谷歌买菜车肉爆了，无人驾驶赛车即将开战

最近飙车党们遭遇了一些麻烦，首先是安全驾驶400万英里的谷歌无人驾驶汽车以2英里的时速撞上了一辆公交车，然后两届世界冠军阿隆索在F1揭幕战澳大利亚站比赛遭遇生涯最惨烈的撞车事故。(下图左)

左：阿隆索撞毁的赛车  右：谷歌无人驾驶汽车撞上公交车

这两起事件说明两个问题：首先，即使是在安全技术高度发达的今天，方程式赛车对于人类来说依然是一项较为危险的极限运动，因为这项运动的宗旨就是榨取机械和人类血肉之躯的每一滴性能，来突破一个又一个的速度极限。其次，对于谷歌无人驾驶汽车而言，400万英里无重大事故的良好记录表明其安全性毋庸置疑，但是目前最大的问题是“车开得太肉”，甚至有一次曾因车速过慢而吃到加州警察的罚单，这次撞上公交车的速度也是“闪电般“的2英里/小时。显然，人工智能自动驾驶技术的良好安全记录是以牺牲速度为代价的，因此很少有人认为人工智能驾驶技术能像阿隆索一样在F1赛道上狂飙。但是即将到来的首届无人（自动）驾驶赛车冠军联赛RC（Roborace Champion）上的机器人赛车（Autobots），也许会掀开方程式赛车的新纪元。

作为电动赛车联赛（Formula E ePrix series）的垫场比赛，Roborace Champion将只接受机器人赛车，分为十个参赛队，每支队伍包含两辆无人驾驶赛车，比赛时长约1小时。这些无人驾驶赛车的人工智能硬件部分统一采用Nvidia刚刚发布的PX 2 AI人工智能超级计算机，每秒AI应用运算速度高达24万亿次（性能相当于150台MacBook Pro笔记本电脑）。由于硬件规格统一，各参赛队需要从软件上下功夫来获取竞争优势。

与无人机类似，由于不需要考虑驾驶人员的空间、安全和交互需求，无人驾驶赛车的设计更加紧凑，上图就是Roborace汽车设计师设Daniel Simon设计的概念原型。除了内部豪华的GPU超级计算机外，无人驾驶赛车还配备了大量传感器，包括雷达、激光测距仪、摄像头、GPS和高清地图系统。（编者按：即使是有人驾驶的F1赛车也是“大数据运动”，通常用于测试的F1赛车上会安装240个传感器，每圈能产生25MB数据，这些数据显然人类车手并不能精确学习和消化）

与谷歌的AlphaGo类似，无人驾驶赛车真正精彩的部分是机器学习，这些配备超级计算机的赛车机器人（请原谅我们如此称呼这些赛车）能够从每次比赛中不断学习提高，把车子开得又快又帅，将来你会花钱看水平更高，更激动人心的Roborace还是F1？或者换个角度，你会看AlphaGo十三段们之间的“上帝之手”，还是李世石和柯洁这样的“低段”选手之间的街头械斗?（编者按：如果将名次设定为最高优先级，赛车机器人是否会“进化”出舒马赫那样的撞车战术？）