人 当然 看到了那场比赛并 你知道 相信这项技术 所以 你知道
[996.260-1011.285] SPEAKER_01: 谷歌自动驾驶汽车项目诞生了 你知道 当时， 我们2009年开始的。 那是个， 你知道， 我们人不多， 大概十二个人， 大家聚在一起， 为了做研究， 谷歌这个项目。 当时， 我们看到一个， 你知道， DARPA城市挑战赛的早期成果，太不可思议了。
[1011.365-1019.410] SPEAKER_01: 我们都对成就兴奋不已， 我们相信这项技术的未来， 但我们仍然有一个非常， 你知道， 对项目的初步理解。 对问题领域的理解。 所以说呢，
[1019.490-1032.693] SPEAKER_01: 这个项目2009年首要目标，是真正搞懂我们面对什么。 而且， 你知道， 带着这个目标， 项目启动时， 我们设了几个里程碑，想最大化学习效果。 可以这么说吧。 这两个里程碑是， 你知道，
[1032.773-1045.442] SPEAKER_01: 一个是自动驾驶跑10万英里， 这当时是， 在当时， 你知道， 比任何人之前做的都多。 第二个里程碑是跑10条路线。 每条路线100英里长。 特意挑了有点挑战性的， 你知道，
[1045.522-1056.414] SPEAKER_01: 更复杂，采样了全部复杂性， 那个， 那个领域。 你得全程自己开，不能有任何干预。 没人干预。 所以你会到路线起点。 你会， 你知道， 按下自主启动按钮，然后你得 你知道，
[1056.494-1067.711] SPEAKER_01: 开100英里， 你知道， 全程没干预。 它采样了， 再次， 所有复杂路况。 有些在高速上。 有条路线穿过湾区所有高速和桥梁。 你知道， 有些路线绕太浩湖和山路。
[1067.791-1075.070] SPEAKER_01: 有些路线穿过密集城区。 比如帕洛阿尔托市中心和旧金山。 这工作挺有意思的。 我们花了不到两年时间 大概一年半
[1075.150-1089.177] SPEAKER_01: 稍微多一点完成了两个里程碑。 这个过程中 嗯 带来了很大乐趣 可能是我职业生涯最开心的一段。 而且学到了很多。 你是 你知道 你不是个原型。 你还没开始建生产系统。 对吧？ 所以你只是
[1089.257-1092.531] SPEAKER_01: 你是 你知道 这时候你有点 你知道
[1092.831-1110.236] SPEAKER_03: 全天候工作，而且 你知道， 把东西拼凑起来。 而且你不知道有多难。 我是说， 关键就在这里。 比如说， 所以呢， 就是说， 那目标挺宏大的， 如果我也那么想的话， 就算这样， 也是一套宏伟的目标。 就拿这两个来说， 只是挑选 十个不同的难题， 刺激的挑战，
[1110.316-1118.640] SPEAKER_03: 然后不加干预。 所以不能慢慢来， 我们要像， 你知道， 十年里 会有很多路线 干预会越来越少 你知道 说白了比如 尽快 希望降到零
[1118.720-1125.906] SPEAKER_03: 在硬路面上 所以 所以对我来说 如果面对那情况 不清楚要两年 还是二十年 我是说 用了不到两年
[1126.206-1127.076] SPEAKER_02: 我想
[1127.376-1129.024] SPEAKER_01: 说明差距很大
[1129.324-1132.888] SPEAKER_02: 一次性完成一件事 跟原型之间
[1133.188-1148.910] SPEAKER_01: 而你追求的目标 你知道， 了解问题 和产品工程怎么做 那就是， 你知道， 你看的地方， 你知道， 你有没有正确评估， 你看指标， 你， 你知道， 降低 而且你有信心做到 我想这就是， 你知道， 为什么需要十几个人 来， 你知道， 来，
[1148.990-1161.313] SPEAKER_01: 你知道， 到了 你知道 做原型 那很简单 你知道 16个月 或者再多一点 2009年和2010年 还有利用技术 的 你知道 十多年前 那么多时间 来实现 那个里程碑 的 你知道 10条路线
[1161.393-1168.637] SPEAKER_01: 每条100英里 而且没有干预 而且啊， 你懂的， 它呢， 多花了点时间 才做到， 你懂的， 全无人驾驶的车 客户用上了。
[1168.937-1182.918] SPEAKER_03: 对， 又一个重要时刻。 有没有什么 技术教训 或者只是， 比如学到了啥 关于开车的 从那次经历中？ 我是说， 我们可以 现在可以聊聊 比如学到了啥 来自现在的Waymo 但我觉得 你可能学到了
[1182.998-1199.486] SPEAKER_03: 一些深刻的东西 在那些早期日子里 更是如此 因为感觉 现在的Waymo 正在努力 你知道 如何规模化 如何确保 你创造产品 如何确保 它是安全的 你知道 那些事情 这都是迷人的挑战 但就像你当时面对 更根本的 哲学问题
[1199.566-1214.487] SPEAKER_03: 驾驶 在那些早期日子里 比如 驾驶到底是什么鬼 作为一种自主的 或者也许我是 再次 把它浪漫化 但是 有没有 有没有一些 宝贵的教训 你学到了 在那儿 在那两年里 很多 最重要的一点 就是
[1214.787-1226.620] SPEAKER_01: 你知道 它就是 你知道 这很可能 我们相信 那是可行的 而且我们 我们已经 足够远 进入问题 那个 你知道 我们有个 我觉得 只有一瞥 真正复杂性 那个的 那个 那个领域
[1226.700-1240.901] SPEAKER_01: 你知道 这有点像 你知道 爬山的时候 你会有点 你知道 看到下一个山峰 然后你想 那大概就是山顶了 但当你到那儿 你就会发现 这仅仅 是旅程的开始 我们已经取得了 够快的 成功 甚至 你知道 靠技术 在2009年
[1240.981-1245.532] SPEAKER_01: 2010年 这给了我们信心 然后， 你知道， 追求这个 作为一个真正的产品
[1245.832-1254.434] SPEAKER_03: 所以， 好的， 那么下一步， 你提到 那些里程碑 你拥有的 在这两年里 什么是 下一个里程碑 然后导致了 到创建
[1254.734-1268.924] SPEAKER_01: Waymo及以后？ 是的， 我们有一个， 这是一段很有趣的旅程 并且， 你知道 几年后 然后 你知道 我们完成了 那些里程碑 在2010年 那是个转折点 当我们决定 专注于 实际上 做一个产品 你知道 用这个技术 最初的
[1269.004-1281.557] SPEAKER_01: 几年 在那之后 我们专注于 在高速公路上 你知道 你说的 一个驾驶辅助系统 也许 你知道 一个L3级驾驶辅助 程序。 然后2013年左右 我们了解到 足够多 这个领域 而且 你知道 更深入 关于 你知道
[1281.637-1291.809] SPEAKER_01: 产品 我们想 打造 我们转型了。 我们转型了。 朝向 这个愿景 的 你知道 打造一个驾驶员 并部署它 完全无人驾驶车辆 在没人的情况下 这就是那条路 我们一直
[1292.109-1304.081] SPEAKER_03: 从那时起沿着它走 并且非常 这完全是 正确的决定 对我们来说 所以有那么一个时刻 你也 考虑过 比如说 并不是来自 一开始 很明显 你想去 完全自动驾驶
[1304.381-1317.549] SPEAKER_01: 从最开始 并不是这样 我觉得是在 大概2013年 也许 我们 变得 很清楚 我们做出了 那个转变 而且也变 很清楚 而且它 你用的方法 做驾驶辅助系统 辅助系统 对， 你知道， 完全不同 跟你怎么做
[1317.629-1332.678] SPEAKER_01: 造一个完全 无人驾驶车。 所以， 你知道， 那件事 我们一直在 努力做 从那以后。 而且， 所以那是 大概在2013年。 然后， 有一系列 真正的 有意义的事 对我们来说， 这非常重要 这是个定义性的里程碑 从那以后 在
[1332.758-1344.277] SPEAKER_01: 2015年 我们 有了 我们的第一次 实际上 世界上 第一个 完全 无人驾驶 行程 在 公共道路上 那是 在一辆定制 汽车上 你们一定见过那些 我们叫它们 萤火虫， 那个， 你知道，
[1344.357-1357.966] SPEAKER_01: 长得怪怪的， 像棉花糖一样的东西。 我们 放 一位乘客， 他叫 史蒂夫·曼， 你知道， 我们的项目 很早就有的 好朋友。 他刚好 是个盲人。 所以， 我们让他 坐上那辆车。 这辆车有 没方向盘 没踏板 完全不受控
[1358.046-1370.749] SPEAKER_01: 环境 你知道吗 没引导 在德州奥斯汀 所以说那是个 一个很重要的里程碑 但那是奥斯汀吗 是的 酷 好的 而且 你知道吗 我们只是 但那时候 我们只是 它花了很多 从工程学讲 需要大量 验证 才能到那一步。
[1370.829-1384.995] SPEAKER_01: 不过， 你知道， 我们只做了它 几次。 我们就做了那一次。 这是固定路线。 它不是一种 受控环境， 但这是固定路线 我们只做了它 几次。 然后， 在 2017年 是我们创立 Waymo， 公司。 那时就是 我们有点 那是下个阶段
[1385.075-1399.323] SPEAKER_01: 这个项目 我想要的 我们相信 在某种程度上 商业 愿景 这项技术 而且合理的是 去创建 一个独立实体 你知道 在Alphabet的 保护伞下 去追求 这个产品 大规模实现 除此之外， 2017年， 2017年底， 这是另一个
[1399.403-1414.730] SPEAKER_01: 真正 巨大的 对我们而言的一步， 一个重要的里程碑 我们开始的地方， 我想那是 2017年10月， 当时， 当我们 开始 常规 无人驾驶 运营 在公共道路上。 第一天， 的运营 我们开着车 一天之内 第一天
[1414.810-1422.890] SPEAKER_01: 开了一百英里 全程无人驾驶 然后我们 这个里程碑 最重要的是 并不是 你知道 一天开一百英里 而是开始了 一种常态化 持续的
[1423.190-1424.722] SPEAKER_03: 无人驾驶运营
[1425.022-1439.850] SPEAKER_01: 所以 无人驾驶 就是没有司机 没错 所以 第一天， 我们其实混着来。 还有， 有时候， 我们不想， 比如， 你知道， 在YouTube上 还有Twitter上 同一天。 所以， 很多次出行时， 我们有个人 在驾驶座上， 但没法放手。
[1439.930-1444.063] SPEAKER_01: 比如， 车 没放手。 但， 其实， 第一天， 有些路程
[1444.363-1459.249] SPEAKER_03: 是开在 完全 随机的地方。 而且， 我觉得大家没意识到， 你知道， 经常 当你谈到 自动驾驶车时， 那就是， 通常有个司机 坐在位子上 随时准备 接手 也就是 安全司机。 然后， Waymo 真的是 其中一个
[1459.329-1473.739] SPEAKER_03: 就这一家公司 至少就我知道 或者至少 作为 像 大胆地 还要小心地 等等 还有这些 就是 其实有例子 而现在 简直就有 没司机 所以 那是另一个 这个 有趣的案例 关于驾驶员座位 不能脱离,
[1473.819-1489.065] SPEAKER_03: 那是个不错的 中间地带。 他们还在那里, 但他们不该 脱离。 但是, 实际上, 有一种情况 当没有的时候, 好吧, 有一种神奇的东西 关于没人在 驾驶员座位上。 比如, 就像, 对我来说, 你提到了, 第一次 你写了一些 代码
[1489.145-1500.676] SPEAKER_03: 为了空余空间 停车场 那是 比如 一个神奇的时刻 对我来说 只是有点 作为观察者 机器人 第一个 神奇时刻 是看到 一辆自动车 车辆 转弯 比如 左转 比如 用足够的 扭力
[1500.756-1513.506] SPEAKER_03: 到转向 车轮 到某个地方， 比如， 有很多 在转。 不知为啥， 而且没人 在驾驶座上， 不知为啥， 那， 比如， 有个东西 有力量 做决定。 有种东西， 比如， 方向盘， 因为我们可能 浪漫化这个概念
[1513.586-1528.809] SPEAKER_03: 关于方向盘 它太重要了 在我们的概念里 我们二十世纪 对汽车的理解 而它 转动方向盘 没有人在 驾驶座上 那 对我来说 我觉得可能 对别人 它真的很强大 比如 这东西在掌控之中 然后还有 这种信任飞跃 你给的。 比如说，
[1528.889-1545.238] SPEAKER_03: 有这么个东西 被控制着。 所以说， 这么说吧， 如果没有司机 在驾驶座上， 那一刻真神奇， 对机器人来说。 所以说， 我呢， 有机会 去， 去年， 坐 一辆Waymo车。 那正是 神奇一刻。 有一个， 就像， 驾驶座没人。
[1545.318-1552.899] SPEAKER_03: 这是， 就像， 那些小细节。 你会觉得 这不重要 有没有司机 或者没有。 但是， 就像， 我不知道。 这很神奇。
[1553.199-1566.367] SPEAKER_01: 这太神奇了。 就像， 我坐过很多 这种行程 在完全空的 空车里。 车里没人。 提出来。 你知道， 你用手机叫它， 它就来了。 你上车。 它载着你 上路。 车里没有别人 只有你， 对吧？ 这就叫， 你知道，
[1566.447-1583.876] SPEAKER_01: 完全无人驾驶。 也就是 我们的纯乘客模式。 是的。 它， 操作模式。 嗯。 它， 就像是， 这真的太 太有变革性了。 这是骑手们说的 都是他们反馈的。 它呢， 有点， 确实改变了 你的感受。 还有， 就像是， 那确实是
[1583.956-1600.456] SPEAKER_01: 释放了 真正的潜力 这项技术的。 不过， 你懂的， 说回我们的旅程， 你也知道， 那是2017年。 刚开始时， 你瞧， 真正无人驾驶运营。 然后， 2018年， 我们 推出了 咱们的 公共 商业服务 2019年。 我们开始
[1600.536-1613.994] SPEAKER_01: 提供 真正的无人驾驶 只载乘客 行程 给咱们的 早期乘客 群体 用户。 然后 你知道 2020年 也一直是 一个相当 有趣的一年 最早的事之一 和技术关系不大 更多是关于 成熟 和成长 Waymo的
[1614.074-1627.927] SPEAKER_01: 作为一家公司 我们 筹到了 我们的第一轮 一轮 外部融资 今年 获得了 你知道， 资源很多。 但随着， 某种程度上， Waymo的成熟过程 作为一家公司， 对我们来说很合理， 你知道， 部分转向外部 在这一轮。 所以， 你知道，
[1628.007-1641.291] SPEAKER_01: 我们筹到了 大概32亿美元 来自， 你知道， 那一轮。 我们也， 你知道， 开始投入 我们第五代 的 我们驾驶系统 我们硬件 那就是 在新车上 但这也是 一个性质上的 的 自动驾驶 硬件 那是
[1641.371-1646.432] SPEAKER_01: 那 现在是 在JLR节奏上 所以那是一个非常 对我们重要的一步 硬件， 规格，
[1646.732-1659.691] SPEAKER_03: 第五代。 我觉得会挺有意思的。 也许， 抱歉。 要是我打扰了， 不过 或许聊聊 或许几代人 重点看 关于哪些 我们聊的 在第五代中 关于 硬件规格。 比如这车有啥？
[1659.991-1673.658] SPEAKER_01: 当然。 所以， 我们分开了， 你知道， 硬件 我们开的这辆。 从自动驾驶说起 装在上面的硬件 现在 我们有 所以这是 像我提到的 第五代 你知道 我们经历过 我们一开始 你知道 造我们自己的 硬件 你知道
[1673.738-1684.108] SPEAKER_01: 很多 很多年前 而且 那个 你知道 Firefly车辆 也有 硬件套件 主要是 你知道 设计的 工程的 内部建造的 所以 你知道 我们有 很多硬件 从头开始 所以 在第五代
[1684.188-1697.309] SPEAKER_01: 我们的 驱动器 我们的 自动驾驶 硬件 我们所 我们切换到 现在 我们有 和上一代一样 在感知上 我们有 激光雷达 摄像头 还有雷达。 我们还有 一台强劲的计算机 它处理 所有这些信息 然后做出，
[1697.389-1707.663] SPEAKER_01: 你知道 决策 质的 飞跃 在……方面 能力 和 各种参数 还有规格 硬件的 跟以前我们有的比 和…相比 你能 从…上得到的 现在市面上的货架
[1707.963-1711.028] SPEAKER_03: 意思是从五到四 或者从五到 第一？
[1711.328-1714.300] SPEAKER_01: 当然是从 一到五， 但也从四 这问题太蠢了 当然
[1714.600-1716.829] SPEAKER_02: 从四到五
[1717.129-1718.336] SPEAKER_01: 好的 还有
[1718.416-1722.642] SPEAKER_01: 这个 最后一步 向前迈了一大步。 那么， 它是内部制造的吗？
[1722.942-1726.030] SPEAKER_03: 那么， 比如说， 激光雷达是内部制造的 而
[1726.330-1744.142] SPEAKER_01: 摄像头 也是内部制造的吗？ 你知道， 情况不同。 你知道， 我们和合作伙伴合作 而且有些组件 ， 你知道， 我们， ，你知道， 从我们生产中拿。 还有， 你知道的， 供应链的伙伴。 到底是什么， 是内部的， 有点不一样。 如果你， 我们做了很多，
[1744.222-1760.803] SPEAKER_01: 你知道， 定制， 设计， 全部， 在我们电脑上。 所以， 基本上， 有， LiDAR是， 几乎， 你知道， 专门 里面 还有一些技术 我们有的， 那里的基础技术 完全是独有的 对Waymo来说。 那是 也基本对
[1760.883-1764.830] SPEAKER_01: 雷达方面 还有摄像头。 这更像是， 混合 我们自己做的
[1765.130-1783.836] SPEAKER_03: 相比我们从...拿到的 合作伙伴。 有没有什么 超级酷 计算机方面 你能提到的 那不是最高机密吗？ 比如， 我们喜欢电脑 因为， 我是说， 你看， 有， 有很多 涉及机器学习 但是有很多 只是基本的计算。 有， 你必须 可能要做很多
[1783.916-1795.470] SPEAKER_03: 信号处理 在所有不同的 传感器上。 你必须整合 一切都必须 实时。 可能会有一些 某种多余的 这种情况 有没有什么 说说有趣的事 关于这台电脑 对用户来说
[1795.770-1799.636] SPEAKER_02: 喜欢 硬件呢 它确实有
[1799.936-1812.465] SPEAKER_01: 所有功能 计算能力很强 用于通用处理 还有 你懂的 推理 和机器学习模型 它更偏向于 敏感的东西 你懂的 我不想陷进去 因为知识产权 但没错 它可以 我们分享了一点 关于规格 传感器 我们有的
[1812.545-1829.405] SPEAKER_01: 在车上 你知道 我们其实分享了 一些视频 我们的 激光雷达 看到的 激光雷达 在全球看到的 我们有29个摄像头 我们有五个激光雷达 我们有六个雷达 就在这些车上。 而且你可以稍微 感受到 海量的 数据 它们正在产生的。 这些都必须要 实时处理，
[1829.485-1838.447] SPEAKER_01: 用来 你懂的， 感知， 进行复杂推理。 这让你 对计算机有多强 有个概念。 但我不想讲 具体细节 关于怎么造它们的。
[1838.747-1855.711] SPEAKER_03: 好，那 让我再试试。 你没法深挖的问题 说到具体细节 像GPU那些。 这是不是 你能深入聊聊吗？ 你知道， 我知道谷歌有 用了GPU什么的。 我的意思是， 有没有啥 或者没啥， 我该怎么说呢？ 我一直在和 人 在政府里 聊UFO
[1855.791-1871.353] SPEAKER_03: 他们不 回答任何问题。 所以这就是， 这就是我的感受。 现在 你在问GPU的事 但有没有什么 有趣的 能透露的 或者只是 你知道 或者留给 我们想象 一些 计算资源 有没有什么 我猜 有没有什么 有趣的把戏 比如
[1871.433-1886.725] SPEAKER_03: 我聊过Chris Lattner 之前 他是关键 和TPU有关的人 而且还有很多 有意思的东西 在谷歌做 就是 硬件 优化 机器学习来说 有没有啥 你能透露一下 关于 多少 你提到定制 有多少定制 是用在 硬件 的机器学习上
[1887.025-1892.052] SPEAKER_02: 用途 我会像 那个政府一样 你知道 人 敌人的身体 但我
[1892.352-1901.291] SPEAKER_01: 你知道 我想我 你知道 这真的很 计算 真的很重要 我们有 非常 数据饥渴 和计算饥渴 的机器学习模型 遍布 我们的技术栈 这就是 你知道
[1901.591-1902.879] SPEAKER_03: 两者都
[1903.179-1917.392] SPEAKER_01: 你知道 Alphabet的一部分 还有设计 我们自己的传感器 还有整个 硬件套件 一起 在哪里， 你知道， 一方面 你可以访问 比如 非常丰富的 传感器原始数据 你可以传输 从你的传感器 进入你的 计算平台 然后构建， 比如，
[1917.472-1931.464] SPEAKER_01: 构建整个管道 传感器传来的 传感器原始数据 再到大型计算 然后有 巨大的算力 来处理所有数据 而这就是 我们发现 有很大控制权 对此， 那个硬件 堆栈的一部分 确实很有优势 有一个迷人的，
[1931.764-1946.569] SPEAKER_03: 神奇的地方 对我来说， 再说， 可能没法 讲细节， 但 它是 这是另一种计算方式 这就像是 你知道 一辆车 但是 这个 你知道 驾驶体验 是数据来源 大量有趣的数据 而且你有 海量数据 车辆数据涌入
[1946.649-1962.150] SPEAKER_03: 在车辆上 而且 你知道 基础设施 存储的 其中一些数据 然后训练 或者分析 等等 这个很迷人 就像 其中的一部分 那个 我理解 一辆车 我不明白 你怎么把这一切整合在一起的 用一种优雅的方式 这是不是 你可以谈一谈
[1962.230-1976.721] SPEAKER_03: 关于挑战 的 嗯 关于看到 车网络 然后带来 取回数据 还有分析事情 那个, 比如, 比如边缘情况 驾驶方面 用它们学习 来改进系统 为了, 看看事情在哪 出错了, 事情顺利的地方 再分析 之类的东西。
[1976.801-1979.575] SPEAKER_03: 有什么东西? 有趣的东西在那儿
[1979.875-1992.927] SPEAKER_01: 在, 从工程角度看? 哦, 有个不可思议的, 呃 大量的 很有趣的工作 正在那里进行的 这个 你知道 实时操作 那个车队 还有信息 他们交换的 彼此之间 实时地 来做出 你知道 更好的决定 还有
[1993.007-2008.625] SPEAKER_01: 关于那种 离线组件 你需要处理的地方 处理大量的工作 这个数据 用来训练 你的机器学习模型， 评估机器学习模型， 呃， 用来， 你知道， 模拟 整个系统 还用于， 你知道， 评估你的整个系统 这就是 它真的， 呃， 有优势
[2008.705-2022.151] SPEAKER_01: 因为我们消耗 数量惊人 的， 你知道， 给机器学习基础设施做计算。 呃 我们建了很多 自定义框架 来 你知道 擅长 你知道 呃 你知道 在数据挖掘上 呃 找到 有趣的边缘案例 用来训练 和评估
[2022.231-2026.457] SPEAKER_01: 系统的 呃 为了 呃 训练和 和评估 一些组件
[2026.757-2041.899] SPEAKER_03: 的ML。 是的。 你提到 车辆通信 彼此 基本上， 我是说也许通过 通过一个中心点 但是， 呃， 那也很吸引人。 那对你有多大帮助？ 比如你想象一下， 你知道， 现在这个数量 的Waymo车辆 是多少， X。 我不知道 你能说话吗？
[2041.979-2058.189] SPEAKER_03: 对那个数来说， 但它是， 它不在几百 还没到百万 想象一下 如果全世界 都是Waymo的车。 呃， 就像这样改变了 可能 连接性 的数量。 就像车越多 你有的， 其实我觉得 你看凤凰城 因为那里车够多， 嗯 有足够的 当有一个
[2058.269-2075.384] SPEAKER_03: 类似某种程度 的密度 你可以开始 可能去做 一些非常有趣的事 利用这样一个事实 汽车能协商 可以是 嗯 可以沟通 彼此之间 从而 做决定 有没有什么东西 有趣的地方 那 你可以聊的 差不多像 那有什么帮助 单独一辆车
[2075.464-2077.751] SPEAKER_03: 解决驾驶 问题本身？ 呃
[2078.051-2090.058] SPEAKER_01: 对 这是 这是 这是个范围 我 呃 首先我说 你知道 这是 它 它有帮助 呃 而且有帮助 以各种方式 但没必要。 嗯， 现在， 这个， 我们构建的方式 我们的系统，
[2090.138-2104.920] SPEAKER_01: 像每辆车 可以独立运行， 它们能运行， 无需联网。 嗯， 每辆车都行。 嗯， 然后， 你懂的， 它们会共享信息， 嗯， 而且， 实时共享。 它真的， 真的很有帮助 对吧？ 所以我们呢， 嗯， 今天这么干， 对，
[2105.000-2121.244] SPEAKER_01: 嗯， 就是说， 只要有辆车， 嗯， 碰到什么， 有意思的， 不管是事故 还是施工路段， 信息马上就 收到， 嗯， 就是说， 从空中上传， 然后传开。 通知车队其他人。 所以 嗯 那个 这是个巨大优势 我们的
[2121.324-2132.121] SPEAKER_01: 嗯 司机们 嗯 我们车队的 嗯 那就是 那个 分布在车队里 而且它更新 嗯 实时 所以 这个用途 嗯 情况 呃 你知道吗 想象一下，随着 你知道吗 嗯
[2132.201-2147.424] SPEAKER_01: 密度 车辆越来越多 它们可以交换 更多信息 来帮助 你知道吗 如果密度足够 这些车辆 那里 你知道吗 一辆车可能看到 另一辆车 和另一辆车有关 嗯 那非常动态。 你知道， 这不是一部分， 有点， 你更新静态 先验，
[2147.504-2154.446] SPEAKER_01: 呃， 世界地图， 但它更像动态的 信息可能 跟决策相关， 另一辆车正在做的， 实时。 所以能看到它们 交换这些信息，
[2154.746-2162.605] SPEAKER_03: 你可以基于此构建。 但同样， 呃， 我， 当我有机会时 开车 呃 一趟车 在 在Waymo里 呃 你懂的 有客服
[2162.685-2174.596] SPEAKER_03: 就像 有个人 能 呃 动态 比如 介入 而且 呃 帮你 什么 呃 人类是什么角色 在这画面里？ 那真迷人， 就像， 你知道， 远程操作这概念， 能远程 控制一辆车。
[2174.676-2183.778] SPEAKER_03: 呃， 就像， 无摩擦的， 呃， 就像人能 去， 以一种 无摩擦方式， 算是帮你。 不知他们是否 真能控制 那辆车。 这是你能 谈谈吗？
[2184.078-2199.742] SPEAKER_01: 呃， 对 好的 呃， 说清楚点 我们不做远程操作 我有点相信 远程操作有原因 但我们车上不是这个 在我们车上 呃， 我们有 就像你说的 有 你知道 呃， 对我们 乘客体验很重要 尤其是如果你 你的第一次旅行
[2199.822-2214.511] SPEAKER_01: 你从没坐过 你知道 全无人驾驶 对吧 或者Waymo的车 你上车 里面没人 对吧 所以你可以想象 有各种各样的 你知道 脑子里的问题 比如这东西怎么工作 呃 所以我们花了很多 心思在一种 引导我们的 呃 乘客们 客户通过
[2214.591-2227.503] SPEAKER_01: 这种体验 尤其是第一次 那会儿 他们得到一些信息 你一进 车里 我们车里配有 你知道 屏幕和音频 那种指导 给他们解释 嗯 期待什么 嗯 他们还有个按钮 按一下 这会连接 把他们连到 你知道， 一个真实的人
[2227.583-2241.935] SPEAKER_01: 能聊天的， 对吧， 整个过程。 这是其中一个方面。 呃， 有一个， 我， 你知道， 我该提一下， 还有， 呃， 另一个功能， 呃， 更像是， 你知道， 车队协助， 有点像， 你知道， 交通控制 嗯
[2242.015-2255.322] SPEAKER_01: 那个 有的地方 我们的车 再次 他们负责 他们自己做 所有决定 所有驾驶 那些不用 需要联网 他们 你知道 任何安全 或者延迟关键 嗯 已完成 你知道 完全自主地 车载系统， 就是，
[2255.402-2273.492] SPEAKER_01: 我们的车载系统。 然后， 这种情况下， 想象一下， 非常混乱的， 那么， 事故现场。 这时， 汽车会尽力。 它们会认出， 这是异常情况。 它们会， 就是说， 尽力提出， 就是说， 正确的解释， 最佳行动方案， 在这个场景中。 但要是连接 能用
[2273.572-2279.562] SPEAKER_01: 他们可以问 呃 要确认来自 你懂的 一个人 嗯 呃 让助手来 确认这些行动 你懂的 也许 呃
[2279.862-2287.640] SPEAKER_03: 改变他们的 行为变得 没那么熟练 呃 通过 呃 使用 嗯 技术 嗯 和 还有 嗯 比如 这种组合 嗯
[2287.940-2291.144] SPEAKER_01: 的 嗯 所有那种 特点 你知道
[2291.444-2295.553] SPEAKER_03: 这个 这个嘛 数量 他们可以的时间 嗯 数量
[2295.853-2302.772] SPEAKER_01: 的 早期骑手计划，就有人坐全无人车在菲尼克斯 10月8号，我们向公众开放了这个模式
[2302.852-2308.413] SPEAKER_01: 下载应用就能坐 目前需求远超运力 我们尽力管理，但正如你所说
[2308.713-2316.514] SPEAKER_03: 嗯，挺有意思的 需求超出你能力？ 反响怎么样？ 我是说，这是个产品，对吧？ 产品多吸引人，那是另一回事 很好
[2316.594-2324.500] SPEAKER_03: 但它也是21世纪变革性技术之一 它也有点像旅游景点 参与很有趣 会很有趣 看大家怎么说，反馈如何，有意思
[2324.800-2333.542] SPEAKER_01: 虽然早期，但反馈很积极 乘车时会征求反馈 行程结束后，我们问他们反馈。 我们问他们一些问题。 请他们评价司机的表现。
[2333.622-2346.035] SPEAKER_01: 大多数司机在应用里给了我们五星，太棒了。 对。 看到这点真高兴。 他们也会反馈，告诉我们哪里能改进。 这也是我们在菲尼克斯做这工作的原因之一。
[2346.115-2358.528] SPEAKER_01: 每天，我们都在从我们的 用户身上学到很多新东西。 没有什么能替代真正去做实际的事，搞一个无人驾驶的 产品实地运行，用户付钱给我们，从 A点到B点。
[2358.828-2367.024] SPEAKER_03: 所以这是正规的付费服务。 对。 没错。 这个想法是，你用应用从A点到B点。那么 这些A点是什么？ 起点和终点有多灵活？
[2367.324-2379.772] SPEAKER_01: 这是服务可用的地理区域。 它的领土面积很大。 它其实比旧金山面积还大。 在这里，你想去哪儿都行。 对。 对。 对。 对。 对。 对。 对。 当然，你的App上会有地图。
[2379.852-2395.690] SPEAKER_01: 你告诉汽车你在哪上车，让它靠边停接你。 然后告诉它你在哪下车。 对吧？ 当然，也有例外，对吧？ 汽车允许停的地方，才能上下车，对吧？ 所以，你能做到，但除此之外，它—— 太棒了。 它不固定，会很……我也不确定。
[2395.770-2402.109] SPEAKER_01: 这不固定，会很……我猜，也许吧。 你问的背后问题，不是预设的终点。 是的。
[2402.409-2406.356] SPEAKER_03: 是的。 区域内受地理限制，其他地方可随意接送。
[2406.656-2419.267] SPEAKER_01: 没错，人们把它们用于各种出行。我们有极其广泛的覆盖范围。 乘客中，年龄最小的还配有安全座椅，还有带孩子的。 孩子乘车，车上最年轻的乘客只有一两岁。
[2419.347-2426.487] SPEAKER_01: 全面覆盖使用场景，可以坐它们去学校、杂货店、餐厅、 酒吧、办事、购物等等。也能去办公室。全面覆盖。
[2426.567-2433.950] SPEAKER_01: 使用场景，人们把它们用于日常出行。我们看到了各种各样的用途。 非常有趣的使用场景，给我们提供了宝贵的经验。
[2434.030-2438.232] SPEAKER_01: 然后我们用它改进产品。我本人有过几次长篇大论。
[2438.532-2448.667] SPEAKER_03: 那些长篇大论， 和乔·罗根他们聊互联网的毒性、评论和负面情绪。 在评论中，我热爱反馈。我相信大多数人善良、友好且聪明。
[2448.747-2458.661] SPEAKER_03: 聪明的，即使在分歧中也能给出有趣的想法。所以在产品方面， 这很吸引我。你怎么得到最丰富的用户反馈来改进？ 有哪些渠道？
[2458.741-2461.794] SPEAKER_03: 你用什么渠道来衡量？因为你不再……
[2461.874-2469.234] SPEAKER_03: 这是自动驾驶汽车的一个妙处。它与……无摩擦互动。 所以你不能就这么搭个车。那你怎么收集反馈？
[2469.534-2479.634] SPEAKER_01: 为了改进？好问题。正常流程中我们就会征求反馈。 汽车行驶时，我们有手机和车内触摸屏， 你可以在屏幕点按钮，实时反馈车表现，
[2479.714-2485.797] SPEAKER_01: 包括正面和负面。这是第一个渠道。 我们还有客服或生活助手， 用户有疑问或担忧时，可以实时跟人聊。
[2485.877-2496.073] SPEAKER_01: 这是另一个反馈机制。 总之，我们收到很多很多反馈。 我们有很多反馈，多得不得了。 我们还问用户事情怎么样， 他们给评论和星级评分。我们还让他们
[2496.153-2506.485] SPEAKER_01: 说说哪些做得好，哪些能改进。我们的作者提供了很丰富的反馈。 大部分人很热情很兴奋， 我们收到了很好的反馈，还做了用户研究。
[2506.565-2510.407] SPEAKER_01: 更具体深入的研究。做横向和纵向研究，
[2510.487-2518.892] SPEAKER_01: 跟客户有更深入的互动。有用户体验研究团队 做长期跟踪，这就是纵向研究。很酷。 没错，这是另一个很有价值的反馈来源。
[2518.972-2527.458] SPEAKER_01: 我们覆盖了很多内容。如果用户去超市，他们想看看， 装20袋杂货进车，这流程你很少见 构建无人驾驶，关键要恰到好处
[2527.538-2534.678] SPEAKER_01: 有人骑车一段路，然后 他们上车，拆下自行车零件装好就走 他们知道停车地点和上下车方式
[2534.758-2540.481] SPEAKER_01: 流程反馈很有用，告诉我们如何才算好 接送地点反馈非常有价值
[2540.561-2550.095] SPEAKER_01: 用高清地图，研究步行路线 想象你在商场大厅，你知道你要 想被接走，就像在地图丢图钉 你站在街道中间 你在街道中间停留 你在街道中间，然后就在购物中心
[2550.175-2560.972] SPEAKER_01: 比如车接你的最佳位置？简单方法 用启发式，选最近的距离找点 最近停车点，但往往不是最佳 最方便？我有很多启发式惨败例子
[2561.052-2567.994] SPEAKER_01: 我常提的例子，有人想被送到 凤凰城，让车到地点接人 最近点就是地图丢图钉的位置
[2568.074-2577.536] SPEAKER_01: 纬度和经度这些词。 但它就在停车场另一边，有排仙人掌。 可怜的人只能绕停车场一圈才能到。 在110度的高温里。 所以挺失望的。
[2577.616-2581.888] SPEAKER_01: 我们收集用户反馈，纳入系统。 然后改进。
[2582.188-2588.875] SPEAKER_03: 对，这需要AGI解决，很常见。 当你在大空间里，比如公寓楼， 然后在那叫Waymo或别的共享车，
[2588.955-2594.794] SPEAKER_03: 定位点该放哪？ 我觉得这需要AGI，你说呢？ 我要—— 另一种选择，谷歌搜索告诉我们，
[2594.874-2603.790] SPEAKER_03: 有些笨但强大的答案很有价值。 就是看别人过去怎么做。 别人做了什么选择？ 谷歌搜索几十亿次后，你能看到
[2603.870-2615.947] SPEAKER_03: 哪些… 当他们推荐… 他们理解你的意图，不是靠机器学习。 而是借鉴过去对别人有效的经验，找到一个 满意的结果。 Waymo是否完全用了别人有效的接客方式？
[2616.247-2619.474] SPEAKER_01: 是的。 你说得完全对。 所以确实有...
[2619.774-2623.465] SPEAKER_02: 这个问题很有意思。 简单方案有有趣的失败模式。
[2623.765-2630.092] SPEAKER_01: 所以，对。 嗯。 嗯。 所以还有很多改进空间，既要 从实践中学有效无效，获取更多数据
[2630.172-2642.666] SPEAKER_01: 和更丰富的环境信息与地图。 但你完全对，有些方案的特点 对用户影响好太多， 比其他方案好，对吧？ 对。 可预测和理解很重要。 所以，你得到的可能不是最优，但很自然，
[2642.746-2650.605] SPEAKER_01: 对用户可预测，而且运作方式始终如一。 这很重要。 这对用户体验很关键。 但最根本的是，车辆确实到达了 你让它去的地方。
[2650.685-2658.881] SPEAKER_01: 比如你随时可以改，在地图上查看，不满意还能移动。 但车辆确实有这特性， 是可行的。
[2659.181-2666.402] SPEAKER_02: 是的。 关键的是，和人类驾驶相比，你能获得 更高的可预测性。 其实，我稍微跑个题，手机和车辆
[2666.702-2678.453] SPEAKER_01: 作为两台通信设备，能实现很多有趣的界面功能， 比如功能上，车辆精确到达你指定的地点， 对。 你指定它要去的地方。 界面上的有趣之处，比如车辆行驶时，
[2678.533-2691.086] SPEAKER_01: 你告诉过它你想让它去哪儿。 但界面上也有有趣的东西，比如汽车行驶时， 车正来接你，职位肯定是你的。 地图上能看到车的位置，他们肯定走那条路。 但也能分享它正在干啥的有趣信息。
[2691.166-2702.279] SPEAKER_01: 所以车来接你时，如果快到停车标志， 它会显示停在那边，因为正停在标志旁。 或者一个交通信号灯。 或者一个红灯。 所以它会停在红灯前。 你看，这些都是小细节，对吧？
[2702.359-2707.560] SPEAKER_01: 但这些小细节特别有趣，特别神奇。 这就是那些小事，能 让用户感到惊喜。
[2707.860-2716.637] SPEAKER_03: 这让我想起几个特别喜欢的产品。 比如有一家公司叫Rev.com。 在哪里？ 我挺喜欢的。 比如这个播客，我只用拖拽个视频。
[2716.717-2728.306] SPEAKER_03: 他们就完成所有字幕。 是人做的字幕。 但他们连接你，自动化一切，把你和人连起来，然后完成。 字幕和转录。 毫不费力。 第一次用的时候，觉得生活真美好。
[2728.386-2736.431] SPEAKER_03: 因为之前搞明白太痛苦了。 还有一款叫iZotope RX的软件。 我用它来清理音频，做降噪处理。 拖放一下就能完美清理。
[2736.511-2748.889] SPEAKER_03: 另一个是亚马逊的一键购买。 第一次。 现在别处也有，但购物的轻松感让它 无摩擦。 这就像在说，我是设计爱好者、产品爱好者， 能创造出真正愉快的体验。
[2748.969-2756.875] SPEAKER_03: 是的。 简洁优雅，让人爱上它。 你会考虑这些吗？ 这就是我们一直在聊的。 那些让人爱上产品的微小细节。
[2756.955-2764.733] SPEAKER_03: 从城市挑战时代开始，那时爱还不是话题， 大概吧。 所以，有人类时，你希望他们陷入 爱上这种体验
[2764.813-2769.317] SPEAKER_03: 这是你想优化的？你在想怎么 怎么创造大家喜欢的体验？
[2769.617-2770.429] SPEAKER_02: 当然
[2770.729-2775.779] SPEAKER_01: 消除所有摩擦，让作者轻松到达目的地 另外，在交通上，让物品和货物
[2775.859-2784.345] SPEAKER_01: 无缝到达目的地 你提到拖拽体验，我说出意图后 它就神奇地发生 对作者，我们努力做到：下载应用，点击一下 车就出现了
[2784.425-2791.205] SPEAKER_01: 同一辆车 非常可预测 安全又高品质的体验 然后让你感到非常可靠和方便 是的 是的 是的
[2791.505-2792.352] SPEAKER_03: 嗯
[2792.652-2797.957] SPEAKER_01: 嗯。 无缝到达目的地。 路上，我们也想做点小事让用户开心。
[2798.257-2806.082] SPEAKER_03: 像拼车公司，他们控制不了体验， 所以不一定让人爱上，也许还没 付出努力。但就我现在的拼车体验来说， 只是非常方便。
[2806.162-2834.646] SPEAKER_03: 但还有很大空间让人爱上它。 比如汽车公司， 汽车公司做得好，人们会爱上一辆车，对吧？ 然后变成忠实车迷。 比如我喜欢酷改装车，69年的科尔维特。 现在，你知道，你不能……汽车太……有辆车太20世纪了， 老兄。 但大多数人怎么看车和车里东西？ 我不知道。 我不知道。 我不知道。 我不知道。 我不知道。 就像我也不知道。 我不知道。 我不知道。 我不知道。 我不知道。 我不知道。 我不知道。
[2834.726-2844.222] SPEAKER_03: 我不知道。 我不知道。 我不太… 有车太老土了，老兄。 Waymo体验里，有啥希望人们爱上？ 什么？ 因为那是它的一部分？
[2844.302-2853.857] SPEAKER_03: 或者是一部分，还是只为方便乘车？ 不是拼车。 不知道叫啥，就是从A到B的自动驾驶。 或者你想让他们爱上？ 爱上Waymo。 详细说明下吧。
[2853.937-2863.735] SPEAKER_03: 从商业角度来说吧， 我很好奇，比如说， 你想藏在幕后不让人看见， 还是想成为引人注目的快乐源泉？ 我希望能提供最好的，
[2864.035-2871.337] SPEAKER_01: 最让人开心的交通方案。 而这意味着要打造它， 打造我们的产品和服务， 让人们可以 无缝融入，
[2871.417-2885.235] SPEAKER_01: 以便捷的方式融入日常生活。 而且我觉得这确实意味着， 某种程度上要让人爱上这个产品，对吧？ 它就这样融入你的日常。 在我看来，这归根到底就是安全、 体验的可预测性
[2885.315-2892.559] SPEAKER_01: 还有隐私方面的问题，对吧？ 我们的车，你每次拿到的都是同一辆， 它的表现非常可预测。 你得到很可预测的表现。
[2892.639-2895.111] SPEAKER_01: 这很重要 日常要用的话
[2895.191-2908.568] SPEAKER_01: 隐私 在车上能忙别的 车上花很多时间，是另一个空间 生命中有不少时间在车上 所以不用和他人共享 不认识的人 你不想分享的东西 这个特性特别好 也许想接电话 或在车里干别的事
[2908.648-2913.814] SPEAKER_01: 还有，驾驶的安全性 不用拼车更安全 对很多人很重要
[2914.114-2923.831] SPEAKER_03: 如果有这种情况 比如人类司机没完全停住 在停车牌前，有时 你叫优步或来福车，人类司机 他们开车可能比较猛
[2923.911-2926.383] SPEAKER_03: 好像攻击性不全是坏事。
[2926.463-2940.072] SPEAKER_03: 现在这想法可能也错了。 那是20世纪的驾驶观念。 也许能创造出一种驾驶体验。 比如你在后面忙别的事， 也许攻击性不是好事。 这是一种很不同的体验。 也许，但为了在世界上导航，
[2940.152-2951.323] SPEAKER_03: 你需要...该怎么说呢？ 你得稍微变通下规则。 或者至少测试一下规则。 我不知道政客怎么讨论这个， 但不管他们怎么说， 你就像在挑逗规则，我也不懂。
[2951.403-2953.074] SPEAKER_03: 但你好像带点攻击性，
[2953.154-2962.929] SPEAKER_03: 驾驶时， 突出你在世界上的存在， 让其他车和人尊重你的存在。 让你能穿过十字路口， 及时。 我也不确定对不对，不过，
[2963.009-2965.423] SPEAKER_03: 怎么融入自动驾驶体验？
[2965.723-2968.869] SPEAKER_01: 是吗？ 这里面东西很多。 你提到了很重要的一点，
[2968.949-2980.259] SPEAKER_01: 很多行为组件，而且， 这些参数影响驾驶感受，你懂的， 果断自然，舒适且可预测。 现在我们的车会遵守规则，对吧？ 它们永远选最安全的方式。 我明确一下。
[2980.339-2992.311] SPEAKER_01: 但想想那些特别优秀的司机， 就，你想想， 专业的柠檬司机，对吧？ 他们遵守规则。 他们特别平稳，还特别高效。 而且他们很果断。 他们很舒适。 对车内的人很舒适。
[2992.391-3001.574] SPEAKER_01: 对车外的人可预测。 和它们共享环境的。 这正是我们想造的驾驶系统。 你想想，比如， 体育上类似，对吧？ 你可以做，而且很多运动
[3001.654-3014.183] SPEAKER_01: 专业人士动作高效，对吧？ 他们不会疯狂挥舞，对吧？ 他们很流畅。 精确，就能得到最好结果，这就是我们想造的驾驶系统。 激进的话，可闯停车标志，疯狂变道
[3014.263-3020.184] SPEAKER_01: 但这通常不更快，也不最安全或 最可预测最舒适，但可兼顾，那就是
[3020.264-3024.176] SPEAKER_01: 我们正打造安全舒适流畅可预测的驾驶系统。
[3024.476-3032.115] SPEAKER_03: 对，这个区分很有趣。自动驾驶早期 车辆谨慎不高效，可能还是，但坐Waymo时 Waymo很果断，开得快。
[3032.195-3039.033] SPEAKER_03: 是，它开得很快，而且不觉得 笨拙。 笨拙地谨慎。我也编过程序，我造的一切
[3039.113-3042.746] SPEAKER_03: 要么太激进，尤其我写的代码，要么笨拙谨慎
[3042.826-3050.523] SPEAKER_03: Waymo的车很自信，高效这个词很准。 术语。 也不是。我也喜欢专业的豪车司机。因为我们老觉得，嗯，
[3050.603-3058.602] SPEAKER_03: 优步、公交或出租车司机。有意思，大家认为出租车司机 是专业人士。就像说我是专业走路的，就因为我
[3058.682-3062.966] SPEAKER_03: 我走了一辈子。我觉得这里有艺术，对吧？认真把它当 一种艺术形式。
[3063.046-3070.871] SPEAKER_03: 大师风范有特定的表现方式。想想什么是 开车的大师风范很有意思。也许我们想到的攻击性
[3070.951-3079.693] SPEAKER_03: 是不必要的。比如，它不是驾驶的一部分。就像不必要的夸张。这种 效率，你可以创造好的驾驶体验。你可以在规则内创造好的驾驶
[3079.773-3093.823] SPEAKER_03: 体验。你是第一个跟我说这个的。所以这有点 有趣。我需要想想。但这就是我在Waymo上的感受。我有点 这种直觉。也许是俄罗斯人的思维方式。我不清楚。就是你必须打破生活中的规则
[3093.903-3103.899] SPEAKER_03: 才能有出息。但也许，也许开车不是这样。我得想想 一下。但我在凤凰城坐Waymo时确实有这种感觉。 那是一次很愉快的体验。而且没有那种
[3103.979-3106.509] SPEAKER_03: “快点，动起来”的烦躁感。一点也没有。
[3106.809-3120.023] SPEAKER_01: 是的。我是说，这正是我们要追求的。我觉得你不必二选一。我觉得 真正好的驾驶，既能给你效率和自信，又能带来舒适和可预测性。 还有安全性，这才是根本改进所在。
[3120.103-3135.686] SPEAKER_01: 核心能力真正释放的关键。 想象成精确度和召回率的权衡，你有一些 模型的能力，然后你有一条曲线 你可以调整指标，选择操作点和你的 精确度召回率假阳性假阴性的训练权衡。对。但然后你
[3135.766-3149.259] SPEAKER_01: 你可以在曲线上调优，变得更谨慎或更激进，但 激进不好，谨慎不好，但真正能力来自实际上 将整条曲线上移，然后你就在一个非常不同的 权衡层面，而这正是我们努力要做的，就是移动
[3149.559-3159.381] SPEAKER_03: 在我忘记前，谈谈卡车。我有机会 看了Waymo的卡车。不确定要不要深入，但这确实 迷人的领域。也许至少简要提一下，Waymo也在进行
[3159.461-3166.589] SPEAKER_03: 自动驾驶卡车运输，从哲学上讲，有多不同 从技术和实际看，是整个问题领域。两大产品之一，
[3166.889-3174.447] SPEAKER_01: 我们驾驶技术的商业应用，对吧？打车和配送。 有Waymo One和Waymo Via，移动人和货物。
[3174.527-3178.857] SPEAKER_01: 我们从2017年开始研究卡车运输。这，
[3178.937-3187.679] SPEAKER_01: 是个很有趣的领域。你的问题是，它有多不同？它 有个好特性，首要挑战是科学和艰难工程， 硬件，车载软件，车外软件，全都一样。
[3187.759-3198.382] SPEAKER_01: 你给机器学习建的那个训练系统。 评估系统，基础通用，真正的挑战是。 比如说。 驾驶感知、语义理解、预测、决策和规划。
[3198.462-3213.569] SPEAKER_01: 评估、模拟器、机器学习基础设施，这些都会延续，比如数据和—— 应用和领域可能不同，但最困难的问题是。 这些在不同领域都通用，很好，这就是我们的方法。
[3213.649-3224.643] SPEAKER_01: 我们主要是投资核心技术，然后专业化。 的那个…… 再把这套核心技术用到不同产品和商业应用。 细分一下，卡车上从硬件说起。
[3224.723-3230.051] SPEAKER_01: 传感器配置不同，物理上也不一样。 几何不同，车辆不同。比如卡车上两侧各有一个主激光雷达。
[3230.131-3236.574] SPEAKER_01: 这样没盲点，而JLR I-PACE上只有一个。 装在最顶上。但传感器几乎相同，所以。
[3236.654-3252.678] SPEAKER_01: 我们多年投入的定制激光雷达、 定制雷达和整合系统的投入，都延续下来了。 在感知方面，看见的根本挑战是。 理解，以及理解系统正在发生什么。 理解世界，像物体检测、分类
[3252.758-3266.622] SPEAKER_01: 跟踪、语义理解，这些都能迁移。对，有些专门化 高速驾驶时，距离更重要。领域有点不同 但基础原理也能很好迁移 同样，进入预测或决策，基础原理是
[3266.702-3272.727] SPEAKER_01: 预测别人做什么，找长尾，改进系统 行为预测和响应的长尾也能迁移，以此类推
[3273.027-3283.580] SPEAKER_03: 所以，这很令人兴奋。顺便问，Waymo Via 是否包括 用小型车运输货物？这挺有意思的 我觉得有三种有意思的模式。一种是运人
[3283.660-3290.382] SPEAKER_03: 一种是运货，还有运空气，零占用。意思就是你要 拿黄金，你要拿走并移动一切
[3290.682-3294.675] SPEAKER_02: 所以展望遥远未来，这讨论很重要
[3294.975-3301.383] SPEAKER_03: 很难说你的 conipe 矿物是否消耗它 如果我想知道，一切都是机器人吗 对对对
[3301.463-3308.951] SPEAKER_03: 好的 如果有人进现场，你会怎么描述目的地 所以第一次跨界时，我会说 你必须理解目的地 零占用车有不同政策吗？
[3309.031-3311.167] SPEAKER_03: 空车和载人车，移动一样吗？
[3311.467-3317.213] SPEAKER_01: 细微差异，一阶近似没区别。 考虑安全和驾驶质量，这部分。
[3317.293-3323.214] SPEAKER_01: 跟人货有关，但你不希望。 你想平稳驾驶，不是为了。 车内东西，也是为了。
[3323.294-3332.373] SPEAKER_01: 车外人要自然可预测融入。 环境，对吧？是的。 你知道， 二阶事：改变路线，然后。 优化车队，考虑规模。
[3332.453-3340.359] SPEAKER_01: 车辆服务有用行程，载人载货。 其他车空驶，去往。 下一个有价值行程，但这是二阶。 效应。好的，凤凰城。
[3340.659-3345.152] SPEAKER_03: 凤凰城太棒了，你宣布的事惊人。 但只是一座城，怎么征服世界？
[3345.452-3348.586] SPEAKER_02: 替朋友问的，一步一步来。
[3348.886-3356.525] SPEAKER_01: 那是《平奇与大脑》？逐步转移，所以。 你核心是，能不能提出比我更好的问题？
[3356.605-3359.437] SPEAKER_01: 你问得很好，我想换个说法答。
[3359.737-3363.405] SPEAKER_02: 用我的措辞。完美。请问你知道在哪吗？
[3363.705-3368.650] SPEAKER_01: 现在要超越凤凰城需要什么？还有， 需要什么才能把技术推广到更多地方和更多人？
[3368.730-3372.932] SPEAKER_01: 对，下个重点是更大规模商业化，而且你
[3373.012-3377.516] SPEAKER_01: 扩大规模，凤凰城给了我们平台，而且 给了我们基础，我们正要做这个。
[3377.596-3380.382] SPEAKER_01: 而且，有一些非常
[3380.462-3387.091] SPEAKER_01: 挑战的部分，需要整合整个问题，以便 构建技术并部署，从无人车到车队
[3387.171-3397.132] SPEAKER_01: 服务的车队，再到商业化。所以 我们在凤凰城做的就是技术从验证到实际 部署，驾驶系统从一辆车扩展到服务车队。
[3397.212-3399.882] SPEAKER_01: 此外，扩大规模需要什么？与更多
[3399.962-3407.427] SPEAKER_01: 客户合作，我考虑三个主要维度。第一个是 核心技术，硬件和软件，驾驶系统的能力。第二个
[3407.507-3412.708] SPEAKER_01: 是评估和部署，第三个是产品、商业和 运营卓越。所以你可以谈谈
[3412.788-3419.649] SPEAKER_01: 我们在三个维度上的进展和现状。 接下来，重点在核心技术、硬件和软件。
[3419.729-3429.365] SPEAKER_01: 这些构成驱动基础，我们已有，正为客户提供完全无人驾驶出行服务。 无人驾驶出行服务，其实我们已在做，而且学到了很多。
[3429.445-3438.965] SPEAKER_01: 所以现在，我们要把这些经验教训 融入核心技术的重大改进，包括硬件和 软件方面，构建更通用更稳健的解决方案，从而让我们能
[3439.045-3446.127] SPEAKER_01: 大规模扩展到凤凰城以外。硬件方面，所有这些经验教训 现在都已融入第五代硬件平台 这个平台正在部署中
[3446.207-3456.890] SPEAKER_01: 而当前的第四代平台 就是我们目前在凤凰城运行的 它能完全实现无人驾驶 不分昼夜，各种速度和条件 但第五代平台才是我们 想要大规模推广的
[3456.970-3462.554] SPEAKER_01: 我们在系统能力上 架构简洁性 冗余可靠性方面 实现了质的提升
[3462.634-3469.495] SPEAKER_01: 这是为大规模制造而设计的 而且单位经济效益要对。 硬件方面，这是我们下一步。 第五版已经可以规模化。
[3469.795-3473.185] SPEAKER_03: 对。 是巧合还是阴谋？ 它跟Pixel手机版本一样吗？
[3473.265-3480.544] SPEAKER_03: 这就是硬件？ 我不确认也不否认，Lux。 好，酷。 抱歉，那是... 好，那是那个轴。 还有吗？
[3480.844-3494.372] SPEAKER_01: 硬件是一次谨慎的跳跃， 但跟我们现在的改变类似 从四代硬件到五代， 软件方面也在改进， 让它更强更通用， 让我们快速扩展到菲尼克斯以外。 这是核心技术第一维。
[3494.452-3506.270] SPEAKER_01: 第二维是评估和部署。 怎么测量你的系统？ 怎么评估它？ 怎么构建它？ 发布和部署流程是什么，让你能自信地 定期把驱动新版本发布到车队？
[3506.350-3520.574] SPEAKER_01: 怎么做好，不让它变成研发的负担？ 怎么构建这些流程、框架、模拟、 评估、数据科学、验证，让人能专注于 改进系统，发布只需出门部署到 整个车队？
[3520.654-3533.926] SPEAKER_01: 凤凰城已经很擅长这个了。 这曾是个极难的问题， 但凤凰城已经有了这个基础。 现在我们整合学到的经验， 让它更高效，扩展到新地方， 扩大规模，逐步复制推广。 这是第二个维度：评估与部署。
[3534.006-3544.504] SPEAKER_01: 第三个维度：产品、商业和运营卓越。 对。再强调，凤凰城在那里—— 对，还有那边的凤凰城。 它提供了很宝贵的平台。 所以我们在凤凰城从头到尾做这件事。
[3544.584-3554.626] SPEAKER_01: 就像早上聊的，我们在学习 从用户那里学到很多宝贵的经验。 反馈好得让人难以置信。 我们会不断改进，把这些经验 融入产品，让它更好用。
[3554.926-3564.980] SPEAKER_03: 你在把凤凰城的整个流程 变成能复制到别处的东西。 可能你在凤凰城做实验时 没这么想。 大概花了多久？你可以纠正我，但
[3565.060-3578.739] SPEAKER_03: 虽然还早，但你在凤凰城走了一遍。 像你说的，自动化需要什么？ 它不覆盖整个凤凰城，但能 涵盖很多东西。 对。 基本自动化花了多久？它不覆盖全城，但能涵盖很多。 很快它就能覆盖整个凤凰城。
[3578.819-3583.184] SPEAKER_03: 不过也许不重要，只要覆盖够大就行。 这个流程复制粘贴容易吗？
[3583.264-3589.904] SPEAKER_03: 而且就像谷歌文档里复制粘贴，我觉得， 或者在Word里，比如， 选源格式或目标格式。
[3589.984-3593.258] SPEAKER_03: 那想把凤凰城复制到波士顿呢？
[3593.338-3595.671] SPEAKER_03: 怎么用目标格式？
[3595.751-3604.028] SPEAKER_03: 比如公交和自动驾驶服务引入城市， 在凤凰城掌握了多少核心内容？ 理解到能复制到波士顿吗？ 我们还没到那一步。
[3604.328-3608.821] SPEAKER_01: 没到大规模复制粘贴阶段。 我们在凤凰城做的，还特意选它作为
[3608.901-3618.757] SPEAKER_01: 首个全面部署区域，为了拆解问题， 看每个维度，专注复杂性和降低风险， 你懂的。 这些维度，整合所有东西，推进，迫使
[3618.837-3628.159] SPEAKER_01: 我们自己学技术、硬件、软件、评估部署， 运营服务、经营业务和服务客户的课， 直到完全了解最困难最重要的事。
[3628.239-3634.961] SPEAKER_01: 始终与客户一起，了解最困难最重要事。 挑战就是怎么迈出大规模复制粘贴的下一步。
[3635.041-3644.363] SPEAKER_01: 我们现在就在把学到的经验都整合起来， 用到下一个系统里，就能到处复制粘贴。 还能向更多用户和地点扩展。我刚提过。
[3644.443-3653.243] SPEAKER_01: 在不同层面上的意义。比如硬件方面，再强调一下， 就是第四代到第五代。第五代就是为了这个设计的。 能说说……
[3653.323-3657.490] SPEAKER_01: 您还在考虑其他城市吗？我在想……抱歉，我们现在在
[3657.790-3670.760] SPEAKER_03: 旧金山。之前想搬去，但现在在考虑搬到 奥斯汀。不知为什么。现在大家对旧金山不太友好。也许 可能只是……现在流行这样。但奥斯汀好像……我去过，在一家
[3670.840-3683.323] SPEAKER_03: 沃尔玛里。有趣的是，这些时刻会改变人生。 有一个人…… 一位眼神很友善的女士停下来跟我说， “亲爱的，他戴那条领带真帅。”我这辈子从没遇到过这种事，
[3683.403-3696.188] SPEAKER_03: 但她的温柔我从未体验过，当然在波士顿街头没有， 就算在旧金山也没人会这样说话或思考。我不知道。 奥斯汀有种我喜欢的温暖。而且既然Waymo在那里有些
[3696.268-3699.356] SPEAKER_03: 历史…… 有点历史了…… 这有可能吗？
[3699.656-3710.430] SPEAKER_02: 你是这么问的吗？比如“Dimitri，不能分享你的” 商业部署路线图，但我在考虑从旧金山搬到奥斯汀 眨两下眼，如果你觉得我应该搬去……
[3710.730-3734.442] SPEAKER_01: 是的，没错，你说对了。 我们在各地测试，已经超过25个城市了。 我们在旧金山和密歇根雪地都开过，测试多但不算特别多。 是的。 我们测试没做太多。 我们测试没做太多。 我们测试没做太多。 我们测试没做太多。 我们真没做很多测试，真没做。 我们在湾区包括旧金山，测试也没做太多。
[3734.742-3741.290] SPEAKER_03: 但不是说这个，因为我们在说完全不同的事。 一个覆盖大区域的公共服务，你不能分享。好的。
[3741.590-3745.119] SPEAKER_01: 莫斯科呢？什么时候搞？跟Yandex合作？我没关注他们。
[3745.419-3755.879] SPEAKER_03: 他们正在……很有趣。我是说，也许有一种方式。 以问题的形式，你没提政策之类，或者有没有…… 和政府相关的棘手事等等？
[3755.959-3765.258] SPEAKER_03: 除了技术问题，还碰到过别的摩擦吗？ 解决这么棘手的问题，有摩擦吗？ 部署公共服务时，还有别的要克服的吗？ 在一个城市里？
[3765.338-3766.766] SPEAKER_03: 这挺有意思的。
[3767.066-3777.445] SPEAKER_01: 这点非常重要。 所以我们花大力气建这些伙伴关系，那些 跟各级政府，比如地方， 市政的，州的，联邦的。 打一开始，我们就深度对话了。
[3777.525-3783.887] SPEAKER_01: 每个层级，每次测试项目时， 项目这块。 或者在新地区运营，先对话。 跟当地官员。
[3783.967-3788.529] SPEAKER_01: 但投资结果呢，这不是非得克服的挑战， 但保持对话非常关键。
[3788.829-3794.413] SPEAKER_03: 是的。 我也挺喜欢政治人物。 好的。 所以，先生。 马斯克说激光雷达是拐杖。
[3794.493-3796.246] SPEAKER_03: 你怎么看？
[3796.546-3808.762] SPEAKER_01: 我不完全这么形容。 我知道。 我觉得激光雷达非常重要。 它是关键传感器，我们和其他模式一样用，对吧？ 我们讨论过，我们的车用摄像头、激光雷达和雷达。
[3808.842-3813.009] SPEAKER_01: 它们都非常重要。 它们都在物理层面。 它们非常不同。 它们的物理特性很不同。
[3813.089-3818.290] SPEAKER_01: 摄像头是被动的。 激光雷达和雷达是主动的。 它们能用不同波长。
[3818.370-3822.863] SPEAKER_01: 所以它们互补得很好。 而且结合起来，它们能构建更安全且 更强大的系统。
[3822.943-3835.995] SPEAKER_01: 所以，对我来说，这更像是个问题：为什么你非要 自己设置障碍，不用其中一种或多种传感模式，当 它们无疑会让你的系统更好呢？ 而且你得明白，你需要 让你的系统更强更安全。
[3836.075-3844.794] SPEAKER_01: 当然，某个产品或企业的方案可能不 适用于另一个。 所以，谈驾驶辅助技术，你会做某些设计 做决定并权衡利弊，但如果你在
[3844.874-3848.403] SPEAKER_01: 打造完全无人驾驶系统，就会做不同选择。
[3848.483-3859.442] SPEAKER_01: 而激光雷达尤其重要。 而激光雷达尤其重要。 而激光雷达，提到这个问题，我常听到 批评是成本 和美观性。老实说，这两点都没说服力。
[3859.522-3870.031] SPEAKER_01: 从成本看，激光雷达的成本 没什么根本性障碍。 要知道，雷达以前也很贵，直到人们在技术上 取得一些突破。 并大规模生产部署到车辆中， 对吧？激光雷达也一样。
[3870.111-3878.551] SPEAKER_01: 这是我们车上的激光雷达，尤其第五代， 我们能在某些方面实现质的飞跃。 能大规模制造这些的基础技术
[3878.631-3887.895] SPEAKER_01: 规模大，成本只有上一代零头 成本极低 市场上可能有现成的产品 而且这种改进会持续 所以成本根本不是问题 第二是美学
[3887.975-3890.122] SPEAKER_01: 这也不是问题
[3890.422-3894.172] SPEAKER_03: 美在观察者眼中 对，让激光雷达变性感
[3894.472-3898.280] SPEAKER_01: 说得对，它很性感 形式就是功能的全部
[3898.580-3910.515] SPEAKER_03: 嗯，有人跟我提过这个 所有形式都是激光雷达 对，所有形式都是激光雷达 大的也能做得很漂亮 很美丽 完全可以融入设计 有各种出色的设计
[3910.595-3920.997] SPEAKER_03: 小和低调不等于美 可能像粗野主义，或者尖角。 我是说，改装车。 我不太喜欢，呃，我要开始了。 我不想因为这个惹太多争议。
[3921.077-3932.120] SPEAKER_03: 我不喜欢保时捷，行了吧？ 保时捷911，大家都说它最美。 不，不。 它就像婴儿车。 这没意义。 但美在观者眼中。 你看着我，好像在说：这小子说啥呢？
[3932.420-3934.428] SPEAKER_02: 我很乐意聊。
[3934.728-3936.794] SPEAKER_03: 你在给自己挖坑。
[3937.094-3943.816] SPEAKER_02: 关于形式功能，还有硬件美感，我不评论。 你陷入保时捷的独白了。
[3944.116-3948.887] SPEAKER_03: 好吧。 好的。 所以美学，好吧。 所以我觉得，没分歧的话，放区间内挺好。
[3948.967-3954.307] SPEAKER_03: 所以我觉得，没分歧的话，放区间内挺好。 因为当时 我那时也在搞机器学习
[3954.387-3958.113] SPEAKER_03: 未来5到50年，驾驶会更多端到端学习
[3958.193-3970.267] SPEAKER_03: 特斯拉用多任务学习，单网络，大量数据训练 嗯 对 没错 是啊 就是 当然 肯定 确实 对的 嗯嗯 好 行 明白 知道了 没错啊 对对 嗯。 嗯。
[3970.347-3985.918] SPEAKER_03: 嗯。 嗯。 嗯。 嗯。 嗯。 嗯。 我特别爱他。 他就是个有意思的人。 当时没开麦，正聊亨特·S·汤普森。 他是自动驾驶界的亨特·S·汤普森。 好的。 之前没注意Karma AI，但他们真在搞端到端。
[3985.998-3990.583] SPEAKER_03: 他们当机器学习问题看，没做多任务学习，但这是。 这是。
[3990.663-3997.292] SPEAKER_03: 把可行驶区域当机器学习任务，期望未来二級系统最终实现全自动驾驶。
[3997.372-4004.454] SPEAKER_03: 好，这里有个深层哲学和技术问题：驾驶有多少可以学？ 激光雷达在凤凰城部署成功，安全可靠。
[4004.534-4012.301] SPEAKER_03: 问题不是激光雷达不能做机器学习，而是：驾驶最终有多少能学？ 我们能完全自主学习吗？ 嗯，可以的。
[4012.601-4019.659] SPEAKER_01: 学习无处不在，很关键。 系统每个部分都有。 把感知跟机器学习和软件分开。
[4019.739-4028.237] SPEAKER_01: 激光雷达、雷达、摄像头都用机器学习。 目标检测分类也一样。 深度网络和人脸识别最擅长这个。 输入海量原始数据。
[4028.317-4040.533] SPEAKER_01: 这是定制激光雷达和雷达擅长的。 雷达不只是给点。 物体位置的估算点。 它们给原始物理观测数据。 拿到所有原始信息，包括像素颜色、回波等。 不只是距离，对吧？
[4040.613-4046.952] SPEAKER_01: 角度和距离信息很丰富，来自回波和雷达。 融合后输入模型，获最佳检测、分类、状态估计。
[4047.252-4052.255] SPEAKER_03: 抱歉打断一下，这里就是融合。 传感器融合层面，很久没人做了。
[4052.335-4057.037] SPEAKER_03: 早期把不同模态和摄像头的传感器信息融合再输入模型。
[4057.337-4068.647] SPEAKER_01: 对，这是个趋势。 这种情况越来越多。 你提到了N10。 对N10的理解不一样。 有点像。 最简单的说法，模型从传感器直接到转向油门。 这太复杂了。 我觉得那样不对。
[4068.727-4075.785] SPEAKER_01: 还有更小规模的N10，做更多N2N学习，或者系统间来回传信号。 有些方法挺好的。 设计选择挺复杂的。
[4075.865-4078.674] SPEAKER_01: 一方面要模块化、可分解。
[4078.754-4084.175] SPEAKER_01: 但另一方面，接口不能太窄，否则失去通用性，信号传不好。 所以要解耦。
[4084.255-4091.592] SPEAKER_01: 还有不同传感器数据的融合。 时间层面的融合，逐帧处理摄像头检测。 还有激光雷达和雷达的逐帧处理。
[4091.672-4100.727] SPEAKER_01: 后面用简单的人工方式融合。 过去十年，领域在走向联合融合、端到端模型。 这潜力很大。 我们的技术栈一直在这样演进。
[4100.807-4109.793] SPEAKER_01: 我会区分感知、信息使用和机器学习的角色。 模块化是有取舍的。 怎么把归纳偏置加到系统里？
[4109.873-4116.362] SPEAKER_01: 能做到这一点，威力巨大。 系统每个部分都严重依赖数据驱动和机器学习。
[4116.442-4122.107] SPEAKER_01: 还有地图、模拟器、感知，包括语义理解、预测、决策等。
[4122.187-4128.967] SPEAKER_01: 还有物体检测分类，像行人、车、锥桶、标志，能估计状态。 对。 这只是基础，技术栈的第零步。
[4129.047-4138.323] SPEAKER_01: 用摄像头或激光雷达都能做得很好，但这是基础。 这只是第零步。 还有真正的挑战：感知语义理解、场景推理，以及预测和交互。
[4138.403-4146.564] SPEAKER_01: 所有参与者之间的交互，以及决策制定。 对，那怎么构建这么多系统？ 所以， 所有这些组件都很依赖机器学习。
[4146.644-4150.196] SPEAKER_01: 用混合方法——不同模型和规则系统——效果最好。
[4150.276-4152.609] SPEAKER_01: 举个例子， 就拿交通灯来说。
[4152.689-4160.490] SPEAKER_01: 检测交通灯有个问题，对计算机视觉是大事，这是核心，对吧？ 这就是你搭建它的方式。 但交通灯的含义，得学，对吧？
[4160.570-4167.675] SPEAKER_01: 你直接读就行，不用搞复杂模型，用精确率和召回率推断红灯停。 这是很清晰的工程信号，语义明确，对吧？
[4167.755-4178.529] SPEAKER_01: 所以你要引入这种偏差，比如怎么引入，是在技术栈里当约束还是成本函数。 但把这种清晰语义信号注入技术栈很重要。 这就是我们做的。
[4178.609-4190.337] SPEAKER_01: 问题来了，你自己决定是否红灯前停，这就是用它的时刻。 是的。 是的。 是的。 是的。 是的。 是的。 但考虑别人怎么处理交通灯，就又回到机器学习，因为他们按理该停，但未必会。
[4190.417-4198.474] SPEAKER_01: 于是又依赖机器学习，抓线索，与其他人车互动，场景配置，预测是否红灯停车。
[4198.774-4202.883] SPEAKER_03: 所以Waymo的机器学习已经是技术栈的重要部分。
[4202.963-4209.243] SPEAKER_03: 它不仅是第一级或零级，用机器学习检测物体，还预测行为，模拟其他实体动向。
[4209.323-4213.165] SPEAKER_03: 所以，机器学习。 是不是也在变得越来越重要？ 当然。
[4213.465-4217.853] SPEAKER_01: 哦，那肯定。 回顾早期DARPA大挑战，团队用了机器学习。
[4217.933-4224.202] SPEAKER_01: 图像热潮前机器学习很不一样，斯坦福在大挑战里用了激光雷达和摄像头系统。 沙漠。 然后，
[4224.282-4235.198] SPEAKER_01: 我们建了个模型，扩展自由空间推理范围。 激光雷达信号清晰，模型会说摄像头里和激光雷达里的有点像。 而且我知道激光雷达里看到的东西。 我很确定那是自由空间。
[4235.278-4243.637] SPEAKER_01: 那就把自由空间扩展到摄像头范围，车就能开更快。 然后我们不断改进，一直推动机器学习各领域的前沿。
[4243.717-4250.601] SPEAKER_01: 其实早在2010或2011年，谷歌就深入机器学习和深度神经网络。
[4250.681-4261.315] SPEAKER_01: 当时可能是唯一大力投资先进机器学习和自动驾驶的公司。 对。 而且它们是齐头并进的。 从那以后我们一直在这条路上，推动了很多方面。
[4261.395-4271.356] SPEAKER_01: 研究方面，在Waymo和Alphabet紧密合作，涉及监督学习等，发了不少论文。 尤其是最近，这个学习领域非常活跃。 嗯。
[4271.436-4278.181] SPEAKER_01: 非常活跃，也有成熟的东西，比如目标检测。不过研究依然很有趣。 嗯。 嗯。 嗯。
[4278.261-4284.170] SPEAKER_01: 现在有更大的模型，结构也更丰富，还要推理时间序列和语言模型的突破，对吧。
[4284.250-4299.798] SPEAKER_01: Transformer、GPT-3这些核心突破，应用起来很有意思。 嗯。 你知道，行为预测还有， 你知道，决策和规划， 对吧？ 你可以这样想，有点像， 行为， 如何， 你知道， 路径， 轨迹， 人们怎么驾驶，
[4299.878-4315.705] SPEAKER_01: 它们有很多共同结构。 你知道， 这个问题啊， 有， 你知道， 顺序的， 你知道， 本质。 有很多结构。 在这个表示中， 局部性很强， 就像句子中， 你知道， 相邻的词语， 它们连得很紧， 但更大的上下文没局部性。 是的。
[4315.785-4329.858] SPEAKER_01: 开车也能看到这点，对吧？ 整个场景发生的事， 对，影响很大， 序列中下一步的类型， 不管你是否，你知道， 预测别人要干啥 不管是你自己做决定 还是在模拟器里 都是在建生成模型，比如
[4329.938-4333.571] SPEAKER_01: 行人、骑车和开车
[4333.871-4346.424] SPEAKER_03: 哇，这太迷人了 比如，想想 transformer模型和语言处理的突破 能用在驾驶上，真迷人 更高层面，行为层面 这有点迷人 让我问问那些讨厌的家伙 行人和骑车的
[4346.504-4350.137] SPEAKER_03: 他们似乎……人类真麻烦 能去掉他们，我肯定
[4350.217-4357.496] SPEAKER_03: 可惜，他们也是快乐 爱和美的来源，留着他们吧 他们也是我们的客户 哦，从你角度，当然
[4357.576-4359.886] SPEAKER_03: 他们是财源，非常好
[4359.966-4364.517] SPEAKER_03: 但是， 我甚至不知去哪。 对，行人和骑车的人。
[4364.597-4368.010] SPEAKER_03: 他们是种迷人的注入 进入不确定系统，
[4368.090-4375.949] SPEAKER_03: 像博弈论舞蹈，决定怎么做。 而且他们有感知， 能在推特聊你的产品。 所以你不想撞他们， 从这个角度看。
[4376.029-4388.721] SPEAKER_03: 我常开玩笑，其实不知道， 但说正经的，就像， 行人是复杂计算机视觉问题， 一个复杂的行为问题。 有没有什么有趣的事可以说 关于从机器学习到的 角度，以及自动驾驶汽车
[4388.801-4392.133] SPEAKER_03: 和产品角度，关于 这世界中的人类互动？
[4392.433-4400.130] SPEAKER_01: 对，只是公开声明。 我们特别关心行人的安全， 哪怕他们没有推特账号。 谢谢，好啦好啦，很好。
[4400.430-4402.926] SPEAKER_03: 不是我，但我很高兴有人这么做了。
[4403.226-4411.213] SPEAKER_01: 说实话， 弱势道路使用者的安全， 行人和骑车人是我们最优先关注的。 我们做了大量测试和验证， 非常重视
[4411.293-4416.714] SPEAKER_01: 我们系统的能力， 还有安全相关的问题， 特别是那些没有保护的弱势群体。
[4416.794-4431.889] SPEAKER_01: 像之前提到的汽车， 在凤凰城，我们有完全空车， 完全无人驾驶，覆盖很大一片区域， 有人用它们 去学校，所以会经过学校区域， 孩子就是特别需要关注的 弱势道路使用者，对吧？ 我们就要做到超级安全。
[4431.969-4437.239] SPEAKER_01: 而且对它们特别小心。 所以我们非常非常重视。 而且你知道，这需要什么？ 要做好它，你知道，
[4437.319-4448.255] SPEAKER_01: 需要超强的性能。 贯穿整个技术栈。 从硬件开始，另外， 所有传感器都用上。 想象在住宅区夜间开车。 转弯时，你却没有， 前灯照不到某些地方。
[4448.335-4458.168] SPEAKER_01: 然后孩子可能突然跑出来。 激光雷达在这方面特别厉害。 在完全黑暗中看得一样清楚。 就跟白天一样，对吧？ 所以它给了你额外的余地。
[4458.248-4467.768] SPEAKER_01: 能力和性能上的余量。 还有安全性和质量。 事实上，这种情况我们经常， 系统会检测到什么，有时候。 甚至比司机还早。 尤其是特别黑的夜晚。
[4467.848-4477.472] SPEAKER_01: 所以一切始于感知。 感知必须非常出色。 你得非常擅长检测。 各种情况下检测行人。 在各种环境中，包括 姿势奇怪、奔跑的人，
[4477.552-4480.024] SPEAKER_01: 以及部分被挡住的人。
[4480.104-4481.392] SPEAKER_01: 所以这是第一步。
[4481.692-4486.417] SPEAKER_02: 然后你得有极高的准确率与极低的
[4486.717-4497.177] SPEAKER_01: 延迟，对目标的反应。 这些目标可能做什么。 我们投入了大量工程。 和大量验证，以确保 系统正常运行。 通常这需要 强烈反应来执行安全操作。
[4497.257-4502.783] SPEAKER_01: 我们见过很多这样的案例。 那是罕见的长尾情况。 其实那些保障安全的疯狂事
[4502.863-4511.883] SPEAKER_01: 发生在行人身边。 比如我们碰到的例子， 在凤凰城开车时。 那条路限速45英里。 车流速度很快。 旁边有行人道， 有个骑自行车的人。
[4511.963-4519.730] SPEAKER_01: 我们行驶在右车道， 那是多车道。 靠近那个骑车的人时， 是个女的，她绊倒了。 正好跌倒了 摔在我们车道上。 当时我们的车，
[4519.810-4531.352] SPEAKER_01: 坐着测试驾驶员。 驾驶员处理得很对。 他迅速刹车停下。 需要大力转向 和猛踩刹车。 我们模拟了系统原本会怎么反应 那种情况下，它反应完全一样 这说明所有组件
[4531.432-4547.932] SPEAKER_01: 状态估计和跟踪非常精准 比如想象一下 你看到一个人骑车要摔倒 就发生在你面前，对吧 所以必须注意事情的变化 外观都在变，对吧 有人朝一个方向倒，摔路上 就平躺在地上，在你面前 自行车朝另一边飞出去
[4548.012-4563.316] SPEAKER_01: 原本是一体的两个物体 现在正在分离 汽车要检测到这一切 毫秒级反应至关重要 而且光刹车是不够的 必须同时转向刹车 而且周围还有别的车 所以这一切要协同工作 这个案例真的太棒了 还有类似的情况 现实中的确如此
[4563.396-4567.842] SPEAKER_01: 我们的系统呢，你知道 完全按我们想的运行 还能避免这种碰撞
[4568.142-4571.253] SPEAKER_03: 机器人领域真让人激动 就在那一刻
[4571.553-4574.165] SPEAKER_01: 要做出生死抉择
[4574.465-4581.071] SPEAKER_03: 我也不清楚 风险确实很高 但对有些人却很美好 喜欢AI的人 AI系统有可能 救一条命
[4581.151-4590.868] SPEAKER_03: 这个问题很刺激，比如起床 工程师醒来可能会害怕 想到这些，又很兴奋 就像一切在掌握中 我来问个老生常谈的问题 聊聊自动驾驶汽车。
[4590.948-4594.558] SPEAKER_03: 看看你有没有什么有趣的事。 这是关于电车难题的。
[4594.638-4608.491] SPEAKER_03: 电车难题是个有趣的哲学概念。 电车难题是个有趣的哲学概念。 这是个哲学概念，它突出了。 还有很多其他类似的概念。 人类面临的艰难道德抉择。 摆在这个复杂世界面前。
[4608.571-4617.092] SPEAKER_03: 具体来说，是两者之间的选择。 如果被迫选杀死一组X的人。 相对一组Y的人，比如一个。 什么也不做，杀一人。但如果，
[4617.172-4624.370] SPEAKER_03: 转向杀五人，避开只杀一人。 你是无为还是行动？能构建各种类型。 这类伦理实验，积极面会促使你思考。
[4624.450-4629.837] SPEAKER_03: 反思我们道德的物理本质，通常没答案。 人们喜欢它，因为这是个刺激的思考对象。
[4629.917-4636.964] SPEAKER_03: 做自动驾驶的人常翻白眼，因为这不是真的。 这个假设问题现实中从未出现，你永远不必。
[4637.044-4645.623] SPEAKER_03: 在杀一个人还是杀一组人之间选，但你会说话吗 有没有一些 作为自动驾驶工程师，你对电车难题的趣味点感兴趣吗
[4645.703-4655.199] SPEAKER_03: 或者有没有你认为很难的道德抉择 算法必须在特定电车难题里做选择，哪个会 如果你在开车，这问题本身很深，因为人类自己
[4655.279-4660.224] SPEAKER_03: 答不上来，这正是关键，嗯，我会两个都杀
[4660.524-4670.009] SPEAKER_01: 嗯对，人类，你说得完全对，人类其实不擅长 他们有点像问“计算机会怎么做”，但人类并不 很擅长，我常想，愣住不动啥也不做
[4670.089-4682.804] SPEAKER_01: 因为你多花了几毫秒处理，结果反而搞出 最糟的情况，对吧。所以嗯，我确实觉得，就像你说的，可能有点 分散注意力，也可能是转移话题，我觉得这挺有意思的
[4682.884-4693.321] SPEAKER_01: 在哲学讨论里，嗯，是的，但至于这怎么 影响实际工程和自动驾驶部署，嗯，这不是你 构建系统的方式，对吧。我们聊过如何设计系统，如何
[4693.401-4703.257] SPEAKER_01: 评估不同部件，以及整个系统的安全性 怎么把基于模型、基于安全性的论证注入系统，然后你 推理系统的各个部分，比如推理碰撞的概率
[4703.337-4715.088] SPEAKER_01: 碰撞的严重性，对吧，嗯，这些都会被考虑，而且你必须 推理系统里的不确定性流动，对吧。 因素确实影响汽车后续行为，但更像。 沉浸式行为，你说得对。
[4715.168-4721.936] SPEAKER_01: 理论问题，系统里遇不到，而且。 回到之前讨论，你选哪个？ 很多时候，像之前犯错，不该陷入那种。
[4722.016-4734.754] SPEAKER_01: 情况首先，如果你构建一个非常。 好的安全驾驶员，驾驶环境中有足够线索。 防御性驾驶，避免陷入那种情况，对吧。 回到精确率和召回率的类比，你可以。
[4734.834-4743.030] SPEAKER_01: 一个权衡，通常两个答案都不好，反而关注。 把整个曲线上移，专注于构建合适能力。 正确防御性驾驶，避免陷入这种情况。
[4743.330-4751.468] SPEAKER_03: 不知道你有没有好答案，但人们爱问我。 关于书籍，你生活中喜欢哪些书？ 哲学、小说、技术类，对你。
[4751.548-4757.457] SPEAKER_03: 工程师或为人影响大，从科幻到教科书。 有没有三本突出的书？我会。
[4757.757-4765.094] SPEAKER_01: 对我有影响的，这本你可能熟悉，但并不是。 通常不为人知，在美国或国际上，《大师与玛格丽特》。
[4765.174-4773.219] SPEAKER_01: 这是我超爱的书之一，俄国小说。 作者俄国作家布尔加科夫，很棒的书，就是那种 一辈子反复读，很容易懂，小时候就能看。
[4773.299-4783.573] SPEAKER_01: 情节特有趣，就是魔鬼... 魔鬼访问苏联，但可以反复读，在不同人生阶段 人生不同阶段。 会因为各种不同原因喜欢，不断发现更深层
[4783.653-4791.536] SPEAKER_01: 更深的意义，对我有影响，留下了印记。 主要是文化风格上，它让人 成为那种好书，让你思考，同时还有种非常...
[4791.616-4797.119] SPEAKER_01: 那种傻乎乎又黑暗的幽默，抓住了俄罗斯灵魂，比
[4797.419-4803.978] SPEAKER_03: 很多其他书只是轻描淡写，出于 好奇，最遗憾之一是读过英文版，你碰巧读过吗？
[4804.278-4812.196] SPEAKER_01: 英文版还是俄文版？只读过俄文版，这正是个问题 我偶尔会想，翻译得怎么样 能不能翻得好，有语言和文化的问题
[4812.276-4816.943] SPEAKER_01: 所以，我不确定你是否了解，英文能不能传达好。现在我
[4817.243-4830.469] SPEAKER_03: 要去巴黎，有几个原因，其中一个是从没去过，想去 去巴黎，那里有最著名的翻译家，翻陀思妥耶夫斯基、托尔斯泰等 去巴黎，那里有最著名的翻译家，翻陀思妥耶夫斯基、托尔斯泰等
[4830.549-4843.276] SPEAKER_03: 那里有文学和一对名人夫妇，一男一女，我打算 和他们做一系列对话，为此我开始阅读 读陀思妥耶夫斯基的俄语版，尴尬的是，我读过的所有 像俄罗斯文学
[4843.356-4850.380] SPEAKER_03: 深度作品都用英文读的，尽管我明明能读俄语 但不知为啥，在生活优化中，似乎不是
[4850.460-4861.910] SPEAKER_03: 读俄语是正确决定，嗯，我不需要优化，要用英文思考而不是 读俄语，但现在我改主意了，所以翻译好坏是一个 非常根本的问题，就算对陀思妥耶夫斯基
[4861.990-4869.757] SPEAKER_03: 陀思妥耶夫斯基翻译容易些，其他人就不那么明显了 诗歌翻译不好，我也是弗拉基米尔·维索茨基的铁粉
[4869.837-4878.161] SPEAKER_03: 他的作品不好翻，有人试过，但天才我不懂，我不懂 我只知道英文版特别好玩，所以但是 这问题很有趣，我想从机器和
[4878.241-4887.540] SPEAKER_03: 机器学习角度严格研究，也因为想在俄罗斯做采访 我还不确定怎么跨越语言障碍做采访 迷人问题，要传达给美国观众
[4887.620-4893.703] SPEAKER_03: 有些俄罗斯人我觉得特别棒，有时我感觉 和厉害科学家遇到过，也许你也有这经历
[4893.783-4902.281] SPEAKER_03: 生活中，因为语言障碍，他们的想法被历史遗忘了 挺遗憾的，想到中国科学家和作家那样 英语世界里，有些文化深度没法体会
[4902.361-4910.139] SPEAKER_03: 翻译中丢了，我很想展示这点 我虽傻，但至少有点表达技巧 俄语……我还会拍，想捕捉像
[4910.219-4918.717] SPEAKER_03: 数学家佩雷尔曼，你也许不认识，想聊聊 他思想迷人，带给英语听众会 很迷人，但得认真想布尔加科夫翻译
[4918.797-4926.622] SPEAKER_03: 这概念很蠢，但它是基础，因为如何 翻译的问题，也是谷歌翻译面对的 也算机器学习问题，但这是否AI更大难题
[4926.702-4929.116] SPEAKER_03: 怎么捕捉语言中的魔力
[4929.416-4938.018] SPEAKER_01: 有趣又有挑战的问题。读过《大师与 玛格丽特》英文版。 抱歉，是俄语。想听你的看法。部分原因语言 还有几世纪文化积累。文化不同，很难
[4938.098-4943.961] SPEAKER_01: 连接。第一个问题。还有两个。第二个可能 选斯特罗戈夫斯基科幻，跟阿西莫夫和
[4944.041-4948.290] SPEAKER_01: 布拉德伯里齐名。我更被它吸引，对我
[4948.590-4955.416] SPEAKER_03: 成长印象更深。显得无知抱歉。我太 科幻弱一些。我写了啥？哦，《路边野餐》《上帝难以企及》
[4955.716-4966.048] SPEAKER_01: 甲虫。 在蚁丘中。周一就开始周六。这不只是科幻，还有非常 有趣的人际关系和社会问题，语言简直完全 令人捧腹。 周一就开始周六。
[4966.348-4972.675] SPEAKER_03: 就这本。哦有意思。周一就开始周六。我得读读。好的，天哪。 你把它归为科幻小说吗？
[4972.975-4986.120] SPEAKER_01: 那本，我的意思是，更像一部傻乎乎的 你知道，幽默作品。我是说，有点…… 但它也很深刻，对吧？ 科幻小说嘛，讲一个研究所，跟严肃研究很相似。 但背景是他们在研究魔法，对吧？ 好的。
[4986.200-5000.401] SPEAKER_01: 那就是他们的风格，对吧？其他书非常不同。《上帝难以企及》讲的是 这个更高级的社会被注入原始世界，以及他们怎么运作。 一些非常深刻的伦理问题，对吧？而且他们有一个完整的光谱
[5000.481-5011.838] SPEAKER_01: 有些更偏向冒险风格。但我喜欢他们所有的书。可能还有 一两本……实际上有一本是他们最重要的。我觉得 是《山坡上的蜗牛》。我不太确定怎么翻译。我试读过几次
[5012.138-5017.002] SPEAKER_02: 那次我没搞懂，但其他都很享受。有次生日，作为一
[5017.302-5025.243] SPEAKER_01: 个孩子，我把整套书放架子上，心想真多。 假期里，父母拽不动我，我读完了整 本书从头到尾。我超喜欢。还有第三本，
[5025.543-5036.259] SPEAKER_02: 可能更黑暗，但想到奥威尔《1984》。你问我啥印象深 还有推荐的书。那本我觉得两者兼有。 确实，它是必读之一。
[5036.339-5039.787] SPEAKER_02: 然后放下书，盯着空中发呆。那种作品，我觉得有
[5039.867-5046.252] SPEAKER_02: 不能忽视的教训。如今世上发生的一切 我忍不住联想到奥威尔描述的相似之处
[5046.332-5052.717] SPEAKER_02: 还有双重思想，无视逻辑，持有完全 矛盾观念却不当回事，坚持党的路线
[5053.017-5062.757] SPEAKER_03: 不惜代价。这里有点东西。要说收获，2020让我明白，我是 《动物农场》铁粉，它有点像《1984》的朋友。这是
[5062.837-5068.142] SPEAKER_03: 另一个社会可能如何 走向我们不希望的方向。但如果说有什么
[5068.222-5073.562] SPEAKER_03: 让乐观者对2020崩溃的，是社会太脆弱。
[5073.642-5076.916] SPEAKER_03: 我们在进行一个特殊实验，它并非坚不可摧。
[5076.996-5084.693] SPEAKER_03: 我们要小心保护 拥有的任何特殊事物。我觉得《1984》和这些书，《美丽新世界》
[5084.773-5091.158] SPEAKER_03: 它们能帮我们发现暗藏的错误，我们有责任保护。 这是责任，不知为何一直压在我心头。
[5091.238-5095.568] SPEAKER_03: 除了我妈，还有更多人在推特上关注我，我觉得有责任去。
[5095.648-5103.055] SPEAKER_03: 回到世界。突然意识到，我和数百万人就像那些小蚂蚁。 维持这个小群体，对吧？我们有责任不要。
[5103.135-5116.814] SPEAKER_03: 我不知道该用什么比喻，但别用火焰喷射器烧掉这地方。我们想要 不能那样做。像《1984》所说，有很多有趣复杂的方式。可能是 通过官僚主义，或是无能，或是错误信息。
[5116.894-5119.738] SPEAKER_03: 或者分裂和毒害。我坚信爱
[5120.038-5127.897] SPEAKER_01: 会成为解决方案。所以爱和机器人。是的，我觉得你完全 对，但更像不是火焰喷射器式的答案。我认为它
[5128.197-5136.440] SPEAKER_03: 更多是像温水煮青蛙。这才是危险。我来问，这是一个 工程师和领导者，对人生荒谬问题感到不适。什么是
[5136.520-5141.941] SPEAKER_03: 生命的意义，Dimitri，从机器人和人类角度看？你只有几分钟
[5142.241-5149.822] SPEAKER_02: 或一分钟回答。其实，我不知道这会让它更难还是更容易。 是的。你知道，我很想引用阿西莫夫的一个故事。
[5149.902-5154.209] SPEAKER_02: 恰当命名为《最后的问题》。是个短篇，情节是
[5154.509-5167.015] SPEAKER_01: 人类造了台超级计算机，这个AI，一旦它足够强大。 他们问它：怎么减少宇宙的熵？于是计算机 回答：目前信息不足，无法给出有意义答案。然后数千
[5167.095-5181.621] SPEAKER_01: 时间在走，他们反复问同一个问题。 计算机越来越强大，但答案还是同一个，至今为止。 信息不够，给不出有意义的答案，或者类似说法。然后 这样反复发生，你快进到几百万年后的未来，
[5181.701-5194.172] SPEAKER_01: 甚至几十亿年后，它成了宇宙唯一的存在，吸收了 全人类和宇宙的知识，还不停问自己同一个问题。 最终，它能回答那个问题了。当然， 那时宇宙已经热寂，它是唯一的存在，
[5194.252-5202.030] SPEAKER_01: 没人能接收到答案。它唯一能做的，就是 它用演示来回答。于是重造了宇宙大爆炸，重置了时间，对吧？
[5202.330-5215.010] SPEAKER_02: 但我可以给出不同答案，也许不代表全人类。 我认为代表全人类谈生命意义有点冒昧。 我觉得代表全人类谈生命意义有点冒昧。 但至少对我个人，答案会变。我觉得如果你思考
[5215.090-5220.337] SPEAKER_02: 什么赋予你和你的人生意义和目的，以及什么驱动你
[5220.637-5224.340] SPEAKER_01: 它似乎会随着时间和你的生命周期而改变。
[5224.420-5237.019] SPEAKER_01: 刚来到世界时，一切就是新体验。你闻到新气味，听到新声音， 你感受新情感，这是动力。你经历新奇神奇的事，那就是魔力。 那太棒了。给了你某种意义。然后你长大一点，
[5237.099-5249.199] SPEAKER_01: 你开始更有意识地学习。我想实际上在你开始之前 有意识学习可能挺有趣，乐趣带来意义和目的。 你也会去优化它，乐趣本身就好。然后你开始学习，我觉得这种
[5249.279-5256.361] SPEAKER_01: 理解与发现的喜悦，同样赋予你意义和目的。 并推动你前进。学得够多，就想回馈一些东西。
[5256.441-5264.382] SPEAKER_01: 对技术、社会、人们，本地或全球的贡献。 成为驱动你行为的新动力，也给你目标。
[5264.462-5271.729] SPEAKER_01: 得到正向反馈，继续前行，如此循环。你会经历 人生各阶段。有孩子肯定会改变你的看法。
[5271.809-5278.031] SPEAKER_01: 我有三个孩子。那会翻转一些开关，改变你在意什么、 优化什么、什么重要、不重要，等等。
[5278.111-5290.231] SPEAKER_01: 在我看来…… 这些事。人生中，你希望它们叠加。新的体验、乐趣、 学习、影响。不断积累。我不想停止享受乐趣或体验新事物。
[5290.531-5299.308] SPEAKER_02: 重要的是它们应该叠加，而不是替代 或削减。目前我就领悟到这些，但过几年你再问我， 可能还会再加一两条。
[5299.608-5308.628] SPEAKER_03: 不知不觉时间就到了， 就像这次对话。希望愉快。见到你是我莫大的荣幸。 我一直是你的粉丝，也是Google自动驾驶和Waymo的粉丝。
[5308.708-5323.374] SPEAKER_03: 我等不及了。这是最激动人心的……回顾21世纪， 我相信这是人类从猿进化以来最令人兴奋的创造之一。 地球上，我是你的铁粉，等不及要看你的成果。 Max，谢谢你和我聊天。
[5323.674-5327.946] SPEAKER_01: 谢谢邀请，我也是超级粉丝，聊得很开心，谢谢。
[5328.246-5344.026] SPEAKER_03: 感谢收听和Dmitry Dolgov的对话，也感谢赞助商。 Trial Labs，帮企业用机器学习解决实际问题。 Blinkist，我用来读书籍摘要的软件。 BetterHelp在线治疗，有持牌专家，还有Cash App。
[5344.106-5354.148] SPEAKER_03: 我用它给朋友转账。赞助商信息在描述里。 获取折扣，支持本播客。喜欢请在YouTube订阅。 Apple Podcasts五星，Spotify关注，Patreon支持。
[5354.228-5361.693] SPEAKER_03: Twitter关注我@Lex Friedman。现在用阿西莫夫的话收尾。 科学让人愉悦着迷，改变世界的是工程。谢谢。
[5361.993-5364.907] SPEAKER_00: 感谢收听，下次再见。